AI革命家 REVOLUTIONARY

8. MongoDB 高效策略

8.1 索引與查詢計畫概念

8.1.1 索引

• 索引是提高 MongoDB 資料查詢效能的核心工具，可藉由排序和指標來加速資料檢索。
• 當資料量增加時，索引能有效減少資料掃描範圍與時間。索引常使用 B 樹結構儲存排序資訊與指向實際資料的指標。

無索引與有索引的查詢差異

1. 無索引查詢：集合掃描（COLLSCAN）
   • 必須逐筆掃描集合內的每筆資料。
   • 資料量大時，查詢時間增長明顯。
2. 有索引查詢：索引鍵值掃描（IXSCAN）
   • 通過索引直接定位資料，減少不必要的掃描範圍。

索引建立與查詢實例

1. 建立索引

   • 指令：db.students.createIndex({score: 1})
   • 範例：建立以 score 欄位遞增排序的索引。

2. 查詢資料

   • 指令：
     db.students.find({score: {$lt: 60}}).sort({score: -1})
   • 效果：查詢 60 分以下學生資料並按成績遞減排序。

索引類型

1. 單一欄位索引（Single Field）
2. 組合索引（Compound Indexes）
3. 多重鍵值索引（Multikey Indexes）
4. 文字索引（Text Indexes）
5. 地理空間索引（Geospatial Indexes）
6. 雜湊索引（Hashed Indexes）

8.1.2 查詢計畫

• 查詢計畫是 MongoDB 根據查詢形狀選擇最有效查詢方式的流程。
• 流程：
  1. 查詢暫存計畫： 儲存查詢形狀的優勝計畫。
  2. 候選計畫評估： 同時執行多個候選計畫，選出最快的計畫作為優勝計畫。
  3. 效能再評估： 若發現效能不佳，可自動重新規劃。

查詢計畫分析

• 使用指令：db.collection.explain().<method(...)>
  • 方法包含：aggregate()、find()、update() 等。
• 範例：
  db.students.find({score: {$gte: 50, $lte: 80}}).explain("executionStats")
  • 分析結果：顯示是否使用索引（IXSCAN）及效能統計。

8.2 查詢優化與分析

1. 開啟資料庫分析器

   • 指令：db.setProfilingLevel(2) 開啟所有操作紀錄。

2. 效能分析步驟

   • 無索引查詢： 掃描整個集合（COLLSCAN），效能低下。
   • 建立索引： 範例：db.students.createIndex({score: 1})
   • 使用索引查詢： 掃描範圍縮小（IXSCAN），效能提升。

3. 實驗分析

   • 查詢範圍：成績 50-80 分。
   • 結果比較：
     • 無索引：需掃描所有資料。
     • 使用索引：僅掃描匹配的索引項目，效能顯著提升。

4. 組合索引效能比較

   • 組合索引順序影響效能。
   • 範例：
     • db.students.createIndex({score: 1, name: 1})
     • db.students.createIndex({name: 1, score: 1})
   • 測試結果：查詢效能最佳組合為索引順序與查詢條件順序一致。

8.3 新增操作效能分析

• 索引增加了查詢效能，但也可能降低新增操作速度。
• 影響因素：
  1. 索引數量與結構： 索引越多，新增操作的時間越長。
  2. 儲存系統： 固態硬碟（SSD）效能優於傳統硬碟（HDD）。
  3. 日誌機制（Journaling）： 提升資料庫可靠性，但可能影響效能。

8.4 實戰演練：校地面積統計系統

1. 實作目標

   • 實現資料抓取、儲存、查詢與效能比較。
   • 比較索引與非索引查詢效能。

2. 關鍵步驟

   • 使用 C# 與 MongoDB Driver 實作資料抓取與匯入。
   • 查詢校地面積前 10 大學校與指定區間的學校資料。
   • 建立與刪除索引，測試效能。

3. 結果比較

   • 小規模資料：索引效能提升不顯著。
   • 大規模資料：建立索引後，查詢時間由數秒降至毫秒。

此章節詳細介紹了 MongoDB 索引的建立、類型及其效能影響，並透過實戰案例展示了如何分析與優化查詢效能。建立有效索引策略，是提升資料庫效能的關鍵技巧。

MongoDB 高效操作與實踐應用詳解

MongoDB 是一個靈活且高效的 NoSQL 資料庫系統，特別適合用於大規模資料的處理與查詢。以下將從實踐角度，針對索引建立、查詢優化、性能分析以及應用場景進行詳細補充，並結合具體實例說明如何應用 MongoDB 進行高效的資料管理。

一、索引的建立與應用

MongoDB 索引的作用類似於傳統關係型資料庫中的索引，能顯著提升查詢效率。以下是各種索引的建立與實踐應用：

1. 單一欄位索引

單一欄位索引是最常用的索引類型，用於對集合中的單一欄位進行排序與檢索。

操作步驟：

1. 建立單一欄位索引

   javascript

   複製程式碼

   db.students.createIndex({ score: 1 });

   此指令會對 score 欄位建立遞增排序的索引。

2. 應用範例 查詢分數大於等於 60 的學生：

   javascript

   複製程式碼

   db.students.find({ score: { $gte: 60 } }).sort({ score: 1 });

   效能提升： MongoDB 使用 IXSCAN 模式進行索引掃描，只需掃描符合條件的資料，而無需遍歷整個集合。

2. 組合索引

組合索引適用於多欄位查詢時的效率優化。

操作步驟：

1. 建立組合索引

   javascript

   複製程式碼

   db.students.createIndex({ name: 1, score: -1 });

