1. 索引优化：精准创建与高效使用
索引是提升MongoDB查询速度的核心手段。首先，为高频查询字段创建单字段索引，例如经常按userid查询的交易数据，可执行db.transactions.createIndex({ userid: 1 })；对于多条件查询（如同时按name和age筛选），创建复合索引并注意字段顺序——将筛选频率高或选择性强的字段放在前面，如db.users.createIndex({ name: 1, age: 1 })。其次，利用覆盖索引减少IO：确保查询的字段全部包含在索引中，避免访问实际文档（例如db.collection.find({ field1: 1 }, { field1: 1, field2: 1 }).explain("executionStats")中，若winningPlan显示使用了覆盖索引，则查询效率更高）。此外，定期维护索引：通过db.collection.reIndex()重建碎片化索引，删除不再使用的索引（用db.collection.getIndexes()查看现有索引，避免过多索引占用内存和降低写入性能）。
2. 查询语句优化：减少不必要的开销
优化查询语句可直接降低数据库负载。使用explain()分析查询计划：对慢查询执行db.collection.find(query).explain("executionStats")，重点关注executionTimeMillis（执行时间）、winningPlan（执行计划）和usedIndexes（使用的索引），判断是否命中索引。限制返回结果：用limit()减少数据传输量，例如db.users.find({}, { name: 1, email: 1 }).limit(10)仅返回10条记录的name和email字段。避免全表扫描：确保查询条件能利用索引，例如不要在未索引的字段上使用范围查询（如age: { $gt: 18 }），若该字段无索引，会遍历整个集合。优化分页查询：高频率分页时，避免使用skip()（性能随页数增加而下降），改用_id字段分页——记录上一页最后一条记录的_id，下一页查询{ _id: { $gt: lastId } }，大幅提升效率。
3. 硬件与配置优化：提升基础性能
硬件配置是查询速度的基础保障。使用SSD替代HDD：SSD的随机读写速度远高于HDD，能显著减少磁盘IO延迟。增加内存：MongoDB使用内存映射文件存储数据，更多的内存可缓存常用索引和数据（例如将wiredTiger缓存大小设置为物理内存的50%-70%，通过/etc/mongod.conf中的storage.wiredTiger.engineConfig.cacheSizeGB调整），减少磁盘访问次数。调整配置参数：在/etc/mongod.conf中优化以下参数——systemLog.destination: file（记录日志到文件，便于排查问题）、net.port: 27017（默认端口，可根据需求修改）、replication.replSetName（若使用副本集，设置副本集名称）。
4. 分片与复制集：水平扩展与高可用
对于大规模数据集，分片是提升查询性能的关键。通过sh.enableSharding("databaseName")启用分片，选择合适的分片键（如userid）并按该键分片（sh.shardCollection("databaseName.collectionName", { userid: 1 })），将数据分布到多个服务器，实现并行查询。复制集可提高读取性能：配置多个副本节点（replication.replSetName: "rs0"），将读请求分发到从节点（db.collection.find().readPref("secondary")），减轻主节点压力。
5. 监控与持续优化：动态调整策略
持续监控数据库性能是优化的前提。使用内置工具：mongostat（实时查看每秒查询次数、插入/更新/删除操作数）、mongotop（查看集合级别的读写时间分布），快速定位性能瓶颈。使用第三方工具：如Prometheus+Grafana（可视化监控内存、CPU、磁盘IO等指标）、Percona Monitoring and Management（PMM，提供详细的MongoDB性能分析），深入排查慢查询和资源瓶颈。定期分析查询模式：根据业务变化调整索引策略（如新增查询字段时及时创建索引），确保索引与查询需求匹配。
