CentOS MongoDB配置性能如何调优

CentOS环境下MongoDB性能调优指南

一、硬件基础优化

1. 存储设备升级：优先使用SSD（推荐NVMe SSD）替代传统HDD，显著提升随机读写性能（IOPS），降低磁盘延迟。
2. 内存充足配置：MongoDB依赖内存缓存数据和索引，建议分配**系统内存的50%-70%**给MongoDB（如8GB内存服务器可分配5-6GB），确保WiredTiger引擎有足够空间缓存热数据。
3. CPU多核优化：MongoDB是多线程应用，选择多核CPU（如Intel至强系列），提升并发处理能力（如查询、写入、复制等操作）。
4. 磁盘I/O优化：
   • 关闭传输页缓存（通过/etc/fstab添加noatime参数挂载数据目录，减少文件访问时间更新带来的磁盘写入）；
   • 优化内核参数：调整vm.dirty_background_ratio（建议10-20）、vm.dirty_ratio（建议20-30），控制脏页刷新频率，避免内存过度占用；
   • 禁用透明大页（THP）（执行echo never > /sys/kernel/mm/transparent_hugepage/enabled），减少内存管理开销。

二、MongoDB配置文件调优

1. 存储引擎配置（WiredTiger）

• 缓存大小调整：在/etc/mongod.conf中设置storage.wiredTiger.engineConfig.cacheSizeGB，建议值为物理内存的50%-70%（如8GB内存设为4-5GB），避免占用过多内存导致系统OOM。
• 索引与数据分离：开启storage.wiredTiger.engineConfig.directoryForIndexes: true，将索引文件与集合数据文件分别存放在dbPath下的index和collection子目录，分散磁盘I/O压力（适合索引查询密集的业务，如电商搜索）。
• 数据压缩优化：调整storage.wiredTiger.collectionConfig.blockCompressor，根据场景选择：
  • 写入密集型（如日志上报）：选snappy（压缩率2:1，CPU开销低）；
  • 读取密集型（如报表查询）：选zstd（压缩率4:1，解压速度快）；
  • 存储敏感（如历史归档）：选zlib（压缩率3:1，CPU开销中等）；
  • 不可压缩数据（如图片、视频）：选none（避免无效CPU消耗）。

2. 网络配置优化

• 增加连接数限制：设置net.maxIncomingConnections（建议5000以上），应对高并发客户端连接；
• 启用网络压缩：配置net.compression.compressors: "snappy,zstd"（默认已启用），减少副本集同步、客户端通信的网络传输量（跨机房部署时效果显著）；
• 优化TCP参数：设置socketOptions.tcpNoDelay: true（禁用Nagle算法，降低延迟）、socketOptions.keepAlive: true（保持连接活跃，避免频繁重建）。

3. 日志与性能监控

• 日志轮转配置：设置systemLog.logRotate: "reopen"（配合系统日志轮转工具，如logrotate），避免日志文件过大占用磁盘空间；
• 慢查询分析：开启operationProfiling.mode: "slowOp"，并设置operationProfiling.slowOpThresholdMs: 100（阈值可根据业务调整，如100ms），定位慢查询（通过db.currentOp()或mongotop工具分析）；
• Journal日志优化：调整storage.journal.commitIntervalMs: 100（默认100ms，降低可提高数据持久性，但增加I/O压力），平衡数据安全与性能。

三、索引与查询优化

1. 合理创建索引：为高频查询字段（如user_id、order_id）、排序字段（如created_at）、范围查询字段（如price）创建索引（如db.collection.createIndex({user_id: 1})）；避免为低频字段创建索引（减少写操作开销）。
2. 使用复合索引：针对多条件查询（如{status: "active", created_at: -1}），创建复合索引（如db.collection.createIndex({status: 1, created_at: -1})），提高查询效率（遵循最左前缀原则）。
3. 覆盖索引优化：查询时仅返回索引字段（如db.collection.find({user_id: 1}, {name: 1, _id: 0})），避免访问实际文档（减少磁盘I/O）。
4. 避免全表扫描：确保查询条件能利用索引（通过explain("executionStats")查看执行计划，确认winningPlan使用了索引）。
5. 定期维护索引：删除不再使用的索引（通过db.collection.dropIndex("index_name")），减少索引维护开销；定期重建碎片化严重的索引（如db.collection.reIndex()）。

四、部署架构优化

1. 副本集部署：配置3节点副本集（1主2从），提高数据可用性（自动故障转移）和读取性能（从节点可承担读取请求，减轻主节点压力）；设置readPreference: "secondary"，将读取请求分发到从节点。
2. 分片集群部署：对于大规模数据集（如TB级）或高写入负载，使用分片集群（Sharding）将数据水平拆分到多个分片（Shard），每个分片可独立处理读写请求，实现线性扩容（如按user_id哈希分片，分散数据压力）。
3. 分片键选择：选择高基数（唯一值多）、低频率变更的字段作为分片键（如user_id、order_id），避免数据倾斜（如避免使用status字段，因大部分数据状态相同，导致分片负载不均）。

五、日常运维与监控

1. 定期监控性能：使用mongostat（查看QPS、延迟）、mongotop（查看集合级读写时间）、db.serverStatus()（查看内存、连接数、锁等待等指标）工具，定期检查性能指标；结合第三方监控工具（如Prometheus+Grafana、Percona Monitoring and Management（PMM）），实现可视化监控和告警。
2. 分析慢查询：通过db.setProfilingLevel(1, 100)开启慢查询日志，使用db.system.profile.find().sort({ts: -1}).limit(10)查看最近的慢查询，针对性优化（如添加索引、调整查询语句）。
3. 定期维护：清理无用数据（如过期日志、临时数据），使用db.collection.remove({expireAt: {$lt: new Date()}})删除过期文档；定期备份数据（如使用mongodump+mongorestore，或云数据库的自动备份功能），防止数据丢失。
4. 避免高峰期运维：不在业务高峰期执行批量写入、更新、删除、添加索引、Compact操作等耗时操作，减少对业务的影响。