MongoDB 常用于大数据的存储，在庞大的数据中查询出我们所要的信息，如果使用普通查询方法，遍历所有文档查询，花费的时间太久了。
假设现在有个集合 person，查询命令：db.person.find( {age: 18} )， 查询所有年龄 18 岁的人，这时需要遍历所有的文档（全表扫描），根据位置信息读出文档，对比 age 字段是否为 18。当然如果只有 4 条文档，全表扫描的开销并不大，但如果集合文档数量到百万、甚至千万上亿的时候，对集合进行全表扫描开销是非常大的，一个查询耗费数十秒甚至几分钟都有可能。这时候我们就需要考虑使用索引了。
其中，地理位置索引支持是 MongoDB 的一大亮点，随着智能手机的兴起，查询当前位置附近的事情变得非常普遍。常见的滴滴、摩拜、OFO 等基于位置进行查询的场景都可以使用 MongoDB 的位置索引。
任务描述
本关任务：创建一个单字段索引。
相关知识
为了完成本关任务，你需要掌握： 1.了解索引； 2.索引的分类； 3.如何创建索引。
注：本关实训例子程序请在 mydb 数据库的 person 集合内完成。
了解索引
- 什么是索引：
索引本质上是树，最小的值在最左边的叶子上，最大的值在最右边的叶子上，使用索引可以提高查询速度（而不用全表扫描）。
- 索引的原理：
对某个键按照升续或降续创建索引，查询时首先根据查询条件查找到对应的索引条目，然后找到索引条目对应的文档指针（文档在磁盘上的存储位置），根据文档指针再去磁盘中找到相应的文档，整个过程不需要扫描全表，速度比较快。
每个文档被插入集合时，如果没有给它指定索引，MongoDB 会自动给它创建一个默认索引，是个 ObjectId 对象。如图1所示：
图 1
索引的分类
MongoDB 支持多种类型的索引，主要有以下几种类型：
索引类型 用途 包括单字段索引（Single Field Index） 针对某一键 key 创建了单字段索引，其能加速对 key 字段的各种查询请求，是最常见的索引形式，MongoDB 默认创建的 id 索引也是这种类型。 复合索引 (Compound Index) 复合索引是单字索引的升级版本，它针对多个字段联合创建索引，先按第一个字段排序，第一个字段相同的文档按第二个字段排序，依次类推。 多 key 索引 (Multikey Index) 当索引的字段为数组时，创建出的索引称为多 key 索引。 哈希索引（Hashed Index） 按照某个字段的hash值来建立索引，目前主要用于 MongoDB Sharded Cluster 的 Hash 分片，哈希索引只能满足字段完全匹配的查询，不能满足范围查询等。 地理位置索引（Geospatial Index） 能很好的解决 O2O 的应用场景，比如：查找附近的美食、查找某个区域内的车站等。 文本索引（Text Index） 能解决快速文本查找的需求，比如有一个博客文章集合，需要根据博客的内容来快速查找，则可以针对博客内容建立文本索引。 索引基本操作
- 创建索引（单字段索引）
- key ：要创建索引的键；
- 如果为 1 说明是按照升序创建索引，而如果为 -1，则是按降序创建索引。
如图2所示，说明创建索引成功：
图 2
查询索引
查询集合索引：
效果如图3所示：
图 3
- 查询系统全部索引：
删除索引
通过指定索引名称删除该索引：
效果如图4所示：
图 4
- 通过指定集合删除集合中的全部索引：
效果如图5所示：
图 5
注：默认索引不会且不能被删除
编程要求
根据提示，在右侧命令行进行操作，在 test 数据库创建集合 student ，内容如下：
_id name age score 1 王小明 15 90 2 周晓晓 18 86 3 王敏 20 96 4 李晓亮 15 74 5 张青青 21 88 然后在集合中创建成绩的降序索引。
任务描述
本关任务：按照编程要求创建不同的索引。
相关知识
为了完成本关任务，你需要掌握： 1.创建复合索引； 2.创建多 key 索引； 3.创建哈希索引； 4.文本索引创建与使用（重点）。
注：本关实训例子程序请在 mydb2 数据库内完成。
创建复合索引
和创建单字段索引的方法差不多，只是选取了多个键一同作为索引，中间以逗号隔开:
用法也和单字段索引差不多，就不再赘述。
创建多 key 索引
当索引的字段为数组时，创建出的索引称为多 key 索引，多 key 索引会为数组的每个元素建立一条索引，比如 person 集合加入一个 habbit 字段（数组）用于描述兴趣爱好：
需要查询有相同兴趣爱好的人就可以利用 habbit 字段的多 key 索引。
