未索引数字字段上$lt/$gt查询比$eq快的原因探究

前提回顾 #

集合包含150万条文档，字段B是未索引的数字字段，取值为1到1000的随机数，每个数值对应的文档数约1500条（150万÷1000）。

核心性能差异原因 #

因为字段B未索引，$match阶段必须执行全表扫描（COLLSCAN），而性能差异的关键在于**$limit阶段触发的扫描终止逻辑**：

• 当使用$lt:500或$gt:500时：
  符合条件的文档占总数据量的近一半（前者约49.9%，后者约50%）。MongoDB在扫描文档时，每找到一条符合条件的记录就会传递给$limit阶段，一旦凑够1000条符合要求的文档，整个扫描过程会立刻停止。实际只需要扫描约2000条文档就能满足$limit，扫描量极小。
• 当使用$eq:500时：
  符合条件的文档仅占总数据的0.1%（1/1000），且随机分散在整个集合中。MongoDB必须持续扫描大量文档，直到凑齐1000条B=500的记录为止。平均需要扫描约100万条文档才能达标，扫描量是前者的数百倍，因此速度慢5-10倍。

补充说明 #

如果去掉$limit阶段，三种查询的速度会基本一致——因为都需要完成全表扫描来匹配所有符合条件的文档。$limit的存在才让$lt/$gt的提前终止逻辑生效，放大了性能差异。

内容的提问来源于stack exchange，提问作者Bear Bile Farming is Torture