ESR原则是复合索引字段排序铁律:等值(Equality)字段必须在前,排序(Sort)字段居中,范围(Range)字段必须在最后;顺序错会导致索引无法全量利用,因B树索引在范围查询后截断,后续字段既不能过滤也不能排序。

ESR原则是什么:Equality、Sort、Range的顺序不能乱
ESR不是MongoDB官方术语,而是社区总结出的复合索引字段排序铁律:在创建复合索引时,等值查询字段(Equality)必须放在最前,排序字段(Sort)次之,范围查询字段(Range)必须放最后。一旦顺序错,索引就可能无法被完全利用,甚至退化为只用前缀部分。
比如查询 db.logs.find({ service_name: "auth", level: "ERROR", timestamp: { $gt: ISODate("2026-10-20") } }).sort({ duration_ms: 1 }),其中 service_name 是等值,duration_ms 是排序,timestamp 是范围——但注意,duration_ms 并未出现在查询条件里,所以它不能参与索引匹配,只能作为排序字段被“捎带”使用。真正有效的ESR顺序应是:service_name(=)、timestamp(>),而 duration_ms 只能在索引末尾作为排序字段存在(且必须和查询中的 sort 方向一致)。
- 错误示例:
db.logs.createIndex({ "timestamp": 1, "service_name": 1, "duration_ms": 1 })→timestamp是范围条件,放最前会导致service_name的等值过滤失效 - 正确示例:
db.logs.createIndex({ "service_name": 1, "timestamp": -1, "duration_ms": 1 })→ 等值在前,范围居中(注意:范围字段之后不能再有等值字段),排序字段在最后且方向匹配.sort({ duration_ms: 1 }) - 若查询含多个等值条件(如
{ service_name: "auth", level: "ERROR" }),它们可按任意顺序排列,但建议把高基数(区分度高)字段放前,利于B树剪枝
为什么Range字段后不能再加其他字段?
MongoDB的B树索引是按字典序存储的。一旦遇到范围查询(如 $gt、$lt、$in 配合非全量值),索引扫描就只能线性遍历该范围内的所有键,后续字段彻底失去过滤能力——这叫“索引截断”。也就是说,range 字段之后的字段,既不能用于过滤,也不能用于排序(除非排序方向与索引一致且该字段恰好是 range 后的下一个)。
常见误判场景:
- 写成
{ "service_name": 1, "level": 1, "timestamp": -1, "message": 1 },然后查{ service_name: "auth", level: "ERROR", timestamp: { $gt: ... } }并.sort({ message: 1 })→message字段不会被用于排序,因为前面有timestamp范围条件 - 想让索引同时支持
service_name + timestamp查询 和service_name + level查询,不要试图堆字段,应该建两个独立索引或用索引交集(但交集有开销,不总启用) -
$in在某些情况下会被当作等值处理(如{ status: { $in: ["A", "B"] } }),但若数组过大或含 null,可能触发范围行为,需实测explain()中的stage是否为IXSCAN且totalKeysExamined合理
如何验证ESR索引是否生效?
光建对索引不够,得看执行计划里它是不是真被用上。关键不是“用了索引”,而是“用全了索引”。重点盯三个字段:
-
executionStats.executionStages.stage应为IXSCAN(不是COLLSCAN或IXSCAN后跟FETCH大量文档) -
executionStats.totalKeysExamined应接近executionStats.nReturned,差距过大说明索引没过滤干净(可能是ESR顺序错,或查询条件没覆盖索引前缀) -
executionStats.executionStages.indexBounds显示实际使用的索引范围,检查是否包含你预期的字段组合,例如"service_name": ["auth", "auth"], "timestamp": ["2026-10-20T00:00:00Z", {}]表明前两个字段都参与了边界限定 - 特别注意:如果查询中
sort字段不在索引末尾,或方向不一致,explain()会显示stage: SORT,意味着内存排序,数据量大时极易OOM
ESR之外容易被忽略的细节
ESR是骨架,但血肉决定成败。几个高频掉坑点:
- 时间字段的排序方向:日志类查询几乎全是“查最近N分钟”,
timestamp: -1(降序)比1更高效,因为索引最热数据在最左端,扫描更少键就能拿到结果 - TTL索引和ESR冲突:TTL索引必须是单字段 +
expireAfterSeconds,不能参与复合索引;若既要自动过期又要高效查询,得另建复合索引,TTL单独配 - 部分索引(partial index)能缩小索引体积,但ESR仍适用;例如只对
level: "ERROR"的日志建索引:db.logs.createIndex({ "service_name": 1, "timestamp": -1 }, { partialFilterExpression: { level: "ERROR" } }),此时ESR逻辑不变,只是索引只覆盖子集 - 索引字段类型必须和查询值类型严格一致:字符串
"123"和数字123不会命中同一索引,ISODate和字符串日期也不会——这是 explain 里totalDocsExamined突然飙升的常见原因
ESR不是玄学,是B树遍历规则的自然体现。建索引前先写好查询语句,逐字对照等值、排序、范围三类条件的位置,再动手,能避开八成性能陷阱。



















