在包含大量数据的MongoDB数据库上添加索引会产生什么影响？

Question

我有一个MongoDB数据库，其中包含数以百万计的tweets，看起来要提高查询性能，我需要添加一个或多个额外的复合索引。已经有多个字段的索引会进入复合索引。在我添加这些索引之前，我想先了解一下影响会是什么，短期（是否需要几天时间才能添加初始索引？）和长期的（是否会使插入足够慢它是否超过了加速查询的好处？）

这不是生产数据库 - 没有副本，没有碎片。它生活在一个低端的Linux机器上，如果有的话，它不会运行太多。正如我所说，数以百万计的推文。相关字段是userid和tweeted_at（日期）。机器上没有足够的可用空间，我没有任何地方放置我的数据库的副本，因此在副本上尝试它并不是很有用。我不期望确切的答案，只是一些指导。

Answer 1

1. 创建一个索引将基本上锁定您的数据库 - 没有读取，没有写入。
2. 您可以通过{background:true}选项在后台创建索引。然而，这是一种非常糟糕的想法™，因为它大大减缓了索引创建的速度
3. 查询速度将会快几个数量级。如果这大于写入性能的（小）损失，则很大程度上取决于您的应用程序。如果你只是偶尔阅读，这可能是浪费时间。从我的经验来看，除了非常特殊的应用程序外，它通常是值得的。假设你会对数据或某种map/reduce操作进行某种聚合，我会这么说。
4. MongoDB非常快速和高效。我只是在同一台机器上安装了一个分区集群（2个独立碎片，一个配置服务器和一个mongos - 我的重负载MacBook Air，同时编译Spring应用程序），并在1M文档中创建了2个值的复合索引16秒。即使我们假设每个mongod使用一个CPU并且处理是并行完成的，磁盘也会成为限制因素。我认为，假设我们谈论的是分钟而不是几个小时，更不用说日子了。

编辑：为了加快速度，您可能需要重新安装noatime标志设置的相应分区。

Answer 2

您的数据库中有数百万条推文并不一定是个问题。正如马库斯所说，这可能会导致你的查询停顿，特别是如果你没有被分割。

我经历过的最重要的额外事情（使用数百万记录的10和100）不是记录的数量，而是记录的大小。当我处理超过一百万条记录的价值数据的结核病时，它比一亿多条记录中的100GB数据要慢得多。

实际里程会有所不同，但我会假设推文数据库的记录足够小，索引应该相对较短，并且不应该为文档创建添加有意义的时间量。