最佳实践：避免常见的 MongoDB 性能陷阱

MongoDB 性能陷阱通常从小处开始：一个无界数组、一个缺失的复合索引，或者一个扫描了远超预期文档的仪表盘查询。随着数据增长，这些选择可能演变成页面缓慢、CPU 高负载和痛苦的维护窗口。

将本指南作为模式设计、索引、查询形态和运维习惯的检查清单。

1. 模式设计：性能的基础

性能调优在编写第一个查询之前就开始了。数据的组织方式直接影响读写效率。

限制文档大小并防止膨胀

MongoDB 文档有 16 MB 的 BSON 文档大小限制。对于热操作数据，通常应远低于此限制。非常大的文档会消耗更多内存、需要更多网络带宽，并使更新成本更高。

最佳实践：保持文档聚焦

设计文档仅包含最必要、最常访问的数据。对于很少与父文档一起需要的大型数组或相关实体，使用引用。

陷阱： 将大量历史日志或大型二进制文件（如高分辨率图像）直接存储在操作文档中。

嵌入与引用的权衡

决定是嵌入（将相关数据存储在主文档内）还是引用（通过 _id 和 $lookup 使用链接）是优化读取性能的关键。

策略	最佳使用场景	性能影响
嵌入	小型、频繁访问且紧密耦合的数据（例如产品评论、地址详情）。	快速读取：需要更少的查询/网络往返。
引用	大型、不常访问或快速变化的数据（例如大型数组、共享数据）。	较慢读取：需要 `$lookup`（类似连接），但防止文档膨胀并允许更轻松地更新引用数据。

警告：数组增长

如果嵌入文档中的数组可以无限增长，例如所有用户操作的列表，请将这些操作引用到单独的集合中。无界数组会使文档变大、更新变慢，并最终可能达到文档大小限制。

2. 索引策略：消除集合扫描

索引是 MongoDB 性能中最关键的因素。当 MongoDB 必须读取集合中的每个文档来满足查询时，就会发生集合扫描（COLLSCAN），这在大型数据集上通常很慢。

主动创建和验证索引

确保查询的 filter 子句、sort 子句或 projection（用于覆盖查询）中使用的每个字段都存在索引。

使用 explain('executionStats') 方法验证索引是否被使用，并识别集合扫描。

// 检查此查询是否使用索引
db.users.find({ status: "active", created_at: { $gt: ISODate("2023-01-01") } })
    .sort({ created_at: -1 })
    .explain('executionStats');

复合索引的 ESR 规则

复合索引（基于多个字段构建的索引）必须正确排序才能发挥最大效果。使用 ESR 规则：

等值（Equality）： 用于精确匹配的字段放在最前面。
排序（Sort）： 用于排序的字段通常放在第二位。
范围（Range）： 用于范围运算符（如 $gt 和 $lt）的字段通常放在最后。

ESR 规则示例：

查询： 按 category（等值）查找产品，按 price（排序）排序，在 rating（范围）范围内。

// 基于 ESR 的正确索引结构
db.products.createIndex({ category: 1, price: 1, rating: 1 })

覆盖查询

覆盖查询是指整个结果集——包括查询过滤器和投影中请求的字段——可以完全由索引满足。这意味着 MongoDB 不必检索实际文档，从而显著减少 I/O 并提高速度。

要实现覆盖查询，返回的每个字段都必须是索引的一部分。除非显式排除（_id: 0），否则 _id 字段是隐式包含的。

// 索引必须包含所有请求的字段（name, email）
db.users.createIndex({ name: 1, email: 1 });

// 覆盖查询 - 仅返回索引中包含的字段
db.users.find({ name: 'Alice' }, { email: 1, _id: 0 });

3. 查询优化与检索效率

即使有完美的索引，低效的查询模式仍然会严重降低性能。

始终使用投影

投影限制了通过网络传输的数据量和查询执行器消耗的内存。如果只需要数据子集，切勿选择所有字段（{}）。

// 陷阱：检索整个大型用户文档
db.users.findOne({ email: '[email protected]' });

// 最佳实践：仅检索必要字段
db.users.findOne({ email: '[email protected]' }, { username: 1, last_login: 1 });

避免大型 `$skip` 操作（键集分页）

对深层分页使用 $skip 效率极低，因为 MongoDB 仍然需要扫描并丢弃跳过的文档。处理大型结果集时，请使用键集分页（也称为基于游标或无偏移分页）。

不要跳过页码，而是基于最后检索到的索引值（例如 _id 或时间戳）进行过滤。

// 陷阱：随着页码增加而指数级变慢
db.logs.find().sort({ timestamp: -1 }).skip(50000).limit(50);

// 最佳实践：从最后一个 _id 高效继续
const lastId = '...上一页的_id...';
db.logs.find({ _id: { $gt: lastId } }).sort({ _id: 1 }).limit(50);

4. 操作与聚合中的高级陷阱

复杂的操作（如写入和数据转换）需要专门的优化技术。

优化聚合管道

聚合管道功能强大但资源密集。关键的性能规则是尽早减小数据集大小。

最佳实践：将 `$match` 和 `$limit` 前置

将 $match 阶段（过滤文档）和 $limit 阶段（限制处理的文档数量）放在管道的最开始。这确保后续更昂贵的阶段（如 $group、$sort 或 $project）在尽可能小的数据集上操作。

// 高效管道示例
[ 
  { $match: { status: 'COMPLETE', date: { $gte: '2023-01-01' } } }, // 尽早过滤（使用索引）
  { $group: { _id: '$customer_id', total_spent: { $sum: '$amount' } } }, 
  { $sort: { total_spent: -1 } }
]

管理写关注

写关注决定了 MongoDB 为写操作提供的确认级别。在不需要高持久性时选择过于严格的写关注会严重影响写入延迟。

写关注设置	延迟	持久性
`w: 1`	低	仅由主节点确认。
`w: 'majority'`	高	由副本集大多数成员确认。最大持久性。

提示： 对于高吞吐量、非关键操作（如分析或日志记录），考虑使用较低的写关注（如 w: 1）以优先考虑速度。对于金融交易或关键数据，始终使用 w: majority。

5. 部署与配置最佳实践

除了数据库模式和查询之外，配置细节也会影响整体系统健康。

监控慢查询

定期检查慢查询日志或使用 $currentOp 聚合管道来识别耗时过长的操作。MongoDB Profiler 是完成此任务的基本工具。

管理连接池

确保你的应用程序使用有效的连接池。创建和销毁数据库连接成本高昂。一个大小合适的池可以减少延迟和开销。根据应用程序流量模式设置适当的最小和最大连接池大小。

使用生存时间（TTL）索引

对于包含临时数据的集合（例如会话、日志条目、缓存数据），实现 TTL 索引。这允许 MongoDB 在定义的时间段后自动过期文档，防止集合无限制增长并随时间降低索引效率。

// session 集合中的文档将在创建后 3600 秒过期
db.session.createIndex({ created_at: 1 }, { expireAfterSeconds: 3600 })

持续检查实际查询计划

避免 MongoDB 性能陷阱主要是对查询计划保持诚实。保持文档聚焦，为实际查询模式创建复合索引，使用投影，避免深层 $skip，并在查询对应用程序变得重要时检查 explain('executionStats')。随着流量变化，重新审视计划，而不是假设昨天的索引仍然正确。