在开发 Web 应用程序中，基于时间范围查询是非常常见的需求。例如，我们要查询最近一个月内的所有订单，或者获取过去一周内的所有日志记录。然而，在 MongoDB 数据库中，此类查询可能会变得非常缓慢，因为 MongoDB 并不会为每个文档存储时间索引，因此必须使用一些优化策略来加速这些查询。
本文将介绍 MongoDB 中基于时间范围查询的优化策略，包括如何使用索引、时间范围缓存等技术来提高查询性能。本文的示例代码将使用 JavaScript 语言编写，并涵盖 MongoDB 4.0 及以上版本。
创建时间索引
首先，我们应该为存储时间的字段创建索引。例如，如果我们有一个订单集合，并且每个订单都有一个名为“created_at”的时间戳字段，则可以使用以下命令为该字段创建索引：
db.orders.createIndex({ created_at: 1 });这将创建一个升序索引，使得通过 created_at 字段查询时的性能得到了优化。为了进一步提高查询性能，我们还可以使用复合索引，例如将日期范围索引与其他条件索引结合起来：
db.orders.createIndex({ created_at: 1, username: 1 });这将创建一个复合索引，它将通过 created_at 字段和 username 字段进行排序，这将显着加速满足这些条件的查询。
时间范围缓存
一旦为时间字段创建了索引，我们可以开始使用时间范围缓存来加速查询。
时间范围缓存是一种将最近查询的时间范围存储在内存中的技术。通过在缓存中存储已查询的时间范围，我们可以减少重复查询的时间。MongoDB 将自动使用时间范围缓存来加速查询。
我们可以使用以下命令来查看时间范围缓存状态：
db.runCommand({ serverStatus: 1, tcmalloc: 1 }).tcmalloc.tcmalloc.formatted_string在输出中找到“Time-Range Scan (Stored)”，该值代表当前缓存中的查询数。如果我们发现缓存不起作用，则可以考虑将最大缓存数提高到一个更高的值：
db.adminCommand({ setParameter: 1, internalQueryMaxNumTimeRangesCached: 10000 })使用查询剖析器
使用查询剖析器可帮助我们查找查询性能的瓶颈。我们可以使用以下命令来获取关于查询的详细信息：
db.orders.find({ created_at: { $gte: ISODate('2022-01-01T00:00:00.000Z'), $lte: ISODate('2022-01-31T23:59:59.999Z') } }).explain("executionStats")该命令将返回一个包含查询执行详细信息的 JSON 格式文档。我们可以查看查询的哪些部分需要更多时间，以及如何优化查询。例如，我们可以使用以下命令查看任何磁盘读取的数量：
db.orders.find({ created_at: { $gte: ISODate('2022-01-01T00:00:00.000Z'), $lte: ISODate('2022-01-31T23:59:59.999Z') } }).explain("executionStats").executionStats.totalDocsExamined总结
基于时间范围查询是非常常见的需求，在 MongoDB 数据库中，使用时间范围缓存和查询剖析器可以大大加快查询速度。同时，为时间字段创建索引是提高查询性能的关键。我们应该充分利用 MongoDB 提供的技术，设计出高效的查询，以提高应用程序的响应速度。
来源：JavaScript中文网 ，转载请注明来源 https://www.javascriptcn.com/post/64f43a85f6b2d6eab3d532c4