MongoDB在基数过低时宁可全表扫描也不走索引,因优化器判定索引访问成本不优于顺序读;B+树索引在低基数字段(如status仅两种值)下失效,导致大量索引项遍历与回表,IO开销反超全表扫描。

基数过低时,MongoDB 为什么宁可全表扫描也不走索引
因为优化器算出来:走索引不比扫全表快,甚至更慢。B+ 树索引对低基数字段(如 status 只有 "active"/"inactive" 两种值)天然失效——大量文档挤在同一个索引键下,查询时仍得遍历成千上万条索引项,再逐个回表取文档。这时 totalKeysExamined 和 totalDocsExamined 几乎相等,IO 成本反超顺序读集合数据页。
如何快速确认是不是基数问题导致的全表扫描
用 .explain("executionStats") 看关键指标:
-
stage是COLLSCAN,但indexName字段为空或未出现在输出中 -
totalKeysExamined/totalDocsExamined> 0.8,说明索引几乎没过滤作用 - 执行计划里
executionStages下出现多层IXSCAN→FETCH→DOCUMENT嵌套,且docsExamined高得离谱 - 手动查基数分布:
db.collection.aggregate([{$group: {_id: "$status", count: {$sum: 1}}}, {$sort: {count: -1}}]),确认是否真只有极少数取值
复合索引里低基数字段放最左,等于白建
比如建了 { status: 1, created_at: -1 },但查询只写 { created_at: { $gt: ... } } 或 { status: "active", created_at: { $gt: ... } },优化器仍大概率弃用——因为前缀 status 区分度太低,无法有效切分 B+ 树区间,created_at 的有序性根本用不上。
- 错误做法:
db.orders.createIndex({ status: 1, createdAt: -1 }),然后查{ status: "paid", createdAt: { $gt: ... } }→ 实际可能退化为索引全扫 - 正确做法:把高区分度字段前置,或改用部分索引限定范围,例如
db.orders.createIndex({ createdAt: -1 }, { partialFilterExpression: { status: "paid" } }) - 若必须保留
status在索引中,至少让它处于等值匹配段末尾,且前面已有强过滤字段,如{ user_id: 1, status: 1, createdAt: -1 }
部分索引不是“建了就生效”,漏一个条件就退回 COLLSCAN
部分索引(partialFilterExpression)对查询写法极其苛刻,它不会做隐式推导,也不会放宽匹配逻辑。
- 索引定义是
{ email: 1 }, { partialFilterExpression: { status: "active" } },那查询必须显式带上{ status: "active" }才能命中 -
db.users.find({ email: "a@b.com" })→ 不会用该索引;db.users.find({ status: "active", email: "a@b.com" })→ 才会 - 不能用
$or、$in混合多个低基数值绕过限制,例如{ status: { $in: ["active", "pending"] } }会导致部分索引失效 - 上线前务必用
.explain("queryPlanner")检查indexName和indexBounds,确认实际使用的索引和扫描范围
真正容易被忽略的是:部分索引的过滤表达式必须完全确定、无副作用,$regex、$where、$expr 都不允许出现在 partialFilterExpression 中;另外,TTL 索引或稀疏索引虽也能减体积,但它们解决的是生命周期或空值问题,不是基数失真本身——别指望靠 sparse: true 救活一个 is_deleted 字段的普通索引。


















