centos中mongodb性能如何优化

CentOS环境下MongoDB性能优化指南

内存：MongoDB依赖内存缓存数据和索引，建议分配服务器总内存的**50%~80%**给WiredTiger存储引擎（通过storage.wiredTiger.engineConfig.cacheSizeGB配置）。例如，8GB内存服务器可设置cacheSizeGB: 6，确保热点数据常驻内存，减少磁盘I/O。
磁盘：优先使用SSD（如NVMe SSD），其高IOPS和低延迟能显著提升读写性能。避免使用机械硬盘（HDD），尤其是对于高并发写入场景。
CPU：选择多核处理器（如Intel至强系列），MongoDB是CPU密集型应用，并发处理能力随核心数增加而提升。建议至少4核以上，可根据业务规模扩展。

关闭透明大页（THP）：THP会导致内存分配延迟，影响MongoDB性能。执行以下命令永久关闭：
```
echo never | sudo tee /sys/kernel/mm/transparent_hugepage/enabled
echo never | sudo tee /sys/kernel/mm/transparent_hugepage/defrag
```
并在/etc/rc.local中添加上述命令，确保重启后生效。
调整文件描述符限制：MongoDB需要大量文件描述符处理客户端连接和数据文件。修改/etc/security/limits.conf，添加：
```
mongod soft nofiles 64000
mongod hard nofiles 64000
mongod soft nproc 64000
mongod hard nproc 64000
```
同时修改/etc/systemd/system/mongod.service.d/override.conf（若使用systemd），添加：
```
[Service]
LimitNOFILE=64000
LimitNPROC=64000
```
重启systemd和mongod使配置生效。
优化内核参数：调整TCP参数减少连接开销，编辑/etc/sysctl.conf：
```
net.ipv4.tcp_tw_reuse = 1
net.ipv4.tcp_fin_timeout = 30
fs.file-max = 100000
```
执行sysctl -p使配置生效。

使用WiredTiger存储引擎：WiredTiger是MongoDB默认的高性能存储引擎，支持压缩和更高效的内存管理。确保配置文件中storage.engine: wiredTiger。
调整WiredTiger缓存大小：根据服务器内存设置storage.wiredTiger.engineConfig.cacheSizeGB（如6GB），避免占用过多内存导致系统交换（swap）。
优化网络配置：增加net.maxIncomingConnections（如5000）以支持更多并发连接；开启tcpNoDelay（net.socketOptions.tcpNoDelay: true）减少网络延迟；设置keepAlive（net.socketOptions.keepAlive: 1）避免连接超时。
日志与慢查询监控：开启操作分析捕获慢查询，配置operationProfiling.mode: slowOp，并设置slowOpThresholdMs: 100（阈值可根据业务调整）。日志路径通过systemLog.path指定，启用logAppend: true避免日志覆盖。

创建合适索引：为高频查询字段（如user_id、created_at）创建索引，使用db.collection.createIndex({field: 1})（1表示升序，-1表示降序）。例如，为文章标题创建索引：db.articles.createIndex({title: 1})。
使用复合索引：针对多字段查询（如{user_id: 1, created_at: -1}），复合索引能减少索引数量，提高查询效率。注意字段顺序，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，避免回表操作。例如，若查询只需title和author字段，可创建索引db.articles.createIndex({title: 1, author: 1})，并使用投影{title: 1, author: 1, _id: 0}。
定期维护索引：使用db.collection.reIndex()重建碎片化索引，提升查询性能；通过db.collection.stats()监控索引大小和使用情况，删除未使用的索引。

优化查询语句：避免全表扫描，确保查询条件能利用索引（使用explain("executionStats")分析执行计划）；减少不必要的字段返回，使用投影（如{title: 1, _id: 0}）降低数据传输量。
使用分页查询：对于大数据集，使用skip()和limit()分页（如db.articles.find().skip(10).limit(5)），避免一次性返回过多数据导致内存溢出。
避免$or查询：$or查询可能导致索引失效，尽量改用$in或拆分查询。例如，将{status: {$or: ["active", "pending"]}}改为{status: {$in: ["active", "pending"]}}。
批量操作：使用insertMany()、updateMany()代替循环的单条操作，减少网络往返次数，提高写入效率。

副本集：配置副本集（replication.replSetName）提升读取性能和高可用性。将读操作分流到从节点（readPreference: secondary），减轻主节点压力。
分片集群：对于TB级数据或高并发场景，使用分片（sharding.clusterRole）将数据水平切分到多个分片。选择合适的分片键（如user_id），避免热点问题（如单调递增的分片键会导致写入集中）。

内置工具：使用mongostat监控每秒操作数、读写延迟；mongotop查看集合级别的读写时间分布；explain()分析查询执行计划。
第三方工具：部署Prometheus+Grafana监控集群状态（如CPU、内存、磁盘I/O、连接数）；使用MongoDB Atlas Performance Dashboard（云服务）进行可视化分析。
慢查询分析：定期检查慢查询日志（operationProfiling.slowOpThresholdMs设置阈值），优化高频慢查询，避免性能瓶颈。

最新问答