MongoDB 在 Linux 上的查询性能优化指南
一 索引与查询优化
- 用 explain(“executionStats”) 检查执行计划，优先消除 COLLSCAN（全表扫描），关注 DocsExamined / KeysExamined 与返回条数 nReturned 的比值，理想状态是三者接近且尽可能小。
- 设计复合索引遵循 ESR 规则（Equality, Sort, Range）；等值条件放最左，排序字段居中，范围字段放右；多键组合查询尽量复用同一复合索引。
- 尽量实现 覆盖查询（Covered Query）：将查询与投影字段全部放入索引，并确保不返回默认 _id（或把 _id 也加入索引）；在分片集群中，覆盖查询通常还需包含 分片键。
- 消除低效操作与写法：避免或谨慎使用 $where、 $exists、 $ne、 $not、 $nin 等易退化为全表扫描的操作符；能用 $in 替代的尽量不用 $or；分页避免大偏移，优先基于索引键的 seek 或 reverse sort + limit。
- 精简返回结果：只查需要的字段（投影），并使用 limit() 控制返回量，降低网络与内存压力。
二 存储与内存配置
- 使用 SSD / NVMe 替代 HDD，可显著缩短 I/O 等待；为数据文件选择 XFS/Ext4 等适合大文件的文件系统；阵列优先考虑 RAID10 兼顾吞吐与可靠性。
- 合理设置 WiredTiger 缓存：例如将 wiredTigerCacheSizeGB 设为物理内存的约 50%–60%（需结合实例角色与系统其余内存综合评估），避免与操作系统 page cache “争抢”。
- 优化磁盘访问：为数据盘设置较小的 readahead（如 32），减少随机访问时的无效预读；挂载数据盘时使用 noatime 降低元数据写开销。
- 控制检查点压力：在写入密集场景，适当增大 WiredTiger 检查点间隔（checkpoint_wait_time） 与 eviction 线程数，减少用户线程参与 evict 导致的抖动。
三 Linux 内核与系统参数
- 提升资源上限：将 文件描述符 提升至至少 64000（如 ulimit -n 64000），并相应提高进程/线程数限制，避免连接与文件瓶颈。
- 缓解内存回收抖动：适度降低 vm.swappiness（如 10），并调小 vm.dirty_background_ratio / vm.dirty_ratio（如 5 / 10），减少突发写放大对前台请求的影响。
- NUMA 架构建议：在 NUMA 主机上优先采用 interleaved/memory interleaving 或“禁止 NUMA”策略，降低跨 NUMA 访问延迟。
- 时间同步：部署 NTP 保证副本集/分片集群节点间时间一致性，避免选举与因果一致性异常。
四 监控与诊断工具
- 实时观察数据库负载：使用 mongostat 查看 insert/query/update/delete、qr/qw、conn、page_faults 等关键指标，快速定位异常波动。
- 定位慢查询：启用 Profiler（db.setProfilingLevel(1/2)），在 system.profile 中分析高耗时操作；结合 慢日志 中的 COLLSCAN、DocsExamined、KeysExamined、SORT 等关键字定位瓶颈。
- 系统层面排查：用 top/htop 观察 CPU/内存，iostat -x 1 检查磁盘 await、svctm、util，确认是否存在 I/O 饱和或 CPU 争用。
五 架构扩展与读写分离
- 水平扩展：当单实例容量或并发成为瓶颈时，引入 分片（Sharding），按 分片键 均匀分布查询与写入压力。
- 读写分离：在 副本集 场景下将报表/统计类读请求路由到 secondary 节点，减轻 primary 负载并提升整体吞吐。
- 连接治理：在驱动端配置合理的 连接池大小（poolSize） 与超时，避免连接风暴与线程上下文切换过载。