当选择度低于 5% 时，如何创建复合索引避免回表？ - 问题详情 - 创脉思

解读

国内互联网与金融场景下，CouchDB 常被用来做离线-在线数据同步或微服务日志归档。面试官抛出“选择度低于 5%”这一极端过滤条件，核心想验证两点：

你是否理解 CouchDB 无回表的真正含义——B+Tree 索引即文档，只要索引里包含查询与排序所需的全部字段，就无需二次 fetch；
你是否能在 Mango 索引语法 与 视图设计 之间做权衡，把高过滤列放在最左，同时把返回列打包进索引，实现 Covering Index。
答不到“把返回字段塞进索引”就基本掉分，答不到“选择度低字段放最左”会被追问代价。

知识点

选择度（Selectivity）：distinct 值 ÷ 总行数；低于 5% 说明该列极稀疏，是过滤黄金列，必须放在复合索引最左侧。
CouchDB 回表本质：Mango 查询若所需字段不在同一索引内，内部会触发 _find 二次读 doc，造成回表 IO；视图同理，若 emit 值不含后续使用字段，需 include_docs=true 回表。
Covering Index：索引片里直接携带查询投影与排序字段，CouchDB 可直接从 .view 或 .idx 文件返回结果，无需再打开文档本体。
Mango 复合索引语法：{"index": {"fields": [{"high_selectivity:asc"}, {"low_selectivity:asc"}, {"return_fieldA:asc"}, {"return_fieldB:asc"}]}}；字段顺序决定前缀匹配，低选择度列不能放最左。
视图方案：emit([highSelectivity, lowSelectivity], {fieldA: doc.fieldA, fieldB: doc.fieldB})；value 用 JSON 对象一次性携带返回字段，查询时 startkey=[v1,v2]&endkey=[v1,v2,{}]&include_docs=false 即可覆盖。
国内部署注意：
- 磁盘多使用 SSD，但 mobile 边缘节点 IO 弱，covering 收益更大；
- 复合索引字段数建议 ≤ 5，避免写入放大；
- 生产环境务必在 test 库 用 /_explain 验证是否 covering: true。

答案

步骤一：确认最高选择度列
假设订单表 1 亿条，status="PENDING" 仅 300 万条（3%），则 status 为最高选择度列。

步骤二：把查询与排序所需的所有字段按“过滤列 → 排序列 → 返回列”顺序打入复合索引
Mango 示例：

{
  "index": {
    "fields": [
      {"status": "asc"},
      {"createTime": "desc"},
      {"orderId": "asc"},
      {"userName": "asc"}
    ]
  },
  "ddoc": "idx_cover_order",
  "type": "json"
}

查询语句：

{
  "selector": {
    "status": "PENDING"
  },
  "sort": [{"createTime": "desc"}],
  "fields": ["orderId", "userName", "createTime"],
  "limit": 100,
  "use_index": "idx_cover_order"
}

此时 /_explain 返回 "covering": true，证明无回表。

视图方案：

function (doc) {
  if (doc.type === 'order' && doc.status === 'PENDING') {
    emit([doc.status, doc.createTime], {orderId: doc.orderId, userName: doc.userName});
  }
}

查询：
GET /db/_design/order/_view/cover?startkey=["PENDING",{}]&endkey=["PENDING"]&descending=true&limit=100&include_docs=false
value 已含返回字段，无需 include_docs=true，实现零回表。

拓展思考

若返回字段很大（如商品详情 HTML），covering 索引会膨胀，需在 IO 与空间 之间权衡；可只 cover 主键，再用 bulk fetch 批量拿 doc，减少往返。
当查询条件出现 $or** 或 **$ regex 时，Mango 可能退化为全表扫描；此时应拆成多条视图或利用 分区数据库（db-per-user） 把数据量先降一个量级。
国内合规要求 敏感字段脱敏，即使做 covering 也要在索引构建阶段调用 sha256 哈希，避免明文落地。