在解决MongoDB性能问题前，需先通过监控工具和日志分析定位瓶颈根源：
mongostat查看读写操作、内存使用、连接数等实时指标；mongotop分析集合级别的读写时间分布，快速定位慢操作集合。db.setProfilingLevel(1, {slowms: 100})开启慢查询记录（阈值设为100ms），用db.profile()查看慢查询详情，识别未走索引或执行效率低的查询。top监控CPU使用率（若CPU占用过高，可能是查询复杂或索引缺失）；iostat -x 1查看磁盘IO（若await或%util过高，说明磁盘成为瓶颈）；free -h检查内存使用（若available内存不足，可能导致频繁换页）。瓶颈表现：CPU占用持续高位（>80%）、内存不足（available内存<总内存的20%）、磁盘IO延迟高（await>50ms）。
解决措施：
storage.wiredTiger.engineConfig.cacheSizeGB设置为物理内存的70%-80%）。deadline，HDD设为noop），减少IO等待；禁用atime（noatime,nodiratime）降低元数据写入开销。瓶颈表现：查询执行时间长（如find、aggregate操作慢）、explain()结果显示“COLLSCAN”（全表扫描）。
解决措施：
find、sort、aggregate中频繁使用的字段创建索引（如db.collection.createIndex({user_id: 1, create_time: -1})）；复合索引需将选择性高的字段（如user_id）放在前面，减少索引大小。db.collection.getIndexes()审查索引，删除未使用的索引（通过$indexStats查看accesses.ops为0的索引）。db.collection.find({status: "active"}, {name: 1, age: 1})，若索引包含status、name、age，则无需访问文档）。瓶颈表现：查询返回大量不必要的数据、复杂查询（如多层嵌套$lookup）执行慢。
解决措施：
find({}, {name: 1, age: 1, _id: 0})仅返回需要的字段，减少网络传输和内存占用。$ne、$not）、正则表达式（如/^abc/，除非是前缀匹配），这类条件无法有效利用索引。find再group），减少数据往返次数；合理使用$match（尽早过滤数据）、$project（减少字段）优化管道性能。bulkWrite替代单条插入/更新（如批量插入1000条数据），减少网络通信次数。瓶颈表现：文档过大（超过16MB）、频繁的$lookup操作、过度规范化（导致大量JOIN）。
解决措施：
$lookup操作（关联查询性能较低）。瓶颈表现：缓存命中率低（WiredTiger缓存未充分利用）、连接数过多导致资源耗尽。
解决措施：
mongod.conf中设置storage.wiredTiger.engineConfig.cacheSizeGB为物理内存的70%-80%（如128GB内存设为80GB），确保常用数据缓存在内存中。net.maxIncomingConnections（默认10000）和net.maxOutgoingConnections（默认10000），根据应用需求增加连接数；同时用ulimit -n 64000提高系统文件描述符限制，避免连接过多导致“Too many open files”错误。operationProfiling.mode: "slowOp"（慢查询模式）或"all"（全量模式），监控慢操作并针对性优化。瓶颈表现：单节点数据量过大（超过TB级）、数据分布不均（分片键选择不当）、副本集同步延迟。
解决措施：
user_id）、查询频繁的字段作为分片键，避免数据倾斜（如避免用status作为分片键，因大部分文档状态相同）。user_id哈希分片），提高横向扩展能力；分片后需监控各分片的负载（如sh.status()查看数据分布）。oplog大小（replication.oplogSizeMB），避免oplog过小导致同步延迟。db.reIndex()重建索引（优化索引碎片）；每月备份数据（使用mongodump+异地存储），确保数据安全。