MongoDB在CentOS中如何进行性能调优

MongoDB 在 CentOS 的性能调优指南

一 系统层优化

• 资源与 I/O
  • 使用SSD/NVMe，为数据盘设置noatime（如：/dev/xvdb /data ext4 noatime 0 0），降低元数据写入开销。
  • 调整 I/O 调度器（SSD 推荐 none/noop 或 mq-deadline）：echo noop > /sys/block/sdX/queue/scheduler（按实际盘符替换 sdX）。
• 内存与虚拟内存
  • 降低换页倾向：设置 vm.swappiness=10；必要时设置 vm.overcommit_memory=2，减少内存过度承诺带来的抖动。
• 文件句柄与进程数
  • 提升软/硬限制（示例：nofile 64000、nproc 64000），并在 systemd 服务中同步配置 LimitNOFILE/LimitNPROC，避免连接/文件瓶颈。
• 透明大页（THP）
  • 禁用 THP（建议仅在数据库专用节点执行）：echo never > /sys/kernel/mm/transparent_hugepage/enabled && echo never > /sys/kernel/mm/transparent_hugepage/defrag，并配置到启动项持久化。
    以上措施可显著降低 I/O 等待、提升内存命中率并减少长尾延迟。

二 存储引擎与缓存配置

• 引擎选择
  • 优先使用 WiredTiger（默认），在并发与压缩上优于 MMAPv1，适合大多数工作负载。
• 缓存大小
  • 设置 WiredTiger 缓存为物理内存的50%–75%（示例：cacheSizeGB 根据内存调整），避免与操作系统 page cache“抢内存”。
• 压缩策略
  • 选择 snappy（平衡 CPU 与压缩率）或 zlib（更高压缩率、更高 CPU），依据 CPU 余量与存储成本权衡。
• 日志与持久化
  • 保持 journal.enabled: true；根据写负载调整 journal.commitIntervalMs（如 100ms 附近）以在吞吐与持久性间平衡。
    合理设置缓存与压缩能显著提升吞吐与降低延迟，同时避免 journal 过于频繁提交造成写放大。

三 索引与查询优化

• 索引设计
  • 为高频查询路径建立单字段/复合索引，遵循最左前缀；尽量使用覆盖索引减少回表；避免冗余与过度索引（写放大）。
• 查询写法
  • 使用投影仅返回必要字段；避免大范围无索引扫描；大数据集分页建议使用基于游标的分页（如利用 _id 或时间戳），谨慎使用 skip/limit 深翻页。
• 执行计划与慢查询
  • 使用 explain(“executionStats”) 分析扫描方式（COLLSCAN/IXSCAN）与执行成本；结合 profiling 与慢查询日志定位问题查询并加索引/改写。
    索引与查询优化是“低成本高回报”的调优手段，优先排查全表扫描与低效聚合。

四 部署架构与复制分片

• 副本集
  • 至少3 节点部署，读写分离（将读请求路由到 secondary），提升读吞吐与可用性。
• 分片
  • 选择高基数、低更新频率、利于范围查询的分片键，避免热点与数据倾斜；合理规划分片数量与节点规格，结合 balancer 窗口控制迁移影响。
• 写关注与读关注
  • 依据业务一致性要求调整 writeConcern/readConcern，在性能与可靠性间取得平衡（如非关键路径可降低 writeConcern 的 w: 值）。
    通过副本集与分片实现水平扩展与负载分摊，是应对数据量与并发增长的长期方案。

五 监控与维护

• 实时监控
  • 使用 mongostat（吞吐、连接、锁等）与 mongotop（集合级读写耗时）做日常巡检；结合 Prometheus + Grafana 搭建可视化监控与告警。
• 参数与内存调优
  • 结合负载调整内存相关参数，如 internalQueryExecMaxBlockingSortBytes、internalQueryExecMaxMemoryUsageMB，缓解排序/聚合内存瓶颈。
• 日志与维护
  • 启用日志轮转，防止日志无限增长；对高写入/更新场景定期评估并重建碎片化严重的索引（reIndex），清理无用数据降低空间占用。
    持续监控+针对性维护能快速发现瓶颈并固化优化成果，形成闭环。