MongoDB在Linux上的存储优化方案

一、硬件层面优化

• 使用SSD存储：SSD的高随机I/O性能（远超传统HDD）能有效提升MongoDB的读写速度，尤其适合高并发、大数据量场景。建议选择NVMe协议的SSD，其延迟更低、吞吐量更高。
• 增加内存容量：内存是MongoDB缓存数据的关键资源，足够的内存能减少磁盘I/O。建议为MongoDB分配系统总内存的50%-75%（若运行其他应用需适当调整），用于WiredTiger存储引擎的缓存（storage.wiredTiger.engineConfig.cacheSizeGB参数）。
• 升级CPU：多核CPU能提升MongoDB的并发处理能力，尤其是对于复杂查询、聚合操作等CPU密集型任务，建议选择多核（如16核及以上）、高主频的CPU。

二、文件系统与内核优化

• 选择合适的文件系统：MongoDB官方推荐XFS（适用于生产环境，高并发、大数据量场景下性能更优，支持超大文件和动态分配inode）或ext4（适合中小型部署，稳定性高）。ext4格式化时可添加-m 0（不预留空间）、-E lazy_itable_init=0,lazy_journal_init=0（加速格式化）、-b 4096（4KB块大小，与MongoDB页面大小对齐）参数；XFS格式化时可添加-n size=64k（优化命名空间块大小）、-d agcount=16（增加分配组，提升并行写入性能）参数。
• 优化挂载选项：ext4挂载时添加noatime,nodiratime（禁用访问时间记录，减少元数据写入）、barrier=0（禁用写屏障，适用于有电池备份的RAID控制器，提升写入性能）；XFS挂载时添加noatime,nodiratime,allocsize=512m（预分配大块空间，减少碎片）、logbufs=8（增加日志缓冲区，提升写入效率）。
• 调整内核参数：
  • I/O调度器：选择deadline（适合SSD，平衡性能与一致性），通过echo deadline | sudo tee /sys/block/sdX/queue/scheduler临时设置，通过udev规则永久生效。
  • 脏页设置：调整vm.dirty_ratio=10（脏页占内存比例，超过则触发写入）、vm.dirty_background_ratio=5（后台写入阈值），减少I/O阻塞。
  • Swap使用：设置vm.swappiness=5（降低Swap使用优先级，优先利用内存），避免因内存不足导致频繁Swap，影响性能。
  • 透明大页面（THP）：禁用THP（echo never | sudo tee /sys/kernel/mm/transparent_hugepage/enabled），避免内存分配延迟，提升MongoDB的内存访问效率。

三、MongoDB配置优化

• 调整WiredTiger缓存大小：在mongod.conf中设置storage.wiredTiger.engineConfig.cacheSizeGB（如4GB），建议为系统可用内存的60%左右（需预留内存给系统和其他应用）。此参数直接影响MongoDB的内存利用率和缓存命中率。
• 优化Journal日志：WiredTiger默认启用Journal日志（storage.journal.enabled=true），确保数据一致性。可通过调整journal.commitIntervalMs（默认100ms）参数，平衡数据安全性与写入性能（增大间隔可减少日志写入次数，但增加故障恢复时间）。
• 禁用不必要的功能：若不需要MMAPv1引擎，可禁用storage.mmapv1.smallFiles（减少内存使用）；关闭setParameter.textSearchEnabled=true（若不使用全文搜索，减少资源消耗）。

四、索引优化

• 创建合适的索引：为经常用于find、sort、group的字段创建索引（如db.collection.createIndex({field: 1})），避免全表扫描。例如，查询条件中包含status和create_time字段时，可创建复合索引db.collection.createIndex({status: 1, create_time: -1})。
• 使用覆盖索引：确保查询的字段均包含在索引中（如db.collection.find({field: 1}, {field: 1, _id: 0})），无需访问磁盘上的文档，减少I/O开销。可通过explain("executionStats")查看isCovered字段确认是否为覆盖索引。
• 定期维护索引：使用db.collection.reIndex()重新构建碎片化索引，提升索引查询效率；删除不再使用的索引（通过db.collection.aggregate([{ $indexStats: {} }])查看索引使用情况），减少内存占用和写入开销。

五、查询优化

• 优化查询语句：避免使用$where（JavaScript执行慢）、$all（全数组匹配）等低效操作符；使用$in代替多个$or条件（提升查询效率）。
• 使用投影和限制：通过projection仅返回需要的字段（如db.collection.find({}, {name: 1, age: 1, _id: 0})），减少数据传输量；使用limit()限制返回结果数量（如db.collection.find().limit(100)），避免大量数据加载。
• 分析慢查询：开启慢查询日志（operationProfiling.slowOpThresholdMs=100，单位毫秒），通过db.currentOp()或mongotop工具定位慢查询，针对性优化索引或查询语句。

六、分片与复制集优化

• 使用分片集群：对于大规模数据（如TB级别）或高并发场景，通过分片将数据分散到多个服务器（Shard），提升读写性能和横向扩展能力。选择合适的分片键（如user_id、order_id等高频查询字段），避免数据倾斜（如避免使用单调递增的字段作为分片键）。
• 使用复制集：通过复制集（Replica Set）实现数据冗余和高可用性，提升读取性能（可将读请求分发到Secondary节点）。建议配置3个及以上节点（如1个Primary+2个Secondary），确保故障时自动切换。

七、监控与维护

• 定期监控性能：使用mongostat（监控QPS、延迟）、mongotop（监控集合级读写时间）、db.serverStatus()（查看内存、CPU、I/O使用情况）等工具，实时了解数据库性能状态。
• 定期维护数据：清理无用数据（如过期的日志、临时数据），使用db.collection.remove({expire_field: {$lt: new Date()}})删除过期文档；整理碎片（db.collection.runCommand({"compact": "collectionName"})），减少磁盘空间占用。