Hub de Connaissances DevOps
Hub de Connaissances DevOps

Maîtriser l'indexation MongoDB pour des performances de requête optimales

Optimisez les performances de vos requêtes MongoDB en maîtrisant les techniques d'indexation. Ce guide complet couvre les index sur un seul champ, les index composés et les index multichamp, explique la puissance des requêtes couvrant (covering queries) et vous guide dans l'utilisation de `explain()` pour l'analyse des performances. Apprenez les meilleures pratiques pour accélérer vos opérations de lecture, réduire la charge de la base de données et construire une application plus réactive. Lecture essentielle pour tout développeur MongoDB axé sur l'optimisation des performances.

34 vues

Maîtriser l'indexation MongoDB pour des performances de requête optimales

Dans le domaine de la gestion de bases de données, la performance est primordiale. Pour MongoDB, une base de données orientée document NoSQL populaire, l'optimisation des performances des requêtes est souvent la clé d'une application réactive et évolutive. L'un des outils les plus puissants à votre disposition pour y parvenir est l'indexation. Les index dans MongoDB sont des structures de données spéciales qui stockent une petite partie de l'ensemble de données de la collection sous une forme facile à parcourir. Cela permet à MongoDB de localiser et de récupérer rapidement des documents sans avoir à analyser l'intégralité de la collection, accélérant ainsi considérablement les opérations de lecture.

Cet article vous guidera à travers les techniques essentielles pour créer des index efficaces dans MongoDB. Nous aborderons les bases de l'indexation, explorerons des concepts avancés tels que les index composés et les requêtes couvrantes, et discuterons des différents types d'index qui peuvent être utilisés pour améliorer de manière significative les performances de lecture de votre application. En maîtrisant l'indexation MongoDB, vous pourrez libérer tout le potentiel de votre base de données et garantir une expérience utilisateur fluide.

Comprendre les index MongoDB

À la base, un index est similaire à l'index d'un livre. Au lieu de lire tout le livre pour trouver un sujet spécifique, vous consultez l'index pour sauter rapidement aux pages pertinentes. De même, les index MongoDB aident le moteur de base de données à localiser efficacement les documents qui correspondent aux critères de la requête. Sans index, MongoDB devrait effectuer une analyse de collection, examinant chaque document pour trouver ceux qui satisfont la requête. Cela peut être extrêmement lent, en particulier pour les grandes collections.

Comment fonctionnent les index

MongDB utilise généralement des structures B-tree pour ses index. Un B-tree est une structure de données arborescente auto-équilibrée qui maintient des données triées et permet les recherches, l'accès séquentiel, les insertions et les suppressions en temps logarithmique. Lorsque vous interrogez une collection avec un champ indexé, MongoDB parcourt le B-tree pour trouver les documents correspondants. Ce processus est beaucoup plus rapide que d'analyser toute la collection.

Quand utiliser des index

Les index sont les plus bénéfiques pour les champs fréquemment utilisés dans :

  • Les critères de requête (find(), findOne()) : Les champs utilisés dans le document filter de vos requêtes.
  • Les critères de tri (sort()) : Les champs utilisés pour ordonner les résultats de vos requêtes.
  • Le champ _id : Par défaut, MongoDB crée un index sur le champ _id, assurant l'unicité et des recherches rapides par identifiant.

Hopwever, les index ont également un coût :

  • Espace de stockage : Les index consomment de l'espace disque.
  • Performances d'écriture : Les index doivent être mis à jour chaque fois que des documents sont insérés, mis à jour ou supprimés, ce qui peut ralentir les opérations d'écriture.

Il est donc crucial de créer des index de manière stratégique, en se concentrant sur les champs qui apporteront les gains de performance les plus significatifs pour vos opérations de lecture courantes.

Création et gestion des index

MongDB fournit la méthode createIndex() pour créer des index et getIndexes() pour visualiser ceux qui existent. La méthode dropIndex() est utilisée pour les supprimer.

Création d'index de base

Pour créer un index sur un champ unique, vous spécifiez le nom du champ et le type d'index (généralement 1 pour l'ordre ascendant ou -1 pour l'ordre descendant).

db.collection.createIndex( { fieldName: 1 } );

Exemple : Indexation d'un champ username par ordre croissant :

db.users.createIndex( { username: 1 } );

Visualisation des index

Pour voir les index sur une collection :

db.collection.getIndexes();

Exemple : Visualisation des index sur la collection users :

db.users.getIndexes();

Ceci retournera un tableau de définitions d'index, y compris l'index _id par défaut.

