Linux MongoDB性能调优技巧

Linux 上 MongoDB 性能调优要点

一 系统层面优化

• 文件描述符与进程数：将 open files 与 nproc 提升到高位（如 1048576/524288），持久化到 /etc/security/limits.conf，避免 “too many open files/connections”。
• 线程栈与连接内存：适度降低 ulimit -s（如 1024 KB）以减少每个连接栈占用；连接越多，内存与上下文切换开销越大。
• 透明大页 THP：MongoDB 随机小 I/O 较多，建议关闭 Transparent Huge Pages（/sys/kernel/mm/transparent_hugepage/{enabled,defrag} 设为 never）。
• 文件系统与挂载：WiredTiger 推荐 XFS，并挂载 noatime,nodiratime 减少元数据写入。
• 预读 readahead：随机访问场景建议将设备预读调小（如 blockdev --setra 32 /dev/sdX）。
• NUMA：NUMA 架构下建议禁用或绑定 NUMA，避免跨节点访问带来的性能劣化。
• 时间同步：副本集/分片依赖时钟一致性，部署 NTP 保证节点间时间误差在可接受范围。

二 存储引擎与缓存调优

• WiredTiger 缓存大小：将 storage.wiredTiger.engineConfig.cacheSizeGB 设为能容纳业务“工作集”的大小，通常约为内存的 40%–60%；容器/共享环境需手动限制，避免 OOM。
• 监控与阈值：通过 db.serverStatus().wiredTiger.cache 观察，若 cache used ≥ 95% 或 dirty ≥ 20% 会触发更激进的淘汰，用户线程可能参与，表现为延迟上升；必要时提升内存规格或调大后台淘汰线程。
• 后台淘汰线程：副本集 4.0+ 可调 wiredTigerEngineRuntimeConfig: eviction=(threads_max=8,threads_min=4)（默认 4/1）。
• 压缩策略：集合数据压缩 storage.wiredTiger.collectionConfig.blockCompressor 常用 snappy/zstd（写密集优先 snappy，读密集/存储紧张优先 zstd）；网络压缩 net.compression.compressors 建议包含 zstd/snappy，在云环境/跨机房收益明显。
• 目录隔离：开启 storage.directoryPerDB 与 storage.wiredTiger.engineConfig.directoryForIndexes，将多库/索引与数据分离，缓解 I/O 争用（单盘收益有限）。

三 索引与查询优化

• 索引类型选择：按场景使用 单键、复合、文本、地理空间、哈希 索引；等值/范围/排序优先 B-Tree。
• 复合索引设计：遵循 ESR 规则（Equality, Sort, Range）；等值字段放左，范围/排序靠右；避免重复/包含关系导致的冗余索引。
• 覆盖查询：让返回字段全部落在索引中，并用 explain(“executionStats”) 验证 totalDocsExamined=0；分片集群需把 分片键 纳入索引。
• 排序与内存：避免大数据集内存排序，尽量用索引排序；必要时增加合适索引或改写查询。
• 执行计划与慢日志：关注 COLLSCAN、IXSCAN、DocsExamined、KeysExamined；用 explain 与慢日志定位缺失/低效索引并优化。
• 字符串比较与排序规则：查询与索引的 collation 需一致，否则无法使用该索引做字符串比较。

四 连接与内存回收

• 连接与内存：每个连接对应请求线程，线程栈通常最多 1 MB；大量连接会放大内存与调度开销。
• 连接数建议：驱动默认连接池约 100；多客户端场景建议将全库长连接总量控制在 ≤1000，并合理设置客户端连接池大小。
• tcmalloc 回收：若内存使用率长期偏高，可开启 tcmallocAggressiveMemoryDecommit=1 并渐进调大 tcmallocReleaseRate（1→3→5） 以加速归还内存至操作系统（低峰期调整）。
• 观察指标：用 db.serverStatus().tcmalloc 查看 Bytes in use by application 与 Bytes in page heap freelist，判断应用占用与未归还内存。

五 监控与容量规划

• 工具与指标：用 mongostat、mongotop 观察吞吐、锁、I/O 与热点集合；结合 db.serverStatus() 深入分析引擎缓存、tcmalloc、连接与执行统计。
• 存储与 I/O：优先 SSD；多库/多业务共享实例时，结合 directoryPerDB/index 分离 与多磁盘/卷做 I/O 隔离；合理设置 readahead 与文件系统挂载参数。
• 扩展策略：读压力大可用 副本集读从 分担；数据/写入规模大时引入 分片 横向扩展。
• 变更流程：任何参数调整先在测试环境验证，遵循“小步变更—回滚预案—低峰期执行—持续监控”的闭环。