MongoDB Ubuntu配置如何调整查询性能

1. 硬件基础优化

• 增加内存：MongoDB依赖内存缓存数据和索引，建议将物理内存的50%-80%分配给MongoDB（如16GB内存可分配8-12GB），优先满足WiredTiger存储引擎的缓存需求。
• 使用SSD：SSD的随机读写速度远高于HDD，可将磁盘I/O延迟降低50%以上，显著提升查询响应速度。
• 多核CPU：MongoDB是多线程架构，更多CPU核心能提高并发查询处理能力，建议选择4核及以上的CPU。

2. MongoDB配置文件调整（/etc/mongod.conf）

• 调整WiredTiger缓存大小：在storage.wiredTiger.engineConfig下设置cacheSizeGB，值为系统内存的50%-75%（如cacheSizeGB: 8）。此参数决定了MongoDB可用的内存缓存，直接影响查询性能。
• 开启慢查询分析：在operationProfiling下设置mode: "slowOp"，并指定slowOpThresholdMs（如slowOpThresholdMs: 100，单位毫秒）。慢查询日志会记录执行时间超过阈值的查询，帮助定位性能瓶颈。
• 优化网络设置：调整net.maxIncomingConnections（如maxIncomingConnections: 2000），根据应用并发需求增加最大入站连接数，避免连接数过多导致性能下降。

3. 索引优化

• 创建合适索引：为高频查询字段创建索引（如db.users.createIndex({email: 1})），单字段索引适用于简单查询；复合索引（如db.orders.createIndex({customer_id: 1, order_date: -1})）适用于多条件查询，能大幅提升范围查询和排序性能。
• 使用覆盖索引：确保查询的字段均在索引中（如db.products.find({category: "electronics"}, {name: 1, price: 1})），避免回表操作（从磁盘读取完整文档），减少I/O开销。可通过explain("executionStats")查看查询是否使用了覆盖索引。
• 避免过度索引：每增加一个索引都会增加写操作的开销（如插入、更新时需同步更新索引），定期审查索引（如db.users.getIndexes()），删除未使用或冗余的索引。
• 定期维护索引：使用reindex()命令重建碎片化索引（如db.large_collection.reIndex()），保持索引的高效性。

4. 查询语句优化

• 使用投影减少数据传输：仅返回需要的字段（如db.users.find({age: {$gt: 18}}, {name: 1, age: 1, _id: 0})），避免传输整个文档，降低网络带宽消耗。
• 分页处理大数据集：使用skip()和limit()实现分页（如db.products.find().skip(20).limit(10)），避免一次性返回大量数据导致内存溢出。
• 避免全表扫描：确保查询条件能利用索引（如db.users.find({email: "test@example.com"})，其中email有索引），可通过explain("executionStats")查看查询计划，确认是否使用了索引。
• 使用聚合管道优化复杂查询：将多个操作（如match、group、sort）组合成一个聚合管道（如db.sales.aggregate([{match: {year: 2024}}, {group: {_id: "$product", total: {$sum: "$amount"}}}])），减少中间结果的读写次数，提高查询效率。

5. 监控与诊断

• 使用内置工具监控性能：mongostat可实时查看数据库操作的QPS（每秒查询数）、延迟等指标；mongotop可查看各个集合的读写时间分布，快速定位慢查询集合。
• 分析慢查询日志：开启慢查询日志后，通过db.adminCommand({getLog: "slowops"})查看慢查询详情，结合explain()分析查询计划，优化慢查询语句。
• 第三方监控工具：使用Percona Monitoring and Management（PMM）或Prometheus+Grafana，实现更详细的性能监控（如内存使用、磁盘I/O、查询延迟趋势），帮助提前预警性能问题。

6. 分片与副本集优化（针对大规模数据）

• 分片（Sharding）：将数据分布在多个服务器上（如按user_id分片），提高查询和写入的横向扩展能力。适用于数据量超过单机内存容量的场景（如TB级数据）。
• 副本集（Replica Set）：配置多个副本节点（如3个节点），提高读取扩展性（将读请求分发到从节点），同时增强数据可靠性（自动故障转移）。