Suppression des index

Pour supprimer un index :

db.collection.dropIndex( "indexName" );

Vous pouvez trouver le indexName dans le résultat de getIndexes(). Alternativement, vous pouvez supprimer un index en spécifiant le(s) champ(s) indexé(s) dans le même format que createIndex() :

db.collection.dropIndex( { fieldName: 1 } );

Exemple : Suppression de l'index username :

db.users.dropIndex( "username_1" ); // Utilisation du nom de l'index
// OU
db.users.dropIndex( { username: 1 } ); // Utilisation de la définition de l'index

Index composés

Les index composés impliquent plusieurs champs. L'ordre des champs dans un index composé est crucial. MongoDB utilise des index composés pour les requêtes impliquant plusieurs champs dans les clauses filter ou sort.

Quand utiliser des index composés

Les index composés sont les plus efficaces lorsque vos requêtes filtrent ou trient fréquemment sur une combinaison de champs. L'index peut satisfaire les requêtes qui correspondent aux champs dans le même ordre qu'ils sont définis dans l'index ou le préfixe de l'index.

Exemple : Considérons une collection de orders avec des champs tels que userId, orderDate et status. Si vous interrogez fréquemment des commandes par un utilisateur spécifique et les triez par date, un index composé sur { userId: 1, orderDate: 1 } serait très bénéfique.

db.orders.createIndex( { userId: 1, orderDate: 1 } );

Cet index peut prendre en charge efficacement des requêtes telles que :

  • db.orders.find( { userId: "user123" } ).sort( { orderDate: -1 } )
  • db.orders.find( { userId: "user123", orderDate: { $lt: ISODate() } } )

Cependant, il pourrait ne pas être aussi efficace pour les requêtes qui filtrent uniquement sur orderDate si userId n'est pas également spécifié, ou si les champs sont dans un ordre différent.

L'ordre des champs compte

L'ordre des champs dans un index composé détermine sa sélectivité pour différents modèles de requête. En général, placez les champs avec une cardinalité plus élevée (plus de valeurs distinctes) ou les champs les plus couramment utilisés pour les correspondances d'égalité au début de l'index.

Pour les requêtes qui trient les résultats, l'ordre des champs dans l'index doit correspondre à l'ordre des champs dans l'opération sort() pour des performances optimales. Si une requête inclut à la fois un filtre et un tri, et que l'index correspond aux champs de filtre, il peut également être utilisé pour le tri sans analyse de collection séparée pour le tri.

Requêtes couvrantes

Une requête couvrante est une requête pour laquelle MongoDB peut satisfaire l'intégralité de la requête en utilisant uniquement l'index. Cela signifie que l'index contient tous les champs qui sont interrogés et projetés. Les requêtes couvrantes évitent de récupérer des documents de la collection elle-même, ce qui les rend extrêmement rapides.

Comment réaliser des requêtes couvrantes

Pour réaliser une requête couvrante, assurez-vous que :

  1. Vous avez un index qui inclut tous les champs utilisés dans le filtre de la requête.
  2. Vous incluez uniquement ces champs indexés (ou un sous-ensemble d'entre eux) dans votre projection.

Exemple : Considérons une collection employees avec les champs name, age et city. Si vous avez un index { city: 1, age: 1 } et que vous souhaitez récupérer les noms et les âges des employés dans une ville spécifique, vous pouvez créer une requête couvrante :

db.employees.find( { city: "New York" }, { name: 1, age: 1, _id: 0 } ).explain()

Dans cette requête, city est dans l'index, et name et age sont inclus dans la projection. Si l'index contenait également name et age, ce serait une requête couvrante.

Affiner l'index et la requête pour une véritable requête couvrante :

// Créer un index qui inclut tous les champs nécessaires à la requête et à la projection
db.employees.createIndex( { city: 1, age: 1, name: 1 } );

// Maintenant, une requête qui filtre par ville et projette le nom et l'âge peut être couverte
db.employees.find( { city: "New York" }, { name: 1, age: 1, _id: 0 } )

Lorsque vous exécutez explain("executionStats") sur cette requête, vous devriez voir "totalDocsExamined" égal à "totalKeysExamined", et "executionType" pourrait indiquer "_id_only" ou "covered_query". Cela signifie que la requête a été entièrement satisfaite par l'index.

