索引
在数据库中，索引明显提高查询速度，但是同时也会降低写入速度(因为插入数据的同时，也要创建索引)，
所以我们通常权衡常用的查询字段，不必在太多列上建立索引。
我们的Mysql中有btree索引和hash索引，在mongodb中也支持这些索引。
(1)创建索引
1.在mongodb中，索引可以按字段升序/降序来创建，便于排序
2.默认是用btree来组织索引文件，2.4版本后也允许创建hash索引。
数据准备，我们先添加1000条数据:
我们查询第99条数据:
它的查询效率如何呢？我们看一下它的explain(查看查询计划):
其中，索引cursor如果是BasicCursor，就说明该查询没有使用索引。
没有使用索引的时候，查询就是一条一条的往后扫描，看一下nscannedObject的
数量，可以看出查询sn为99的用户理论上需要扫描1000行。
为了提高我们的查询速度，可以通过创建索引来解决。
常用命令:
A.创建普通的单列索引:db.collection.ensureIndex({field:1/-1});
field就是我们需要添加索引的列明，1是正序排序，-1是倒叙排序。
我们为刚刚创建的数据添加索引，在sn列上添加:
查看当前索引状态:db.collection.getIndexes();
我们再次查询explain(查看查询计划):
其中，索引cursor如果是BtreeCursor sn 1，就说明该查询没有使用索引。
使用索引的时候，查询就是按照索引的目录去查询，看一下nscannedObject的
数量，可以看出查询sn为99的用户理论上只需要扫描1行。
B.删除单个索引:db.collection.dropIndex({field:1/-1});
C.删除所有索引:db.collection.dropIndexes();
D.创建多列索引:db.collection.ensureIndex({field:1/-1,field2:1/-1});
当我们需要使用多列来确定一条数据的时候，可能要创建多个索引，这个时候
给每一个列创建一个索引其实是不对的，那样的查询是依靠单个索引来的，并
没有起到综合查询的作用，想要实现多列联合索引插叙，就要创建多列索引。
我们给刚刚的student的sn属性和name属性都添加索引:
多列索引的效率远远大于单列索引:
E.创建子文档索引:db.collection.ensureIndex({field:subfield:1/-1});
我们新建一个shop文档，在其中添加两个商品，他们都有一个属性的子文档，
里面分别是“重量”和“产地”。
当我们以商品名查询的时候很简单的就查询到了，比如查询商品名为"Nokia"的
商品:
但是，当我们想查询产地为"taiwan"的商品，该如何查询呢？
我们查询子文档的时候，是使用子属性对象的引用来查询:
那么给子属性添加索引的操作就类似如下:
F.创建唯一索引:
db.collection.ensureIndex({field:subfield:1/-1}{unique:true});
唯一索引要求这个列上的值不能重复。
我们创建教师文档，其中email是不允许重复的
默认创建的索引为_id。
然后我们为其email属性加索引，同时声明为唯一索引:
我们创建两个email相同的数据，就会报错:
G.创建稀疏索引:
稀疏索引的特点:如果针对field做索引，针对不含field列的文档，将不建立
索引。与之相对，普通索引，会把该文档的field列的值认为NULL，并建立索引。
适宜于:小部分文档含有某列时。
db.collection.ensureIndex({field:1/-1},{sparse:true});
我们去除之前的teacher文档的所有索引，然后添加一个空数据：
我们给eamil创建一个普通索引，然后查询email为NULL的数据:
发现普通索引，会把该文档的field列的值认为NULL，并建立索引
而稀疏索引的不同点就是，针对不含field列的文档，将不建立索引。
我们再次查询email为NULL的数据就查询不出了，因为根本没有建立索引:
H.创建哈希索引(2.4新增)
哈希索引速度比普通索引快，但是不能对范围查询进行优化。
db.collection.ensureIndex({field:'hashed'});
我们清除teacher的所有索引，并为email列创建hash索引:
我们看一下它的explain(查看查询计划):
说明查询的时候是按照哈希排列的key去查询的。
适宜于:随机性强的散列。
I.重建索引
一个表经过很多此修改以后，会导致表的文件产生空洞，索引文件也如此。
可以通过索引的重建，来提高索引的效率，类似Mysql中的optimize table
db.collection.reIndex();
效果：减少索引文件碎片。
J.最后补充
二叉树查询和Hash的区别：
对于单个查询，hash查询效率高于tree查询，因为hash只需要计算一次。
但是对于区间查询(如查询1-100的数据)，使用hash就比较慢了，因为hash存储
的数据是散列样式的，所以查询是跳着查的，而tree查询是顺序插叙，
可以快速锁定区域性数据。(机械硬盘的hash效率低于内存的hsah查询)
