Linux上提升 MongoDB 查询效率的实用清单
一 硬件与操作系统层优化
- 使用SSD/NVMe承载数据目录（storage.dbPath），其随机 I/O 能力远优于 HDD，可显著缩短查询与聚合的响应时间。
- 选择XFS等适合高并发与大文件的文件系统，挂载时启用noatime以减少元数据更新开销。
- 合理规划内存：MongoDB 查询性能高度依赖工作集能否常驻内存；WiredTiger 缓存建议设置为物理内存的50%–70%（需为系统与其他进程预留足够内存）。
- 调整内核参数以降低换页与提升稳定性：将vm.swappiness调低（如10或更低），必要时设置vm.overcommit_memory=1；同时提升文件描述符与进程/线程数限制，避免连接与文件句柄瓶颈。
二 存储引擎与数据库配置
- 在 /etc/mongod.conf 中优化 WiredTiger 缓存：
storage.wiredTiger.engineConfig.cacheSizeGB: 建议为内存的50%–70%（例如16GB内存可先设为8GB，再按命中率微调）。
- 开启并合理设置慢查询分析：
operationProfiling: { mode: “slowOp”, slowOpThresholdMs: 100 }，便于持续发现与优化慢查询。
- 网络与连接：根据并发需求调整net.maxIncomingConnections（默认65536），避免连接排队；合理设置监听地址与端口，确保网络带宽与延迟满足业务。
- 副本集与分片：通过副本集将读请求分发到从节点以提升读扩展；当单集合数据量或并发查询压力过大时，按业务键选择分片键进行水平拆分。
三 索引与查询优化
- 为高频出现在 query/filter、sort、agg 中的字段建立单字段/复合索引；复合索引遵循ESR 规则（等值→排序→范围），例如条件 {a:1, b:1} 且排序 {c:-1}，建议索引 {a:1, b:1, c:-1}。
- 优先设计覆盖索引，让查询所需字段全部包含在索引中，避免“回表”访问文档。
- 使用投影仅返回必要字段，减少网络与内存开销；用limit限制返回条数，避免一次性拉取海量数据。
- 用explain(“executionStats”)检查执行计划，避免出现COLLSCAN；对大偏移分页，避免深分页的 skip/limit，改用基于索引的范围查询（如利用有序字段的 gt/lt 继续下一页）。
- 避免无法使用索引的正则（如以通配符开头的 /lice/）；尽量使用批量操作（bulkWrite/insertMany/updateMany）减少网络往返。
四 监控与维护
- 使用内置工具持续观测：mongostat查看操作速率、延迟与队列，mongotop按集合观察读写耗时，快速定位热点与瓶颈。
- 定期分析慢查询（profile 集合或日志），结合执行计划持续优化索引与查询。
- 维护索引健康：删除未使用/低效索引，必要时在低峰期执行reIndex或 compact 整理碎片（注意 compact 会阻塞写入，谨慎操作）。
- 保持 MongoDB 版本更新至稳定版，以获取存储引擎与查询优化器改进。
五 落地顺序与关键指标
- 基线评估：用mongostat/mongotop与慢查询日志建立性能基线（QPS、P95/P99 延迟、working set 命中情况）。
- 快速收益：添加/改写索引实现覆盖查询，并规范查询写法（投影、limit、避免深分页与低效正则）。
- 配置调优：按内存与工作集设置cacheSizeGB，开启慢查询；检查连接数是否成为瓶颈。
- 架构扩展：读压力大时用副本集读扩展，数据/并发持续增长时按业务键分片。
- 持续验证：每次变更后复核执行计划与关键指标，确保优化有效且未引入回归。