   此索引會先按 name 遞增排序，當 name 值相同時，再按 score 遞減排序。

2. 應用範例 查詢名稱包含 “Lin” 且分數大於 80 的學生：

   javascript

   複製程式碼

   db.students.find({ name: /Lin/, score: { $gt: 80 } }).sort({ name: 1, score: -1 });

   效能提升： 配合索引順序的設計，能快速定位並返回資料。

3. 多重鍵值索引

多重鍵值索引用於陣列型欄位的高效查詢。

操作步驟：

1. 建立多重鍵值索引

   javascript

   複製程式碼

   db.students.createIndex({ "exam.score": 1 });

   此索引會對陣列 exam 的 score 欄位建立索引。

2. 應用範例 查詢所有考試成績大於 85 的學生：

   javascript

   複製程式碼

   db.students.find({ "exam.score": { $gt: 85 } });

   效能提升： 索引會針對陣列內每個元素建立指標，大幅提升檢索效率。

4. 文字索引

文字索引用於支援全文檢索功能。

操作步驟：

1. 建立文字索引

   javascript

   複製程式碼

   db.students.createIndex({ name: "text" });

   此索引允許對 name 欄位進行全文檢索。

2. 應用範例 搜尋姓名包含 “Alan” 的學生：

   javascript

   複製程式碼

   db.students.find({ $text: { $search: "Alan" } });

   效能提升： 提供專為文字查詢優化的檢索模式。

二、查詢優化與效能分析

MongoDB 提供多種工具用於查詢優化與效能分析，以下結合 explain() 方法詳細說明：

1. 使用 explain() 分析查詢計畫

explain() 方法可用於查看查詢使用的計畫與效能指標。

操作步驟：

1. 基本用法

   javascript

   複製程式碼

   db.students.find({ score: { $gte: 50, $lte: 80 } }).explain("executionStats");

   執行結果將包含以下資訊：

   • queryPlanner：描述查詢計畫的細節。
   • executionStats：顯示執行效能統計資料。

2. 解讀查詢計畫

   • winningPlan.stage: 若顯示 COLLSCAN，表示未使用索引，需優化。
   • totalKeysExamined: 掃描的索引鍵數量，數量越低效能越高。
   • executionTimeMillis: 查詢執行時間。

2. 動態調整索引策略

當查詢效率較低時，可透過調整索引來優化。

操作步驟：

1. 確認查詢使用的索引：
   javascript

   複製程式碼

   db.students.explain("executionStats").find({ score: { $gte: 60 } });
2. 調整索引： 若未使用最佳索引，可刪除舊索引並建立新索引：
   javascript

   複製程式碼

   db.students.dropIndex("score_1"); db.students.createIndex({ score: -1 });

3. 使用 Profiler 監控效能

Profiler 是 MongoDB 的性能分析工具。

操作步驟：

1. 啟用 Profiler

   javascript

   複製程式碼

   db.setProfilingLevel(2);

   設定為級別 2，收集所有操作。

2. 查看效能統計 查詢記錄所有查詢操作的詳細資訊：

   javascript

   複製程式碼

   db.system.profile.find();

三、實踐案例：全國中小學校地面積統計系統

1. 系統設計

目標：基於 MongoDB，構建一個高效的校地面積統計系統。

1. 資料來源 從政府開放平臺抓取 JSON 格式的校地面積資料。

   • 資料格式範例：
     json

     複製程式碼

     { "schoolName": "市立溪海國小", "campusArea": 10128 }

2. 資料結構 定義集合 schools 的結構：

   javascript

   複製程式碼

   { "_id": ObjectId, "schoolName": String, "campusArea": Number }

2. 實現步驟

1. 抓取資料 使用 HTTP 客戶端抓取資料並插入 MongoDB：

   javascript

   複製程式碼

   db.schools.insertMany([ { "schoolName": "市立溪海國小", "campusArea": 10128 }, { "schoolName": "市立上田國小", "campusArea": 10142 } ]);

2. 建立索引 為 campusArea 欄位建立索引：

   javascript

   複製程式碼

   db.schools.createIndex({ campusArea: 1 });

3. 查詢校地面積最大的 10 所學校

   javascript

   複製程式碼

   db.schools.find().sort({ campusArea: -1 }).limit(10);

4. 分析查詢效能 使用 explain() 方法檢視效能：

   javascript

   複製程式碼

   db.schools.find().sort({ campusArea: -1 }).limit(10).explain("executionStats");

5. 結果比較

   • 未建立索引： 查詢時間長，需掃描所有資料。
   • 建立索引後： 查詢時間大幅縮短。

3. 優化與擴展

1. 大規模資料測試 重複插入資料模擬大數據量：

   javascript

   複製程式碼

   for (let i = 0; i < 1000; i++) { db.schools.insertMany([...]); // 重複插入現有資料 }

2. 刪除與重新建立索引

   javascript

   複製程式碼

   db.schools.dropIndex("campusArea_1"); db.schools.createIndex({ campusArea: 1 });

四、結論

MongoDB 提供靈活的索引設計與效能優化工具，能在大規模資料管理中發揮重要作用。透過索引的合理應用與查詢計畫的持續優化，不僅能顯著提升查詢效能，還能在實際應用中滿足高效能與高可靠性的需求。