更新时间：2026-07-09 GMT+08:00

DDS索引

华为云文档数据库服务（Document Database Service, DDS）的索引是基于MongoDB协议开发的高性能数据检索结构，支持单字段、复合、TTL、稀疏、部分等索引类型，并扩展了隐藏索引、通配符索引等企业级特性。其核心目标是通过减少全表扫描、优化排序和聚合操作，显著提升查询性能。DDS完全兼容MongoDB的索引机制与查询语法，底层采用高性能云原生存储引擎，并结合分片集群与副本集架构，实现高可用性与弹性扩展。

为什么需要DDS索引？

加速查询：在百万级文档中，索引可将查询响应时间从分钟级降至毫秒级（时间复杂度从O(n)降至O(log n)）。
支持复杂操作：
- 排序优化：索引可直接返回排序结果，避免全表扫描（如db.collection.find().sort({field:1})）。
- 聚合加速：复合索引可优化$group和$match操作，减少中间数据量。
企业级需求：物联网（IoT）场景中，设备日志存储需处理TB级数据，索引是实时查询的性能保障。

DDS索引的优势是什么？

DDS索引的核心优势在于其全兼容、高弹性、精细化控制与智能化性能保障的有机结合。具体请查看表1。

表1 DDS索引的优势
优势	说明
兼容性	完全兼容MongoDB索引类型（如单字段、复合、TTL等），并扩展了隐藏索引、通配符索引。
云原生优化	支持弹性扩容、自动备份、分片集群的智能索引分布，结合副本集实现高可用性。
灵活控制	支持稀疏索引（仅索引存在字段的文档）、部分索引（仅索引符合条件的文档）。
性能保障	通过explain()分析查询计划，自动选择最优索引路径。

DDS索引的使用场景

表2 DDS索引的使用场景
应用场景	查询需求	索引策略	技术价值
电商平台商品搜索与推荐	多维度筛选（分类、价格区间、品牌、评分）。	复合索引 {category: 1, price: 1, brand: 1}	避免全表扫描，实现毫秒级商品列表加载和排序。
金融交易流水审计	按时间范围查询特定用户交易记录。	复合索引 {userId: 1, timestamp: -1}	快速定位用户最新交易，满足合规审计实时性要求。
物流轨迹实时追踪	根据运单号查询最新位置及历史轨迹。	唯一索引 {trackingNumber: 1} + TTL索引 {createdAt: 1}	保证查询效率的同时优化存储空间，自动清理过期数据。
内容管理系统标签检索	按多个标签组合过滤文章内容。	多键索引 tags 字段	支持数组元素快速匹配，实现灵活的内容分类和精准检索。
监控告警时序数据处理	存储设备监控指标，定期清理过期数据。	TTL索引 {createdAt: 1}（expireAfterSeconds: 604800）	自动化数据生命周期管理，减少手动维护成本。
地理信息服务（LBS）	查找附近商家，基于位置查询。	地理空间索引（2dsphere）	支持距离计算和范围查询，实现基于位置的精准推荐。

DDS索引的运行原理

DDS索引的运行原理是一个多组件协同工作的过程，其核心目标是实现海量文档数据的高效查询。

核心存储与数据结构层
- B+树索引结构：这是DDS索引的静态数据结构基础。当您创建索引时，存储引擎会对指定字段的值进行排序，构建一棵B+树。其特点是非叶子节点只存储键值用于导航，所有真正的数据指针（指向文档磁盘位置的指针）都存储在叶子节点，且叶子节点间通过指针相连。这种结构非常适合于范围查询和排序操作，因为只需遍历叶子节点链表即可。
分布式架构层
- 分片集群（Sharding）：
  - 索引分布：在分片集群中，索引并非一个全局单一结构。每个分片（Shard）只存储并维护自己分片内数据的索引。例如，一个基于userId哈希分片的集合，其索引也是按分片分布的。
  - 查询路由：当查询到来时，路由器（Mongos） 会先分析查询条件。如果查询包含分片键（如userId），则可以直接将请求路由到特定的分片，实现定向查询。否则，会发起散射-聚集查询，将查询发往所有分片，再汇总结果。
- 副本集（Replica Set）：
  - 高可用性：索引在副本集中会从主节点自动同步到所有从节点。这确保了即使主节点故障，从节点提升为新主后，索引依然可用，保证了查询性能的连续性。
  - 读写分离：可以将读请求分发到从节点，利用从节点的索引来分担主节点的查询压力。
生命周期管理层
- TTL索引机制：这是一种特殊的单字段索引，用于自动清理过期数据。创建TTL索引时需指定一个过期时间（expireAfterSeconds）。DDS会启动一个后台线程，定期扫描该索引字段的值，并与当前时间比较。一旦发现文档的生存时间超过设定值，则会自动删除该文档，并清理对应的索引条目。这常用于会话管理、日志存储等场景。

DDS索引的分类

表3 DDS索引的分类
分类	说明	适用场景
默认索引	自动在_id字段创建唯一索引，不可删除。	防止重复文档插入。
单字段索引	对单个字段创建升序/降序索引，如db.collection.createIndex({field:1})。	简单查询（如{field: "value"}）。
复合索引	多字段组合索引，如{userid:1, score:-1}，遵循最左前缀原则。	多条件查询（如{userid: "A", score: >80}）。
多键索引	自动为数组字段的每个元素创建索引项，支持$in等数组查询。	标签分类（如{hobbies: ["reading", "sports"]}）。
TTL索引	基于时间字段自动删除过期文档，如日志清理。	临时数据存储（如会话缓存）。
部分索引	仅索引符合条件的文档，如{partialFilterExpression: {age: {$gt: 18}}}。	过滤数据（如仅索引活跃用户）。
稀疏索引	仅索引包含目标字段的文档，适用于字段缺失率高的场景。	可选字段（如{optionalField: 1}）。
通配符索引	支持动态字段匹配，如{** : 1}，适用于嵌套结构。	动态JSON字段（如{user.profile.name: 1}）。

DDS索引和MongoDB索引的区别

DDS索引和MongoDB索引虽然都基于相同的B+树和WiredTiger存储引擎技术，但它们在服务模式、运维特性和企业级功能上有显著差异。下面简要对比表4。

表4 DDS索引和MongoDB索引的区别
对比项	DDS 索引	MongoDB 索引
云原生特性	集成弹性扩容、自动备份、容灾等云服务，简化运维。	需手动管理分片、备份和高可用。
TTL索引优化	支持更高效的TTL清理机制，避免过期数据堆积。	依赖后台线程，可能因数据量大导致清理延迟。
索引类型扩展	增加通配符索引、隐藏索引等企业级特性。	标准版本支持单字段、复合、TTL等，但无隐藏索引。
性能与可用性	通过分片和副本集优化高并发场景，支持在线扩展。	需自行配置分片和副本集，扩展性依赖手动操作。