索引

这一课你将能做到

1. 创建单字段、复合与唯一索引，并用 getIndexes() 核对、用 dropIndex() 清理
2. 用 explain("executionStats") 区分 COLLSCAN 与 IXSCAN，读懂 totalDocsExamined 等关键指标
3. 按 ESR（Equality → Sort → Range）原则为典型查询设计复合索引字段顺序，并解释最左前缀规则

为什么要学

没有索引的过滤在数据变大后会退化成全集合扫描：CPU、磁盘 IO、接口延迟一起崩。索引是数据库面试的顶流考点——MySQL 考 B+ 树最左前缀，MongoDB 考 ESR 与多键索引，底层思想相通。

MongoDB 索引在概念上贴近 MySQL（都是 B 树家族、都有复合索引前缀规则），但多出了多键索引（直接索引数组元素）——这是文档模型的独有优势。本课的目标：会建、会 explain、会按 ESR 排字段顺序。

人话：索引 = 额外维护的一本「按字段排好序的目录」。用一点写入开销与磁盘空间，换查询少翻全表。

先建立图像

查询：{ userId: "u_1001", at: { $gte: … } }  sort: { at: -1 }

ESR 复合索引设计：
  E（Equality）  userId   ← 等值字段放最前
  S（Sort）      at: -1   ← 排序字段其次
  R（Range）     （本例 at 兼任范围）
  → { userId: 1, at: -1 }

explain 关键字段速查：

字段	含义
stage: COLLSCAN	全集合扫描，大集合上的危险信号
stage: IXSCAN	走了索引
totalDocsExamined	实际检查的文档数，越小越好
totalKeysExamined	扫过的索引键数
nReturned	返回条数（理想：≈ totalDocsExamined）
executionTimeMillis	耗时参考

跟着做

步骤 1：准备可观测的数据量

use coderoadmap_lab
db.lesson_logs.deleteMany({})

// 批量造 200 条：5 门课 × 10 个用户 × 2 种行为 × 28 天
for (let i = 0; i < 200; i++) {
  db.lesson_logs.insertOne({
    lessonSlug: i % 5 === 0 ? "mongo-indexes" : "mongo-crud",
    userId: "u_" + (i % 10),
    action: i % 2 === 0 ? "view" : "complete",
    at: new Date(Date.UTC(2026, 0, 1 + (i % 28)))
  })
}
db.lesson_logs.countDocuments()   // 200

步骤 2：无索引时 explain，记下基线

db.lesson_logs.find({ userId: "u_1" })
  .sort({ at: -1 })
  .limit(20)
  .explain("executionStats")

在输出里找 winningPlan.stage 与 executionStats：此时应是 COLLSCAN，totalDocsExamined ≈ 200。把两个数抄进笔记——这是「加索引前」基线。