优化MongoDB在CentOS上的查询速度需从硬件基础、配置调优、索引管理、查询语句、分片与副本集、监控维护六大维度系统推进，以下是具体策略：
1. 增加内存：MongoDB依赖内存缓存数据和索引，确保服务器内存足以容纳工作集（最常访问的数据，可通过db.serverStatus().wiredTiger.cache.bytesDirty查看脏页量）。建议工作集大小不超过内存的70%，避免频繁磁盘交换。
2. 使用SSD存储：SSD的随机读写速度远高于HDD，能显著降低I/O延迟。优先选择NVMe协议的SSD，进一步提升吞吐量。
3. 多核CPU：MongoDB是多线程架构，多核CPU可提升并发处理能力。建议选择支持超线程的CPU（如Intel Xeon系列），核心数根据并发请求量调整。
1. 调整WiredTiger缓存大小：WiredTiger是MongoDB的默认存储引擎，其缓存大小直接影响查询性能。在/etc/mongod.conf中设置storage.wiredTiger.engineConfig.cacheSizeGB，建议值为物理内存的50%-70%（需预留内存给系统和其他进程）。
2. 优化日志参数：
systemLog.logLevel设置为1（warning）或2（error），减少不必要的日志记录；systemLog.logRotate（默认开启），避免日志文件过大占用磁盘空间。/etc/mongod.conf中设置net.maxIncomingConnections，根据应用并发需求调整（建议1000以上），避免连接数过多导致资源耗尽。1. 创建精准索引：为高频查询字段（如username、order_id）创建单字段索引，使用db.collection.createIndex({field: 1})命令（1表示升序，-1表示降序）。
2. 使用复合索引：对于多字段查询（如db.users.find({name: "Alice", age: {$gte: 20}})），创建复合索引并调整字段顺序（将筛选性高的字段放在前面，如db.users.createIndex({name: 1, age: -1})）。
3. 覆盖索引：确保查询所需的字段全部包含在索引中，避免回表操作（即不需要访问文档本身）。例如，db.users.find({name: "Alice"}, {name: 1, email: 1})可通过db.users.createIndex({name: 1, email: 1})实现覆盖。
4. 删除冗余索引：使用db.collection.getIndexes()查看现有索引，删除不再使用或重复的索引（如复合索引的子集），减少写操作的开销。
5. 定期重建索引：使用db.collection.reIndex()命令重建碎片化索引，提升索引效率（建议每月执行一次，或在大量数据更新后执行）。
1. 使用explain()分析查询：通过db.collection.find(query).explain("executionStats")查看查询执行计划，重点关注winningPlan（是否使用索引）、executionTimeMillis（执行时间）、totalDocsExamined（扫描文档数），识别低效查询。
2. 优化查询条件：避免使用$or（可能导致索引失效）、$where（JavaScript执行慢）等低效操作符，尽量使用范围查询（如{age: {$gte: 20, $lte: 30}}）或精确匹配。
3. 使用投影减少数据传输：通过db.collection.find(query, {field1: 1, field2: 1})指定返回字段，避免传输整个文档（如db.users.find({name: "Alice"}, {email: 1})仅返回email字段）。
4. 分页查询：对于大数据集，使用limit()和skip()实现分页（如db.users.find().sort({age: 1}).limit(10).skip(20)），避免一次性返回大量数据。
1. 使用副本集：配置副本集（replication.replSetName）提升读取性能（可将读请求分发到从节点），同时提高数据冗余和可用性。需确保副本集成员分布在不同服务器上，避免单点故障。
2. 水平分片：对于海量数据（如TB级），使用分片（sharding.clusterRole）将数据分散到多个分片上。选择高选择性的分片键（如user_id），避免数据倾斜（如哈希分片键可均匀分布数据）。
1. 使用内置工具监控：通过mongostat（查看每秒操作数、延迟）、mongotop（查看集合级读写时间）监控数据库性能，快速定位瓶颈。
2. 启用慢查询日志：在/etc/mongod.conf中设置operationProfiling.slowOpThresholdMs（如100ms），记录慢查询日志（operationProfiling.mode: "slowOp"），定期分析并优化慢查询。
3. 第三方监控工具：使用Prometheus+Grafana、MongoDB Atlas等工具，实现可视化监控（如CPU、内存、磁盘I/O、查询延迟），及时预警性能问题。
以上策略需根据实际业务场景（如数据量、查询模式、并发量）组合使用，建议在测试环境验证优化效果后再应用于生产环境。优化是一个持续过程，需定期根据监控数据和查询模式变化调整策略。