硬件是性能的基础，需优先满足以下要求：
storage.wiredTiger.engineConfig.cacheSizeGB配置）。例如，16GB内存服务器可设置缓存为8-11GB。vm.swappiness：降低系统使用交换空间的倾向（设为10或更低），避免内存不足时频繁换页导致性能下降。执行echo 10 | sudo tee /proc/sys/vm/swappiness，并添加到/etc/sysctl.conf持久化。transparent_hugepage：MongoDB对透明大页的支持不佳，禁用后可减少内存管理开销。执行echo never | sudo tee /sys/kernel/mm/transparent_hugepage/enabled，并添加到启动脚本（如/etc/rc.local）。noatime选项（减少文件访问时间更新）。-i size=512），避免inode耗尽导致无法创建文件。/etc/sysctl.conf中添加net.core.rmem_max=16777216（接收缓冲区）和net.core.wmem_max=16777216（发送缓冲区），提升网络吞吐量。在/etc/mongod.conf中调整storage.wiredTiger.engineConfig.cacheSizeGB，根据服务器内存分配合理值（如8GB内存设为5-6GB）。修改后需重启服务生效。
storage.journal.enabled=true（默认开启），保障数据一致性（尤其在崩溃恢复时）。systemLog.logRotate为reopen（默认），并通过logappend=true保留日志，避免频繁切换日志文件。根据客户端数量调整net.maxIncomingConnections（默认10000），避免连接数过多导致资源耗尽。例如，100个并发客户端可设置为2000。
find、sort、aggregate常用字段创建索引（如db.collection.createIndex({user_id: 1})）。{status: 1, create_time: -1}），将选择性高的字段（如status）放在前面，提升查询效率。db.collection.find({user_id: 1}, {name: 1, age: 1}).explain()显示“IXSCAN”阶段未访问文档），减少磁盘IO。每个索引会增加写操作（插入、更新、删除）的开销（约10%-20%性能损耗），定期通过db.collection.getIndexes()审查索引，删除未使用的索引（如db.collection.dropIndex("index_name")）。
db.collection.reIndex()（如每月一次），整理碎片化索引，提升查询速度。db.collection.dropIndex("index_name")暂时禁用索引，插入完成后再重建，减少索引维护开销。查询时仅返回所需字段（如db.collection.find({}, {name: 1, age: 1, _id: 0})），减少数据传输量和内存占用。
使用limit()方法限制返回的文档数量（如db.collection.find().limit(100)），避免一次性返回大量数据导致内存溢出。
通过explain()方法分析查询计划（如db.collection.find({user_id: 1}).explain("executionStats")），确保查询使用了索引（winningPlan.stage为“IXSCAN”而非“COLLSCAN”）。
$match、$group阶段，减少数据处理次数。$match阶段使用索引字段（如db.collection.aggregate([{ $match: {status: "active"} }, { $group: { _id: "$department", count: { $sum: 1 } } }])），提升聚合效率。对于TB级数据或高并发写入场景，使用分片将数据分散到多个节点（如按user_id分片），提升读写性能。需注意：
user_id而非create_time）。sh.shardCollection("db.collection", {user_id: "hashed"})）。通过复制集（如3个节点）提高数据可用性，读操作可分发到从节点，减轻主节点压力。需配置replication.replSetName（如rs.initiate()初始化复制集）。
mongostat --host localhost --port 27017）。mongotop --host localhost --port 27017）。开启慢查询日志（operationProfiling.slowOpThresholdMs=100，单位毫秒），通过db.system.profile.find()分析慢查询，针对性优化。
使用Prometheus+Grafana搭建可视化监控平台，实时监控MongoDB的内存、CPU、磁盘I/O等指标，及时发现性能瓶颈。
