排序用sort,相当于order by,升序用1表示，降序用-1
比如，按age字段升序排列:
| 代码如下 | 复制代码 |
|
db.user.find().sort({"age":1}) |
|
如果有多个字段,按姓名降序，年龄升序
| 代码如下 | 复制代码 |
|
db.user.find().sort({"name":-1,"age":1}) |
|
limit和skip一起用，相当于mysql里的limit:
| 代码如下 | 复制代码 |
|
b.user.find().skip(1).limit(1) |
|
相当于mysql里的limit(1,1)，即跳过第0条，从第1条开始返回，只返回1条
skip和limit就能实现分页，但是skip太多的话，会影响性能，应该尽量避免，比如说，获取当前页最后一个文档的某个值作为条件（如日期）来查询，就可以不用skip.
无论是采用什么数据库，通常都有一些常规的做分页和排名的方法。本文就通过一些测试数据来向大家介绍MongoDB在这方面的性能。
分页首先我们来做一个分页，在MongoDB中示例数据如下所未：
| 代码如下 | 复制代码 |
| db.scores.find(); {lid: ObjectId("4fe506dabb2bfa742d000001"), score: 1, name: 'user_1'} {lid: ObjectId("4fe506dabb2bfa742d000001"), score: 2, name: 'user_2'} {lid: ObjectId("4fe506dabb2bfa742d000001"), score: 3, name: 'user_3'} {lid: ObjectId("4fe506dabb2bfa742d000001"), score: 4, name: 'user_4'} |
|
其中lid字段用于区分不同的纬度，主要用在筛选上，在测试collection中，一共有五个不同的lid值，每一个对应1,200,000条数据，一共6,000,000条数据。索引在lid 和 score上。（下面的查询能使用到索引）
然后我们进行下面的性能测试：
| 代码如下 | 复制代码 |
| collection = Mongo::Connection.new.db('test').collection('scores') Benchmark.bmbm do |x| x.report("mongo small") do 100.times do |i| collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => -1}).limit(20).skip(i * 20).to_a end end x.report("mongo medium") do 100.times do |i| collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => -1}).limit(20).skip(i * 1000).to_a end end x.report("mongo large") do 100.times do |i| collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => -1}).limit(20).skip(i * 10000).to_a end end end |
|
上面分别对skip条数比较小，中等大小和非常大三种情况进行了测试。而limit指定获取的数据都一样是20条。这三种情况下的测试结果分别是：0.6 秒， 17 秒，173 秒。
我们可以看到，对MongoDB来说，skip的大小严重影响性能，应该严格避免特别大的skip操作。
排名排名功能与分页功能类似，不同的是排名是通过计算大于某个值的条数来做的。
比如：
| 代码如下 | 复制代码 |
| //sql select count(*) from scores where lid = $1 and score > $2 //mongo db.scores.find({lid: lid, score: {$gt: score}}).count() |
|
由于排名和分页实现原理上类似，所以结果实际上差不多。测试结果如下：
mongo top rank 1.155847
mongo average 22.291007
结论上面做了对比，那么本文要说一个什么问题呢？
首先，在MongoDB中，尽量避免进行比较大的skip操作，比如在分页中，如果你能知道需要获取数据的上一条score是多少，那么可能能够用下面的方法来获取你要的数据，而不是通过一次很大的skip操作。
db.scores.find({lid: lid, score: {$lt: last_score}}).sort({score: -1}).limit(20)另外，如果你需要进行比较大的skip操作或者count比较大的数量，那么可以考虑采用Redis的Sorted Sets来做