MongoDB性能优化策略

索引优化

1. 创建合适的索引

   • 为常用查询条件创建索引
   • 复合索引遵循ESR原则(Equality, Sort, Range)

   db.collection.createIndex({ field1: 1, field2: -1 })
   

2. 索引选择性

   • 高选择性字段(唯一值多)更适合建索引
   • 避免在低选择性字段(如性别)上单独建索引

3. 索引覆盖查询

   • 确保查询只需要索引即可完成，无需访问文档

   db.collection.createIndex({ a: 1, b: 1 })
   db.collection.find({ a: 5 }, { b: 1, _id: 0 }) // 被索引覆盖
   

查询优化

1. 避免全表扫描

   • 使用explain()分析查询执行计划

   db.collection.find({...}).explain("executionStats")
   

2. 投影优化

   • 只返回需要的字段

   db.collection.find({}, { field1: 1, field2: 1 })
   

3. 分页优化

   • 使用skip()和limit()时配合排序索引
   • 对于大数据集，考虑使用范围查询代替skip

架构优化

1. 合理设计文档结构

   • 预聚合常用数据
   • 适当使用嵌套文档减少JOIN操作
   • 避免超大文档(>16MB)

2. 读写分离

   • 从secondary节点读取非关键数据

   db.collection.find().readPref("secondary")
   

3. 分片集群

   • 大数据集考虑使用分片集群
   • 选择合适的分片键(高基数、分布均匀)

硬件与配置优化

1. 内存配置

   • 确保工作集(working set)能放入内存
   • 配置适当的WiredTiger缓存大小

   storage:
    wiredTiger:
      engineConfig:
        cacheSizeGB: 8
   

2. 磁盘优化

   • 使用SSD硬盘
   • 单独配置journal和数据目录到不同磁盘

3. 操作系统优化

   • 禁用透明大页(THP)
   • 调整文件描述符限制

写入优化

1. 批量操作

   • 使用批量插入代替单条插入

   db.collection.insertMany([doc1, doc2, doc3])
   

2. 写入关注级别

   • 非关键数据使用w:1(默认)
   • 关键数据使用w:"majority"

3. 更新优化

   • 使用$set只更新必要字段
   • 避免全文档替换

监控与维护

1. 性能监控

   • 使用mongostat和mongotop
   • 配置Profiler识别慢查询

   db.setProfilingLevel(1, 50) // 记录超过50ms的查询
   

2. 定期维护

   • 重建碎片化严重的索引

   db.collection.reIndex()
   

   • 压缩集合回收空间

   db.runCommand({ compact: "collection" })
   

3. TTL索引

   • 为临时数据设置TTL索引自动过期

   db.collection.createIndex({ createdAt: 1 }, { expireAfterSeconds: 3600 })
   

通过综合应用这些策略，可以显著提升MongoDB的读写性能。实际优化时应根据具体应用场景和负载特点选择合适的策略组合。