Autres types d'index importants

MongDB offre divers types d'index pour des cas d'utilisation spécifiques :

Index Multikey

Les index Multikey sont créés automatiquement lorsque vous indexez un champ de type tableau. Ils vous permettent d'interroger des éléments au sein de tableaux.

Exemple : Si vous avez une collection products avec un champ de tableau tags ["electronics", "gadgets"] :

db.products.createIndex( { tags: 1 } );

Cet index prendra en charge des requêtes telles que db.products.find( { tags: "electronics" } ).

Index Textuels

Les index textuels prennent en charge la recherche efficace de contenu textuel dans les documents. Ils sont utilisés pour les requêtes de recherche textuelle à l'aide de l'opérateur $text.

db.articles.createIndex( { content: "text" } );

Ceci permet des recherches telles que : db.articles.find( { $text: { $search: "performance base de données" } } ).

Index Géospatiaux

Les index géospatiaux sont utilisés pour interroger efficacement des données géographiques à l'aide des opérateurs $near, $geoWithin et $geoIntersects.

db.locations.createIndex( { loc: "2dsphere" } ); // Pour l'index 2dsphere

Index Uniques

Les index uniques appliquent l'unicité à un champ ou à une combinaison de champs. Si une valeur en double est insérée ou mise à jour, MongoDB renverra une erreur.

db.users.createIndex( { email: 1 }, { unique: true } );

Analyse des performances avec explain()

Comprendre comment MongoDB exécute vos requêtes est crucial pour les optimiser. La méthode explain() fournit des informations sur le plan d'exécution de la requête, y compris si un index a été utilisé et comment.

db.collection.find( {...} ).explain( "executionStats" );

Champs clés à rechercher dans le résultat de explain() :

  • winningPlan.stage : Indique l'étape du plan d'exécution (par exemple, COLLSCAN pour l'analyse de collection, IXSCAN pour l'analyse d'index).
  • executionStats.totalKeysExamined : Le nombre de clés d'index examinées.
  • executionStats.totalDocsExamined : Le nombre de documents examinés.

Avoir un bon plan d'exécution signifie que totalDocsExamined est proche ou égal au nombre de documents retournés, et que totalKeysExamined est nettement inférieur au nombre total de documents dans la collection. Si totalDocsExamined est très élevé, ou si COLLSCAN est utilisé, cela suggère qu'un index est manquant ou n'est pas utilisé efficacement.

Bonnes pratiques pour l'indexation MongoDB

  • Indexez uniquement ce dont vous avez besoin : Évitez de créer des index sur des champs rarement interrogés ou triés. Chaque index ajoute une surcharge.
  • Utilisez les index composés judicieusement : Ordonnez les champs correctement en fonction des modèles de requête. Considérez d'abord les champs les plus sélectifs.
  • Visez les requêtes couvrantes : Si les performances de lecture sont critiques, concevez des index pour couvrir les opérations de lecture courantes.
  • Surveillez l'utilisation des index : Examinez régulièrement l'utilisation des index à l'aide de explain() et de db.collection.aggregate([{ $indexStats: {} }]) pour identifier les index inutilisés ou inefficaces.
  • Considérez la sélectivité de l'index : Les index sur des champs avec une faible cardinalité (peu de valeurs distinctes) pourraient ne pas être aussi efficaces que ceux sur des champs avec une cardinalité élevée.
  • Gardez les index petits : Évitez d'inclure de grands champs ou des tableaux dans les index, sauf si cela est absolument nécessaire pour des requêtes couvrantes.
  • Testez vos index : Testez toujours l'impact des nouveaux index sur les performances de lecture et d'écriture dans des conditions de charge réalistes.

Conclusion

Une indexation MongoDB efficace est une pierre angulaire des applications NoSQL hautes performances. En comprenant les fondamentaux, en maîtrisant les index composés, en tirant parti des requêtes couvrantes et en utilisant la méthode explain() pour l'analyse, vous pouvez optimiser considérablement les opérations de lecture de votre base de données. N'oubliez pas de mettre en balance les avantages de l'indexation par rapport à ses coûts et de toujours tester vos stratégies d'indexation pour vous assurer qu'elles répondent aux besoins spécifiques de votre application. L'indexation stratégique ne consiste pas seulement à accélérer les requêtes ; il s'agit de construire un système de base de données évolutif, réactif et efficace.