多文档字段上的MongoDB精确匹配

我正在尝试使用PyMongo构建一个Python脚本，该脚本将能够命中一个Mongo DB，该DB可以获得数据库中可能存在的n个对象的精确匹配。目前，我有以下设置：

db.entries.find({'$or': [<list-of-objects]})

当列表中有10个左右的项目时，使用

$或
可以正常工作。我现在用100进行测试，并且需要很长时间才能回来。我考虑过在
过滤器中使用多个
$，但我不知道这是否是最好的选择

我相信有更好的方法来处理这个问题，但我对Mongo还是相当陌生的

编辑：下面的
.explain（）
的输出：

{
    "executionStats": {
        "executionTimeMillis": 228734,
        "nReturned": 2,
        "totalKeysExamined": 0,
        "allPlansExecution": [],
        "executionSuccess": true,
        "executionStages": {
            "needYield": 0,
            "saveState": 43556,
            "restoreState": 43556,
            "isEOF": 1,
            "inputStage": {
                "needYield": 0,
                "saveState": 43556,
                "restoreState": 43556,
                "isEOF": 1,
                "inputStage": {
                    "needYield": 0,
                    "direction": "forward",
                    "saveState": 43556,
                    "restoreState": 43556,
                    "isEOF": 1,
                    "docsExamined": 5453000,
                    "nReturned": 2,
                    "needTime": 5452999,
                    "filter": {
                        "$or": [{
                            "$and": [{
                                "email": {
                                    "$eq": "some@email.com"
                                }
                            }, {
                                "zipcode": {
                                    "$eq": "11111"
                                }
                            }]
                        }, {
                            "$and": [{
                                "email": {
                                    "$eq": "another@email.com"
                                }
                            }, {
                                "zipcode": {
                                    "$eq": "11112"
                                }
                            }]
                        }]
                    },
                    "executionTimeMillisEstimate": 208083,
                    "invalidates": 0,
                    "works": 5453002,
                    "advanced": 2,
                    "stage": "COLLSCAN"
                },
                "nReturned": 2,
                "needTime": 5452999,
                "executionTimeMillisEstimate": 211503,
                "transformBy": {
                    "_id": false
                },
                "invalidates": 0,
                "works": 5453002,
                "advanced": 2,
                "stage": "PROJECTION"
            },
            "nReturned": 2,
            "needTime": 5452999,
            "executionTimeMillisEstimate": 213671,
            "invalidates": 0,
            "works": 5453002,
            "advanced": 2,
            "stage": "SUBPLAN"
        },
        "totalDocsExamined": 5453000
    },
    "queryPlanner": {
        "parsedQuery": {
            "$or": [{
                "$and": [{
                    "email": {
                        "$eq": "some@email.com"
                    }
                }, {
                    "zipcode": {
                        "$eq": "11111"
                    }
                }]
            }, {
                "$and": [{
                    "email": {
                        "$eq": "another@email.com"
                    }
                }, {
                    "zipcode": {
                        "$eq": "11112"
                    }
                }]
            }]
        },
        "rejectedPlans": [],
        "namespace": "db.entries",
        "winningPlan": {
            "inputStage": {
                "transformBy": {
                    "_id": false
                },
                "inputStage": {
                    "filter": {
                        "$or": [{
                            "$and": [{
                                "email": {
                                    "$eq": "some@email.com"
                                }
                            }, {
                                "zipcode": {
                                    "$eq": "11111"
                                }
                            }]
                        }, {
                            "$and": [{
                                "email": {
                                    "$eq": "another@email.com"
                                }
                            }, {
                                "zipcode": {
                                    "$eq": "11112"
                                }
                            }]
                        }]
                    },
                    "direction": "forward",
                    "stage": "COLLSCAN"
                },
                "stage": "PROJECTION"
            },
            "stage": "SUBPLAN"
        },
        "indexFilterSet": false,
        "plannerVersion": 1
    },
    "ok": 1.0,
    "serverInfo": {
        "host": "somehost",
        "version": "3.4.6",
        "port": 27017,
        "gitVersion": "c55eb86ef46ee7aede3b1e2a5d184a7df4bfb5b5"
    }
}

我建议创建一个新索引（复合索引），就像您使用两个字段进行搜索一样：

db.entries.createIndex( {"email": 1, "zip": 1} )

现在，在查询中附加explain（）命令运行查询，您应该看到它已开始使用IXSCAN而不是COLLSCAN。
为了避免索引和重新索引（此查询不仅涉及电子邮件/zip，将是动态的），我使用每个标题构建数据列表，并将其用作
$in
参数，然后将它们传递到
$和
。它似乎工作得很好，而且没有超过3分钟

例如：

{'$and': [{'email': {'$in': ['some@example.com', 'fake@example.com', 'email@example.com']}, 'zipcode': {'$in': ['12345', '11111', '11112']}}]}

请添加
.explain（）。为什么不创建1。在包含高基数的任何字段上创建索引，它可以是邮政编码或电子邮件。2.使用聚合管道，使用用于创建索引的字段选择文档，然后使用新索引筛选出大量文档。希望这有帮助。@Euclides，这个数据集可能会变得更大。此外，它将不仅仅是两个对象；这两个只是我作为测试运行的10k的一个片段。当然，当我向or子句添加更多对象时，这将变得更大，效率也会低很多。我正在寻找一种方法，希望能够绕过这个限制。您提到使用聚合，如果您能帮助我构建某种通用查询，我将不胜感激！
{'$and': [{'email': {'$in': ['some@example.com', 'fake@example.com', 'email@example.com']}, 'zipcode': {'$in': ['12345', '11111', '11112']}}]}