1.创建索引
--单索引
> db.test.ensureIndex({"username":1})
复合索引
--数字1表示username键的索引按升序存储，-1表示age键的索引按照降序方式存储。
>db.test.ensureIndex({"username":1, "age":-1})
为索引创建名字
> db.test.ensureIndex({"username":1},{"name":"testindex"})
为内嵌文档建立索引值
>db.test.ensureIndex({"comments.date":1})
2.创建唯一性索引
> db.test.ensureIndex({"userid":1},{"unique":true})
--创建唯一索引，并消除重复数据。
> db.test.ensureIndex({"userid":1},{"unique":true,"dropDups":true})
3.删除索引
> db.test.dropIndex({"userid":1})
4. 使用explain查看执行是否使用索引等
explain是非常有用的工具，会帮助你获得查询方面诸多有用的信息。只要对游标调用该方法，就可以得到查询细节。explain会返回一个文档，而不是游标本身。如：
> db.test.find().explain("executionStats")explain会返回查询使用的索引情况，耗时和扫描文档数的统计信息。
5. 全文索引
最初的文本搜索只是一种试验性功能，但从 2.6 版本起就成为默认功能了。但如果使用的是之前的 MongoDB，则需要使用下列代码启用文本搜索：
>db.adminCommand({setParameter:true,textSearchEnabled:true}) 假设在 posts 集合中的下列文档中含有帖子文本及其标签。
{"post_text": "enjoy the mongodb articles on tutorialspoint","tags": ["mongodb","tutorialspoint"]} 我们将在 post_text 字段上创建文本索引，以便搜索帖子文本之内的内容。
>db.posts.ensureIndex({post_text:"text"}) 现在我们已经在 post_text 字段上创建了文本索引，接下来搜索包含 tutorialspoint 文本内容的帖子。
>db.posts.find({$text:{$search:"tutorialspoint"}}) 在返回的结果文档中，果然包含了具有 tutorialspoint 文本的帖子文本。
{"_id" : ObjectId("53493d14d852429c10000002"),"post_text" : "enjoy the mongodb articles on tutorialspoint","tags" : [ "mongodb", "tutorialspoint" ]}{"_id" : ObjectId("53493d1fd852429c10000003"),"post_text" : "writing tutorials on mongodb","tags" : [ "mongodb", "tutorial" ]} 如果用的是旧版本的 MongoDB，则需使用下列代码： >db.posts.runCommand("text",{search:" tutorialspoint "}) 总之，与普通搜索相比，使用文本搜索可极大地改善搜索效率。 spring-data-mongodb使用方法
6. 地理空间索引
MongoDB的地理位置查询
MongoDB地理位置索引常用的有两种。
- 2d 平面坐标索引，适用于基于平面的坐标计算。也支持球面距离计算，不过官方推荐使用2dsphere索引。
- 2dsphere 几何球体索引，适用于球面几何运算
建立索引：
> db.places.ensureIndex({'coordinate':'2d'})> db.places.ensureIndex({'coordinate':'2dsphere'}) 查询方式:
而查询坐标参数则分两种：
1.坐标对（经纬度）根据查询命令的不同，$maxDistance距离单位可能是 弧度 和 平面单位（经纬度的“度”）：
db..find( { : { $nearSphere: [ , ] , $maxDistance: } } )
2.GeoJson $maxDistance距离单位默认为米：
db..find( { : { $nearSphere : { $geometry : { type : "Point" , coordinates : [ , ] } , $maxDistance : } } } )
案例使用：
查询附近的人：
查询当前坐标附近的目标，由近到远排列。
可以通过$near或$nearSphere，这两个方法类似，但默认情况下所用到的索引和距离单位不同。
查询方式：
> db.places.find({'coordinate':{$near: [121.4905, 31.2646]}})> db.places.find({'coordinate':{$nearSphere: [121.4905, 31.2646]}}) 查询结果：
{ "_id" : 115, "coordinate" : { "longitude" : 121.4915, "latitude" : 31.25933 }, "title" : "仅售148元，市场价298元的星程上服假日酒店全日房一间入住一天，节假日通用，精致生活，品质享受", "address" : "虹口区天水路90号" }// …(100条) 上述查询坐标[121.4905, 31.2646]附近的100个点，从最近到最远排序。