创建哈希索引
创建命令如下：
注：哈希索引涉及知识点太多，本关就不做重点介绍，以后用到再做详细解释。
文本索引的创建与使用
- 什么时候使用文本索引；
假如我们用 Mongodb 存储了很多博客文章，那么如何快速找到所有关于 mongodb 这个主题的文章呢？这时候就要用到文本搜索了。
有文章集合 collection，如下：
创建文本索引命令，如下：
- 创建全文本索引的字段必须为 string 格式；
- 每个集合只支持一个文本索引。
运行效果如图1所示：
图 1
也可以创建多个字段的 text，下面的示例在字段主题和注释上创建一个文本索引：
- 使用文本索引；
现在我们已经创建了 title 的索引，我们来搜索一下含有 educoder.net 的文章：
- search 后的关键词可以有多个，关键词之间的分隔符可以是多种字符，例如空格、下划线、逗号、加号等，但不能是和，因为这两个符号会有其他用途。搜索的多个关键字是 or 的关系，除非你的关键字包含；
- 匹配时不是完整的单词匹配，相似的词也可以匹配到；
运行效果如图2所示：
图 2
删除文本索引；
通过命令获取索引名：
删除命令：
运行效果如图3所示：
图 3
编程要求
根据提示，在右侧命令行进行操作，在 test2 数据库中创建集合 article，内容如下：
_id title tags follwers 1 提升程序员工作效率的6个工具利器 Alfred，幕布 543 2 我是如何从零开始学习前端的 HTML，Html5，CSS 1570 3 20个非常有用的JAVA程序片段 Java，编程 1920 集合创建完成后，按要求创建以下索引：
用字段 follwers 和 title 创建复合升序索引；
用字段 tags 创建多 key 降序索引；
用创建哈希索引；
用字段 title 和 tags 创建文本索引。
任务描述
本关任务：查看我们距离哪所大学最近。
相关知识
为了完成本关任务，你需要掌握： 1.什么是 GeoJson 数据； 2.如何创建地理位置索引； 3.如何使用地理位置索引。
注：本关实训例子程序请在 mydb3 数据库内完成。
GeoJson 数据
并不是所有文档都可以创建地理位置索引，只有拥有特定格式的文档才可以创建。
如果我们用的是 2dsphere 索引，那么插入的应该是 GeoJson 数据。GeoJson 的格式如是： { type: 'GeoJSON type' , coordinates: 'coordinates' }
type ：指的是类型，可以是 Point (本例中用的)、LineString、 Polygon 等；
coordinates ：指的是一个坐标数组。
我们有如下几个位置的坐标信息（具体详情如图1所示），先把它们写入集合 locations 中。
图 1
创建地理位置索引
有了规范的文档后，我们就可以使用以下命令，在 location 键上创建一个地理位置索引：
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；
默认情况下，地理位置索引会假设值的范围是从−180到180（根据经纬度设置）。
如下索引创建成功，效果如图2所示：
图 2
地理位置索引的使用
查询命令：
geonear ：我们要查询的集合名称；
near ：就是基于那个点进行搜索，这里是我们的搜索点“长沙站”；
spherical ：是个布尔值，如果为 true，表示将计算实际的物理距离，比如两点之间有多少 km，若为 false，则会基于点的单位进行计算 ；
minDistance ：搜索的最小距离，这里的单位是米 ；
maxDistance ：搜索的最大距离。
查询结果分析：
在 result 中，查到了“湖南农业大学”和“湖南师范大学”，每个文档都加上了一个 dis 字段，它表示这个点离你搜索点的距离。比如说，在结果中 name 为“湖南农业大学”的点的 dis 为7215.061630510019。表示“湖南农业大学”距离搜索点“长沙站”的距离是7215米。这个结果对于 LBS 应用是非常有用的。具体详情如图3所示：
图 3
编程要求
如图4所示，有6个人 A、B、C、D、E、F 的位置，请将这些位置信息插入到数据库 test3 的集合 people 中，并建立地理位置索引 personloc。
查询 A 周围100~3000米有哪些人；
查询 B 周围100~5000米有哪些人；
查询 C 周围3000~8000米有哪些人；
查询 D 周围3000~8000米有哪些人。
图 4
请逐条插入以下信息和位置 GeoJson 数据：