MongoDB单文本字段索引的大小增长速率如何随数据库增长变化？

核心前提 #

这里默认数据库逻辑大小增长速率n指的是集合中文档总数据量（以文本内容为主）的增长速率，比如每秒新增X字节的文档数据；且仅针对文本字段I建立的是普通单字段索引（非全文本索引）。

理想场景下的增长规律 #

如果字段I的文本长度在所有新增文档中保持固定或稳定的平均值，那么索引的大小增长速率会和n呈线性正相关，可以近似表示为k*n（k是一个小于1的常数）。
原因是MongoDB基于B树实现索引，每个索引条目包含字段I的内容副本+文档的引用（比如_id）。当字段值长度稳定时，每个索引条目的大小基本固定，因此索引的增长速率和文档数据量的增长速率成比例。
举个实际例子：如果每个文档的I字段平均占文档总大小的20%，再加上固定的文档引用开销，索引增长速率大概在0.2~0.3*n这个区间（具体数值受字段值长度、索引存储的额外元数据影响）。

实际场景中的变量影响 #

• 字段长度波动：如果新增文档里I字段的文本长度持续变长，索引增长速率会高于n的对应比例；反之如果文本长度持续缩短，增长速率会低于对应比例。
• 索引压缩机制：WiredTiger引擎默认开启索引前缀压缩，如果I字段的文本存在大量重复前缀（比如都是同类型的业务字符串），压缩率会更高，实际索引增长速率会更低。
• 文档更新/删除：如果有大量包含I字段的文档被更新或删除，索引会产生碎片，短期内可能出现索引增长速率高于n的情况，但长期来看，MongoDB的后台碎片整理会逐步回收空间，增长速率会回归到和数据增长匹配的水平。

特殊情况：全文本索引 #

如果是针对字段I建立全文本索引而非普通单字段索引，规律会更复杂：

• 全文本索引会对文本内容做分词、去除停用词等处理，索引大小增长速率取决于分词后的词条数量。如果文本的词条密度稳定，增长速率依然和n线性相关，但k值会和普通索引不同——比如文本包含大量重复词汇时，分词后词条重复度高，索引增长速率会低于普通索引；如果是词汇丰富的文本，分词后词条数量多，增长速率会更高。

内容的提问来源于stack exchange，提问作者Nguyen Tran