Debian下MongoDB性能调优指南

1. 硬件基础优化

性能调优的前提是具备合适的硬件资源，需优先满足以下要求：

内存：MongoDB依赖内存缓存数据和索引，建议分配**系统物理内存的50%-80%**给WiredTiger存储引擎（通过storage.wiredTiger.engineConfig.cacheSizeGB参数配置），避免内存不足导致频繁磁盘交换。
存储：使用SSD替代传统HDD，显著提升I/O性能（如随机读写速度），尤其适合高并发场景。
CPU：选择多核处理器（如Intel至强系列），提高并发处理能力，应对大量读写请求。

编辑/etc/mongod.conf（MongoDB主配置文件），调整关键参数以匹配业务需求：

存储引擎配置：
确保使用WiredTiger引擎（默认），并设置缓存大小（如cacheSizeGB: 4，根据服务器内存调整）；启用集合压缩（如blockCompressor: snappy），减少磁盘占用并提升I/O效率。
网络配置：
绑定IP至0.0.0.0（允许远程访问，生产环境需限制可信IP）；调整maxIncomingConnections（如1000），适应高并发连接场景。
副本集配置：
若需高可用性，添加replication.replSetName: "rs0"，后续通过rs.initiate()初始化副本集，提升读取性能和数据冗余。

索引是MongoDB性能的核心，需遵循以下原则：

创建合适索引：为高频查询字段（如username、email）创建单字段索引（db.users.createIndex({ username: 1 })）；对多字段联合查询（如name+age）创建复合索引（db.users.createIndex({ name: 1, age: 1 })）。
避免过度索引：每个索引都会增加写操作（插入、更新、删除）的开销，定期通过db.collection.getIndexes()检查并删除未使用的索引。
使用覆盖索引：若查询所需字段均包含在索引中（如db.users.find({ username: 1 }, { username: 1, _id: 0 })），MongoDB可直接从索引获取数据，无需访问实际文档，大幅提升查询速度。
分析查询计划：通过explain("executionStats")（如db.users.find({ username: "admin" }).explain("executionStats")）查看索引使用情况，识别未走索引的查询并优化。

优化查询语句可减少资源消耗，提升响应速度：

精简查询条件：避免使用$where、$regex等低效操作符，尽量使用精确匹配（如{ age: 25 }）或范围查询（如{ age: { $gt: 18 } }）。
使用投影：通过projection参数限制返回字段（如db.users.find({}, { username: 1, email: 1, _id: 0 })），避免返回不必要的数据（如_id），减少网络传输量。
避免全表扫描：确保查询条件能命中索引，避免使用大范围查询（如{ age: { $lt: 0 } }）或无索引字段查询。
批量操作：使用bulkWrite()替代单条插入/更新（如db.users.bulkWrite([{ insertOne: { document: { name: "Alice" } } }, { updateOne: { filter: { name: "Bob" }, update: { $set: { age: 30 } } } }])），减少网络往返次数，提升吞吐量。

内存是MongoDB的性能瓶颈之一，需合理配置：

调整WiredTiger缓存：根据服务器内存设置storage.wiredTiger.engineConfig.cacheSizeGB（如4GB内存服务器可设为2-3GB），确保缓存足够容纳热点数据和索引。
启用数据压缩：通过storage.wiredTiger.collectionConfig.blockCompressor选择压缩算法（snappy、zlib或lz4），snappy为默认选项（平衡压缩率与性能），zlib压缩率更高但消耗更多CPU。
避免内存碎片：定期执行compact命令（如db.runCommand({ compact: 'users' })）整理数据文件，回收未使用的空间；对于严重碎片化的集合，可使用repairDatabase修复。

对于大规模数据或高并发场景，需通过架构扩展提升性能：

读写分离：配置副本集（replication.replSetName），将读操作指向secondary节点（通过readPreference: "secondaryPreferred"），减轻主节点压力，提升读取性能。
分片集群：对超大规模数据集（如TB级），使用分片（sh.enableSharding("mydb")）将数据分散到多个服务器，水平扩展存储和计算能力；选择合适的分片键（如user_id），避免数据倾斜。
副本集配置：至少部署3个节点（1主2从），提升数据冗余和故障恢复能力；定期检查副本集状态（rs.status()），确保同步正常。

持续监控是性能调优的重要环节，需定期执行以下操作：

使用自带工具：通过mongostat（监控每秒查询次数、插入/更新/删除操作数）和mongotop（查看热点集合的读写时间）实时监控性能；通过db.currentOp()查看当前正在执行的操作，识别慢操作。
分析慢查询：开启慢查询日志（systemLog.slowQueryLog: true，systemLog.slowQueryThresholdMs: 100），通过explain()分析慢查询的执行计划，优化索引或查询语句。
定期维护：每周执行reIndex()重建碎片化索引；每月执行repairDatabase修复数据文件；定期备份数据（使用mongodump），确保数据安全。