MongoDB ఏ advanced indexing strategies లను support చేస్తుంది?

Question

Accepted Answer

Basic single-field indexes కు అతిరిక్తగా, MongoDB advanced indexing strategies లను అందిస్తుంది — **compound index ordering (ESR rule)**, **covered queries**, **partial/sparse indexes**, **TTL indexes**, మరియు మరెన్నో — ఇవి query performance ను నాటకీయంగా ప్రభావితం చేస్తాయి. వీటిని నైపుణ్యంగా వాడుకోవడం MongoDB ని పెద్ద స్థాయిలో optimize చేయడానికి కీలకం.

## Compound indexes కు ESR rule

```text
For a compound index supporting a query with Equality, Sort, and Range conditions,
order the fields: EQUALITY → SORT → RANGE (the ESR rule).
```

```js
// query: status = "active" (equality), sort by date (sort), age > 21 (range)
db.users.createIndex({ status: 1, date: 1, age: 1 });   // E, S, R order
db.users.find({ status: "active", age: { $gt: 21 } }).sort({ date: 1 });
// → the index serves equality match, sorted output, and range scan efficiently
```

**ESR rule** (Equality, Sort, Range field order) compound indexes లను నిర్మిస్తుంది, ఇవి query యొక్క filter, sort, మరియు range parts లను efficiently సేవ చేస్తాయి — ఇది ఒక కీలక optimization technique.

## Covered queries — index నుండి పూర్తిగా సేవ చేయండి

```js
// if a query's filter AND returned fields are ALL in the index, no document fetch needed
db.users.createIndex({ email: 1, name: 1 });
db.users.find({ email: "ann@x.com" }, { name: 1, _id: 0 });  // COVERED
// → answered entirely from the index (very fast — never touches the documents)
```

**Covered query** (filter మరియు projected fields లన్నీ index లో ఉన్నవి) index నుండి మాత్రమే సమాధానమిస్తాయి — చాలా వేగవంతమైనవి, ఎప్పుడూ documents లను చదవవు.

## Specialized index types లు

```text
PARTIAL  → index only documents matching a filter (smaller, targeted)
  createIndex({ email: 1 }, { partialFilterExpression: { active: true } })
SPARSE   → index only documents that HAVE the field (skip missing)
TTL      → auto-delete documents after a time (sessions, logs, temp data)
  createIndex({ createdAt: 1 }, { expireAfterSeconds: 3600 })
UNIQUE   → enforce uniqueness (can combine with partial)
MULTIKEY → automatic for array fields (indexes each element)
WILDCARD → index unknown/arbitrary field names ({ "$**": 1 })
HASHED   → for hashed sharding / even distribution
```

## Indexes లను విశ్లేషించడం మరియు నిర్వహించడం

```text
✓ explain("executionStats") → verify index use (IXSCAN), check docs examined vs returned
✓ $indexStats → find UNUSED indexes (remove them — they slow writes for no benefit)
✓ Atlas Performance Advisor → suggests indexes based on actual query patterns
✓ Balance: enough indexes for reads, not so many that writes suffer
```

## ఇది ఎందుకు ముఖ్యమైనది

Advanced indexing strategies లు **MongoDB performance ని పెద్ద స్థాయిలో optimize చేయడం** కోసం విలువైన senior-level జ్ఞానం, ఇది basic indexing ను foundation చేస్తుంది.

Basic indexes సహాయపడినప్పటికీ, advanced strategies లను నైపుణ్యంగా వాడుకోవడమే సరిపోతున్న MongoDB performance ను excellent MongoDB performance గా రూపాంతరం చేస్తుంది.

**ESR rule** (compound index fields లను Equality, Sort, Range గా ఆర్డర్ చేయడం) query యొక్క filter, sort, మరియు range conditions లను efficiently కలిపి సేవ చేసే compound indexes లను నిర్మించడానికి ఒక కీలక technique — ఇది నిచ్చితంగా వర్తించదగిన optimization, ఇది rule ని తెలుసుకోకుండా స్పష్టమైనది కాదు. **Covered queries** (filter మరియు returned fields లన్నీ index లో ఉన్నవి, కాబట్టి query index నుండి మాత్రమే సమాధానమిస్తుంది, documents లను చదవకుండా) read-heavy queries కు నాటకీయ speedups లను అందిస్తాయి — ఇది శక్తిశాలి technique.

**Specialized index types** లను తెలుసుకోవడం — **partial** (matching documents లను మాత్రమే index చేయడం, చిన్నవి మరియు targeted), **sparse** (field ఉన్న documents లను మాత్రమే), **TTL** (auto-expiring data, sessions/logs/temp data కోసం ideal), **wildcard** (unknown field names కోసం), **multikey** (automatic arrays కోసం), మరియు **unique** — ప్రతి scenario కోసం సరైన index ని ఎంచుకోవడానికి మిమ్మల్ని అనుమతిస్తుంది, storage మరియు write cost ను optimize చేస్తూ queries లను సేవ చేస్తుంది.

**Analysis మరియు maintenance** నియమశీలత (`explain()` ని ఉపయోగించి index use మరియు efficiency ని verify చేయడానికి, `$indexStats` ని ఉపయోగించి unused indexes లను కనుగొనడానికి మరియు తీసివేయడానికి, ఇవి writes లను అనవసరంగా slow చేస్తాయి, మరియు Atlas Performance Advisor వంటి tools) indexing ని సమయం గడిచిన తర్వాత effective గా ఉంచడానికి అవసరం.

Indexing అనేది MongoDB performance యొక్క అత్యంత ప్రభావవంతమైన lever కాబట్టి, మరియు advanced strategies (ESR compound ordering, covered queries, specialized index types, మరియు maintenance) దానిని పెద్ద స్థాయిలో optimize చేసేవి కాబట్టి, advanced indexing strategies లను అర్థం చేసుకోవడం high-performance MongoDB కోసం విలువైన senior-level జ్ఞానం, ఇది deep optimization expertise ని చూపించే topic, మరియు ESR rule మరియు covered queries వంటి techniques ను సంపాదించే ఒక topic, ఇవి significant, practical performance gains లను అందిస్తాయి.