语法：
db.collection.createindex(keys，options ) options属性说明：
索引范例：
单密钥唯一索引： db.users.create index (username :1 )，{unique:true} )； 单密钥的唯一稀疏索引： db.users.create index (username :1 )，{unique:true，sparse:true} )； 复合唯一稀疏索引： db.users.create index (username :1，age :99 Come Come Everybody1)，{unique:true，sparse:true} )； 创建散列索引并在后台运行： db.users.create index (username : ' hashed ' }，{background:true} )； 删除索引示例：
根据索引名称，删除指定索引： db.users.drop index (username1 )； 集合上的所有索引：db.users.dropIndexs (集合上的所有索引：db.users.reIndex (； 集合上的所有索引：db.users.getIndexes (；查询优化技巧：
第一步：找出慢速查询
打开内置的查询分析器，记录读写操作效率：db.setprofilinglevel(N，)，可取值为0、1、
0是默认值，表示不记录。
1表示记录慢速操作，如果值为1，则必须分配ms单位来定义慢速查询时间阈值。
表示将记录所有读写操作
例如： db.setprofilinglevel (1，300 )询问监测结果
监测结果存储在特殊的盖集合system.profile中，该集合分配128kb空间，使监测分析数据不占用太多系统资源； 封口套保持着自然的插入顺序，KaTeX parse error: Expected '}、got ' eof ' atendofinput 3360 . find (.sort (' natural ' 336099 )
第二步：分析慢速查询
很难确定低速查询的原因。 原因可能是多个：应用程序设计不当、数据模型不正确、硬件配置问题和索引不足。 接着对没有索引情况进行分析：
使用explain分析慢速查询
例如， db.orders.find“price”:“$ lt”:2000 }.explain (execution stats ) explain的加入选项值是3360
" queryPlanner "为默认值，表示只显示执行计划信息。
“执行状态”表示与选择的执行计划的执行状况信息一起表示执行计划信息；
" allPlansExecution "表示执行计划信息，表示选择的执行计划的执行状况信息，还表示代替的执行计划的执行状况信息
解读步骤explain的结果
queryPlanner (说明计划) )
winningPlan (选定的执行计划) )。
stage (可选：COLLSCAN未建立索引； IXSCAN使用了索引候选的执行计划)
executionStats(执行情况描述)
nReturned (返回的文档数) )。
执行时间ms )。
totalKeysExamined (要检查的索引键的数量) ) ) ) ) ) ) ) )。
totalDocsExamined (要检查的文档数量) ) ) ) ) ) ) ) ) )。
优化目标Tips:
1 .根据需要编制索引
为了通过对每个查询使用索引来提高查询效率，winningPlan. stage必须是IXSCAN；
w3 .追求totaldocsexamined=nreturned
测试用例： db.orders.find(usecode(: ) jack，) order time : ($ lt ) :newdate ) 201799 Come Come Everybody 0899 Come Come Everybody 03t 16336000000
可以看出，一共检查了1060007个文档，返回了88560个文档，运行了299ms。 stage是COLLSCAN，没有使用索引。
上诉优化程序：
1 .找到慢速查询：
当运行db.setprofilinglevel (1，100 )时，将显示以下集合之一：
接下来，运行测试语句。
db.orders.find(usecode(: ) jack，) ordertime ) :($lt ) :newdate ) 201799 Come Come Everybody 0899 Come Come Everybody 03t 16363600000003360
db.system.profile.find ().sort ($ natural ' :99 Come Come Everybody1) ).limit(5) )5).pretty ) )。
2.分析慢速查询
db.orders.find(usecode(: ) jack，) ordertime ) :($lt ) :newdate ) 201799 Come Come Everybody 0899 Come Come Everybody 03t 16363600000003360
发现没有索引。
1创建密钥索引：
db.orders.create index (' usecode ' :99 Come Come Everybody1) )。
快了一点
.创建复合索引
db.orders.create index (' usecode ' :1，' orderTime':1} )
符合我们的优化目标（扫描文档数跟返回数是一样的），但是时间却长了，所以建索引还是要以实践为主，扫描的文档数少不一定能提高效率。
后来发现这个索引更快：
db.orders.create index (usecode : )， collation : } locale : ' fr ' } ) db.orders.find )' usecode ' } ' order time ' :' $ lt ' 3:新日期(2010 )
介绍此用法的地址： https://docs.MongoDB.com/manual/reference/command/create indexes/index.html
关于索引的建议：
索引很方便，但成本高昂的——，占用内存并降低写入速度。
mongoDB通常在一次查询中使用一个索引，因此需要复合索引才能更有效地查询或排序多个字段。
复合索引的顺序非常重要
在生成环境中构建索引通常开销很大，时间也不可接受。 在数据量庞大之前进行查询优化和索引的构建
通过避免代价高昂的查询并使用查询分析器记录代价高昂的查询，可以更容易地排除问题
减少扫描的文档数量并优化查询，使用explai分析和优化开销较大的查询
索引用于查询小范围的数据，不适合使用索引。
每个8.查询都必须返回大多数数据的文档，而不要使用索引
9 .写作多于阅读
这篇文章同步到了我的个人公众号“java面试工程师”。 关注公众号，更容易查阅。