默认返回100条数据，也可以用limit()指定结果数量，如：
db.places.find({'coordinate':{$near: [121.4905, 31.2646]}}).limit(2) 指定最大距离 $maxDistance
> db.places.find({'coordinate':{$near: [121.4905, 31.2646], $maxDistance:2}}) 区域内搜索：
MongoDB中的范围搜索（Inclusion）主要用$geoWithin这个命令，它又细分为3种不同类型，如下：
- $box 矩形
- $center 圆（平面），$centerSphere圆（球面）$center和$centerSphere在小范围内的应用几乎没差别（除非这个圆半径几百上千公里）。
- $polygon 多边形
(Ａ) 矩形查询：
> db.places.find( { coordinate : { $geoWithin : { $box :[ [ 121.44, 31.25 ] , [ 121.5005, 31.2846 ] ] } } } )
(B) 圆形查询
应用场景有：地图搜索租房信息
查询以某坐标为圆心，指定半径的圆内的数据。
前面已提到，圆形区域搜索分为$center和$centerSphere这两种类型，它们的区别主要在于支持的索引和默认距离单位不同。2d索引能同时支持$center和$centerSphere，2dsphere索引支持$centerSphere。关于距离单位，$center默认是度，$centerSphere默认距离是弧度。
> db.places.find({'coordinate':{$geoWithin:{$centerSphere:[ [121.4905, 31.2646] ,0.6/111] }}})
db.places.find({'coordinate':{$geoWithin:{$centerSphere:[ [121.4905, 31.2646] ,0.6/6371] }}}) 查询结果：
{ "_id" : 115, "coordinate" : { "longitude" : 121.4915, "latitude" : 31.25933 }, "title" : "仅售148元，市场价298元的星程上服假日酒店全日房一间入住一天，节假日通用，精致生活，品质享受", "address" : "虹口区天水路90号" }...
(C) 多边形查询
复杂区域内的查询，这个应用场景比较少见。指定至少3个坐标点，查询方式如下（五边形）：
> db.places.find( { coordinate : { $geoWithin : { $polygon : [ [121.45183 , 31.243816] , [121.533181, 31.24344] , [121.535049, 31.208983] , [121.448955, 31.214913] , [121.440619, 31.228748]] } } } )
附近的餐厅：
假设需要以当前坐标为原点，查询附近指定范围内的餐厅，并直接显示距离。
这个需求用前面提到的$near是可以实现的，但是距离需要二次计算。这里我们用$geoNear这个命令查询。
$geoNear与$near功能类似，但提供更多功能和返回更多信息，官方文档是这么解释的
$near方法查询后会对结果集对距离进行排序,而$geoWithin是无序的
> db.runCommand( { geoNear: "places", near: [ 121.4905, 31.2646 ], spherical: true, maxDistance:1/6371, num:2 }){ "ns" : "mongo_test.places", "near" : "1110001100111100001011010110010111001000110011111101", "results" : [ { "dis" : 0.00009318095248858048, "obj" : { "_id" : 115, "coordinate" : { "longitude" : 121.4915, "latitude" : 31.25933 }, "title" : "仅售148元，市场价298元的星程上服假日酒店全日房一间入住一天，节假日通用，精致生活，品质享受", "address" : "虹口区天水路90号" } }, { "dis" : 0.00010610660597329082, "obj" : { "_id" : 465, "coordinate" : { "longitude" : 121.48406, "latitude" : 31.26202 }, "title" : "【四川北路】热烈庆祝康骏会馆成立8周年！仅售169元！市场价399元的康骏会馆四川北路一店（仅限3星级技师）全身精油按摩一人次！全程约90分钟！男女不限！仅限四川北路一店使用，非本市所有门店通用！拉手券消费仅限每日19:00前！健康有道，骏越万里！", "address" : "虹口区四川北路1896号-1904号201室" } } ], "stats" : { "time" : 0, "btreelocs" : 0, "nscanned" : 18, "objectsLoaded" : 12, "avgDistance" : 0.00009964377923093564, "maxDistance" : 0.0001064199324957278 }, "ok" : 1}