选择合适的索引类型
根据查询场景选择索引类型是优化基础。单字段索引适用于单个字段的过滤或排序（如db.users.find({age: 25})）；复合索引用于多字段组合查询，字段顺序需遵循“前缀匹配原则”（如{userId: 1, orderTime: -1}可支持find({userId: 123}).sort({orderTime: -1})，但find({orderTime: -1})无法使用该索引）；多键索引自动为数组字段创建（如hobbies数组），支持数组元素查询；地理空间索引（2dsphere/2d）用于地理位置查询（如“附近商家”）；文本索引用于字符串全文搜索（如$text: {$search: "coffee"}}）；哈希索引仅支持等值查询（如分片键常用）。
优化复合索引设计
复合索引是提升多字段查询性能的关键，需注意三点：
- 字段顺序：将过滤频率高、选择性高的字段放在前面（如
{userId: 1, orderTime: -1}中，userId的过滤频率通常高于orderTime）； - 去除冗余：避免包含关系的索引（如已有
{a:1, b:1}，则{b:1, c:1}无需单独创建，可通过调整查询使用前者）； - 覆盖查询：若查询只需返回索引字段，可避免访问文档（如
explain()显示totalDocsExamined: 0即为覆盖查询）。
利用覆盖索引减少IO
覆盖索引直接从索引中返回结果，无需读取文档，能显著降低磁盘IO。例如，若查询find({age: 25}, {name: 1, age: 1})，可为age和name创建复合索引{age: 1, name: 1}，此时explain()的totalDocsExamined为0，表示查询完全由索引覆盖。
避免过度索引
过多索引会增加写操作（插入、更新、删除）的开销（每个索引都需要维护），并占用更多磁盘空间。建议定期通过db.collection.getIndexes()审查索引，删除不再使用的索引（如通过db.collection.dropIndex("索引名")）。
定期维护索引性能
随着数据增删改，索引会碎片化，影响查询性能。需定期执行db.collection.reIndex()重建索引，优化索引结构。对于大型集合，可选择低峰期操作，减少对业务的影响。
使用explain分析查询计划
通过explain()方法（如explain("executionStats")）分析查询的执行计划，查看是否使用了索引（winningPlan中的inputStage是否为IXSCAN）、扫描的文档数（totalDocsExamined）、返回的文档数（totalKeysExamined）等指标，据此优化索引（如添加缺失的索引或调整查询条件）。
优化索引选择性
选择性高的字段（唯一值多）创建索引效果更好（如email字段的唯一值远多于gender字段）。优先为高选择性字段创建索引，能有效过滤数据，减少查询时间。
合理使用索引方向
索引方向（1为升序，-1为降序）需与查询需求一致。例如，若查询需按orderTime降序排序，应创建{orderTime: -1}的索引，避免索引反向扫描带来的性能损耗。
监控索引使用情况
通过db.collection.aggregate([{ $indexStats: {} }])监控索引的使用频率（accesses.ops表示索引被访问的次数）、最后一次访问时间（accesses.timestamp）等，及时删除未使用或很少使用的索引（如accesses.ops长期为0的索引）。
以上就是关于“MongoDB在Linux上的索引优化技巧”的相关介绍，筋斗云是国内较早的云主机应用的服务商，拥有10余年行业经验，提供丰富的云服务器、租用服务器等相关产品服务。云服务器资源弹性伸缩，主机vCPU、内存性能强悍、超高I/O速度、故障秒级恢复；电子化备案，提交快速，专业团队7×24小时服务支持！
简单好用、高性价比云服务器租用链接：https://www.jindouyun.cn/product/cvm