选择合适的索引类型
MongoDB支持多种索引类型，需根据查询场景选择：单字段索引（针对单个字段的精确匹配或范围查询，如db.collection.createIndex({ field: 1 })）、复合索引（联合多个字段优化多条件查询，字段顺序需匹配查询模式，如{ user_id: 1, created_at: -1 }）、多键索引（自动为数组字段的每个元素创建索引，支持数组元素查询）、文本索引（用于字符串内容的全文搜索，如db.collection.createIndex({ content: "text" })）、地理空间索引（支持经纬度查询，如2dsphere索引）、哈希索引（用于分片键，将字段值哈希后分布数据）、TTL索引（自动删除过期文档，如日志数据，设置expireAfterSeconds参数）、唯一索引（确保字段值唯一，如email字段）、稀疏索引（仅索引包含该字段的文档，节省存储空间）。选择时需结合查询频率、数据类型及业务需求，避免盲目创建。
优化复合索引的设计
复合索引是提升多字段查询性能的关键，设计时需遵循两个原则：字段顺序（将选择性高的字段放在前面，选择性指字段不同值的数量占总文档数的比例，如user_id的选择性通常高于status）、前缀匹配（查询条件需包含复合索引的前缀字段，如复合索引{ a: 1, b: 1, c: 1 }可支持{ a: 1 }、{ a: 1, b: 1 }、{ a: 1, b: 1, c: 1 }的查询，但不支持{ b: 1 }或{ c: 1 }）。此外，复合索引的字段数量不宜过多（一般不超过5个），否则会增加索引维护成本。
使用覆盖索引减少IO
覆盖索引是指索引包含了查询所需的所有字段，查询时无需访问实际文档（如db.collection.find({ user_id: 1 }, { user_id: 1, name: 1 }).explain()中的winningPlan.inputStage.stage为IXSCAN，表示使用了索引且未回表）。创建覆盖索引时，需确保查询的projection（投影）字段均在索引中，可显著减少磁盘IO，提升查询性能。
定期监控与分析索引使用情况
通过db.collection.getIndexes()查看集合的所有索引（包括索引名称、字段、选项），db.collection.aggregate([{ $indexStats: {} }])监控索引的使用频率（如accesses.ops表示索引被访问的次数）、命中率（accesses.ops/总查询次数），识别未使用或低效的索引（如长期未被访问的索引）。结合explain()方法分析查询执行计划（如db.collection.explain("executionStats").find({ query })），查看winningPlan中的索引使用情况（如IXSCAN表示使用了索引，COLLSCAN表示全表扫描），针对性优化。
避免过度索引
索引虽能提升查询性能，但会增加写操作（插入、更新、删除）的开销（每次写操作需更新索引），并占用更多磁盘空间。建议定期审查索引（如每月一次），删除不再使用的索引（如业务变更后不再查询的字段索引），保留高频查询且选择性高的索引。
定期重建与维护索引
随着数据的增删改，索引会变得碎片化（如索引条目分散在磁盘的不同位置），影响查询性能。使用db.collection.reIndex()方法重建索引（需谨慎，会阻塞写操作，建议在低峰期执行），优化索引的存储结构。对于大型集合，可采用compact命令（db.runCommand({ compact: 'collectionName' })）减少索引碎片，或使用后台索引构建（db.collection.createIndex({ field: 1 }, { background: true })），避免阻塞正常业务。
优化索引选择性
选择性高的索引（如user_id的唯一值多）能有效过滤文档，提升查询性能。避免为选择性低的字段（如gender，只有男、女两种值）创建单独索引，可通过组合选择性高的字段（如{ user_id: 1, gender: 1 }）提升复合索引的选择性。
结合查询模式设计索引
根据业务查询模式设计索引，避免为不常用的查询创建索引。例如：
user_id和created_at排序，可创建复合索引{ user_id: 1, created_at: -1 }；text搜索，可创建文本索引{ content: "text", title: "text" }；2dsphere索引{ location: "2dsphere" }。explain()分析查询的实际执行路径，确保索引被有效利用。