MongoDB在Linux上的性能调优有哪些方法

一、硬件资源优化

• 使用SSD存储：SSD的高IOPS（每秒输入/输出操作）和低延迟特性，能显著提升MongoDB的读写性能，尤其适合高并发、大数据量场景。
• 增加内存容量：内存是MongoDB缓存数据的关键资源，建议为服务器配置足够的内存（如16GB及以上），以减少磁盘I/O操作。
• 升级CPU性能：更快的CPU核心数和更高的时钟频率，能加快查询处理速度，应对复杂聚合、排序等操作。

二、操作系统层面调优

• 选择合适的文件系统：优先使用XFS（MongoDB官方推荐），其在高并发、大文件写入场景下性能优于ext4；ext4适合中小型部署。XFS需格式化时设置-n size=64k（优化命名空间块大小），挂载时添加noatime,nodiratime（禁用访问时间记录）等选项。
• 调整内核参数：
  • I/O调度器：设置为deadline（适合SSD），减少I/O等待时间；通过echo deadline | sudo tee /sys/block/sdX/queue/scheduler临时生效，修改/etc/udev/rules.d/60-scheduler.rules永久化。
  • 内存管理：设置vm.swappiness=5（降低swap使用，优先利用内存）、vm.dirty_ratio=10（脏页写入阈值）、vm.dirty_background_ratio=5（后台脏页写入比例）；通过sysctl -p使配置生效。
  • 透明大页面（THP）：禁用THP以避免内存分配延迟，执行echo never | sudo tee /sys/kernel/mm/transparent_hugepage/enabled及defrag，并添加到/etc/rc.local永久化。
• 调整文件句柄限制：编辑/etc/security/limits.conf，添加mongodb soft nofile 65536、mongodb hard nofile 65536等配置，提升MongoDB处理并发连接的能力。

三、MongoDB配置优化

• 调整WiredTiger缓存大小：在/etc/mongod.conf中设置storage.wiredTiger.engineConfig.cacheSizeGB，建议为系统总内存的50%-70%（如16GB内存设置为8GB-12GB），避免占用过多内存影响系统及其他应用。
• 优化网络配置：调整net.port（默认27017，可根据需求修改）、net.maxIncomingConnections（如设置为500，提升并发连接数），确保网络带宽充足。
• 启用日志功能：设置storage.journal.enabled=true（默认开启），保障数据一致性；对于写密集场景，可调整日志缓冲区大小（storage.journal.commitIntervalMs）以平衡性能与可靠性。

四、索引策略优化

• 创建合适的索引：为经常用于find、sort、aggregate的字段创建索引（如db.collection.createIndex({username: 1})），避免全表扫描。
• 使用复合索引：针对多条件查询（如{status: 1, createTime: -1}），创建复合索引提升查询效率；注意索引字段顺序（将选择性高的字段放在前面）。
• 覆盖索引：确保查询的字段均包含在索引中（如db.collection.find({status: 1}, {username: 1, _id: 0})），避免访问磁盘上的文档，减少I/O开销。
• 定期维护索引：使用db.collection.reIndex()重新构建碎片化索引，提升查询性能；通过db.collection.aggregate([{ $indexStats: {} }])分析索引使用情况，删除不再使用的索引。

五、查询语句优化

• 使用投影减少数据传输：通过find方法的第二个参数指定返回字段（如db.users.find({}, {username: 1, email: 1, _id: 0})），减少网络传输量和内存占用。
• 限制返回结果数量：使用limit()方法限制查询返回的文档数量（如db.users.find().limit(100)），避免一次性返回大量数据。
• 避免全表扫描：通过explain()方法分析查询计划（如db.users.find({username: "admin"}).explain("executionStats")），确保查询使用了索引；若未使用索引，调整索引或查询条件。
• 优化聚合管道：合理使用聚合管道（如$match放在前面过滤数据、$project减少字段），避免不必要的计算；对于大数据量聚合，考虑使用allowDiskUse: true（允许使用磁盘临时存储）。

六、分片与复制集部署

• 使用复制集提高可用性：部署3节点复制集（Primary+Secondary+Arbiter），实现数据冗余和故障自动转移，提升系统可靠性；复制集还能实现读写分离（将读请求分发到Secondary节点），减轻Primary节点压力。
• 使用分片集群扩展性能：对于超过单机内存或磁盘容量的数据集，部署分片集群（Sharded Cluster），将数据分散到多个分片（Shard）上；选择合适的分片键（如_id、时间戳或高频查询字段），避免数据倾斜（如避免使用单调递增的字段作为分片键）。

七、监控与诊断

• 使用内置工具监控：通过mongostat（监控操作速率，如读写次数、延迟）、mongotop（监控集合级别的读写时间）实时查看数据库性能；通过db.serverStatus()查看内存、连接、索引等详细信息。
• 使用第三方工具：采用Percona Monitoring and Management（PMM）、MongoDB Atlas（云监控）等工具，进行更全面的性能分析（如慢查询分析、资源使用趋势），及时发现并解决性能瓶颈。
• 定期分析慢查询：开启慢查询日志（operationProfiling.slowOpThresholdMs=100，单位毫秒），通过db.system.profile.find()查看慢查询详情，针对性优化索引或查询语句。