一、索引优化：精准匹配查询需求
索引是MongoDB查询性能的核心支撑，需围绕查询模式设计高效索引结构。
db.collection.createIndex({user_id: 1})）、复合索引（多条件查询，如db.collection.createIndex({status: 1, create_time: -1})，注意将选择性高的字段放在前面）、多键索引（数组字段，如tags）、文本索引（全文搜索）或地理空间索引（地理位置查询）。db.collection.find({user_id: 1}, {user_id: 1, _id: 0})），MongoDB可直接从索引返回结果，无需访问实际文档，显著降低磁盘IO。db.collection.getIndexes()审查索引，删除未使用或冗余的索引（可通过$indexStats聚合查看索引使用频率）。status字段有“active”“inactive”两种值，create_time有大量重复值，则顺序应为{status: 1, create_time: -1}）。二、查询语句优化：减少不必要的开销
查询语句的写法直接影响性能，需遵循“最小化返回、精准过滤”的原则。
limit()方法避免一次性返回大量数据（如db.collection.find().limit(100)），减少网络传输和客户端处理压力。db.collection.find({}, {name: 1, age: 1, _id: 0})），避免传输整个文档（默认包含_id字段，需显式排除）。explain()方法分析查询计划（如db.collection.find({user_id: 1}).explain("executionStats")），确认是否使用了索引（winningPlan中的stage应为IXSCAN而非COLLSCAN）。$where会执行JavaScript代码，无法利用索引，性能远低于普通查询条件（如db.collection.find({$where: "this.age > 18"})应改为db.collection.find({age: {$gt: 18}})）。skip(10000).limit(10)），可使用基于游标的分页（记录上一页最后一条记录的_id，下次查询find({_id: {$gt: last_id}}).limit(10)），避免skip的性能衰减。三、配置优化：适配硬件与业务需求
合理的配置能最大化利用服务器资源，提升查询效率。
storage.wiredTiger.engineConfig.cacheSizeGB参数应设置为系统总内存的50%-75%（如16GB内存可设为8-12GB），确保常用数据和索引保留在内存中，减少磁盘IO。systemLog.verbosity: 0）可减少日志写入频率，但需平衡故障排查需求；启用日志压缩（systemLog.logAppend: true）可减少日志文件大小。net.maxIncomingConnections参数应根据并发连接数调整（如设置为1000），避免连接过多导致资源耗尽；net.port设置为合理的端口（默认27017），避免与其他服务冲突。operationProfiling.mode: "slowOp"可记录慢查询（默认阈值100ms），通过db.currentOp()查看慢查询详情，针对性优化。四、硬件优化：提升基础性能
硬件是性能的基础，需根据业务规模选择合适的配置。
五、分片与复制集：水平扩展与高可用
对于大规模数据或高并发场景，需通过分片和复制集提升性能。
user_id，需具备高基数和均匀分布特性），避免数据倾斜（如某个分片数据量远大于其他分片）。六、监控与维护：持续优化性能
定期监控和维护能及时发现性能瓶颈，保持系统稳定。
mongostat可实时查看查询、插入、更新等操作的QPS（每秒查询数）和延迟；mongotop可查看集合级别的读写时间分布（如mongotop 10表示每10秒刷新一次）。operationProfiling.slowOpThresholdMs: 100），定期分析慢查询（如db.system.profile.find().sort({ts: -1}).limit(10)），找出性能瓶颈（如未使用索引、全表扫描）。db.collection.validate()可查看碎片率），使用db.collection.reIndex()重建索引，优化索引性能。db.collection.remove({create_time: {$lt: ISODate("2025-07-01")}})）。
