Linux上优化 MongoDB 查询速度的系统化方法
一 查询与索引优化
- 使用 explain(“executionStats”) 检查执行计划，重点关注 DocsExamined、KeysExamined、nReturned，目标是让查询尽量走索引、减少扫描量。
- 为高频查询字段建立合适的索引：单键索引、复合索引（最多支持32个键）、文本索引；等值条件放左、范围条件靠右；尽量设计能实现覆盖查询的索引（将查询与投影字段都包含在索引中，并注意默认返回的 _id 要么投影排除，要么加入索引）。
- 注意 Collation（排序规则）：若索引创建时指定了排序规则（如 locale: “fr”），查询也必须用相同的 collation 才能命中索引。
- 减少低效操作：避免对大文本使用无锚点的正则表达式（易引发全表扫描）；分页避免深翻页的 skip/limit，优先基于索引字段做游标分页（如 _id 或时间戳）。
- 精简返回结果：使用投影仅返回必要字段，降低网络与内存开销。
- 维护索引：定期清理冗余索引、合并可覆盖的复合索引，必要时重建碎片化严重的索引。
二 存储引擎与内存配置
- 使用 WiredTiger 存储引擎时，合理设置 storage.wiredTiger.engineConfig.cacheSizeGB，在内存允许的前提下尽量缓存热数据与索引，减少磁盘 I/O。
- 选择 SSD 替代 HDD，可显著降低查询与日志写入延迟；确保充足的磁盘空间与良好的 I/O 调度策略。
- 规划好 dbPath 所在磁盘的剩余空间与文件系统健康度，避免因空间不足或碎片导致性能劣化。
三 架构扩展与读写策略
- 部署 副本集 实现读写分离：将报表、统计等读多写少的查询路由到 secondary 节点，减轻主节点压力并提升并发读能力。
- 对超大规模数据或高并发查询，采用 分片 将数据水平切分到多个分片，结合合适的 分片键 让查询尽量在单个分片内完成，减少跨分片聚合与网络开销。
- 在分片集群中，若要实现覆盖查询，需将分片键包含在索引中。
四 Linux 系统层面优化
- 提升资源上限与并发能力：适当提高 文件描述符限制（ulimit -n），避免连接/文件句柄瓶颈。
- 选择适合大文件与高并发 I/O 的文件系统（如 XFS/Ext4），并使用合适的 RAID 级别（如 RAID10） 提升吞吐与可靠性。
- 结合监控工具（如 htop）观察 CPU、内存、I/O 使用情况，定位系统层瓶颈并联动数据库层优化。
五 监控与持续优化
- 启用并分析 慢查询日志，聚焦扫描量大的语句，围绕 DocsExamined/KeysExamined 设计或调整索引。
- 使用 mongostat、mongotop 观察实例级吞吐、锁等待与读写热点，配合应用侧指标定位问题。
- 必要时开启 Profiling（如 db.setProfilingLevel(2)），在测试或问题排查阶段捕获慢操作细节。
- 建立索引与查询的基线对比（执行时间、扫描量、命中率），每次变更后回归验证，避免“优化回退”。