MongoDB在Linux上的存儲優化策略

一、文件系統與存儲配置優化

1. 選擇高性能文件系統

   • 推薦XFS：適合高并發、大容量場景，元數據處理效率更高，官方推薦用于生產環境。
   • ext4適用場景：中小型部署，配置簡單但高負載下性能受限。
   • 格式化參數：
     • XFS：-n size=64k（優化元數據塊大?。?，-d agcount=16（增加并行寫入組）。
     • ext4：-b 4096（與MongoDB默認頁大小對齊）。

2. 掛載選項優化

   • 共用參數：noatime,nodiratime（減少元數據寫入），barrier=0（提升SSD寫入性能，需確保硬件支持）。
   • XFS特有：allocsize=512m（減少碎片），logbufs=8（增大日志緩沖區）。

3. 內核參數調優

   • I/O調度器：SSD使用deadline調度器（減少延遲），機械盤可考慮noop。
   • 內存管理：
     • vm.dirty_ratio=10，vm.dirty_background_ratio=5（控制臟頁寫入比例）。
     • vm.swappiness=5（降低swap使用，優先利用內存）。
   • 禁用THP：echo never > /sys/kernel/mm/transparent_hugepage/enabled（避免內存分配延遲）。

二、MongoDB配置優化

1. 緩存與內存管理

   • WiredTiger緩存：設置storage.wiredTiger.engineConfig.cacheSizeGB為系統內存的50%-75%，避免過度占用內存。
   • 日志配置：啟用storage.journal.enabled（確保數據一致性），合理設置journal.commitIntervalMs（默認100ms，高負載可降低）。

2. 分片與副本集策略

   • 分片集群：按數據訪問模式選擇分片鍵（如范圍分片、哈希分片），分散讀寫壓力。
   • 副本集：配置奇數個節點（如3節點），實現高可用和讀寫分離，主節點處理寫操作，從節點分擔讀負載。

3. 數據模型優化

   • 避免大文檔（建議≤16MB），拆分大字段為子文檔或關聯集合。
   • 使用嵌入式文檔存儲關聯數據，減少查詢時的JOIN操作。

三、索引與查詢優化

1. 索引設計

   • 覆蓋索引：創建包含查詢所需字段的索引，避免回表查詢（如db.collection.createIndex({field1: 1, field2: 1})）。
   • 復合索引：為多條件查詢設計索引，字段順序遵循“最左前綴”原則（如{status: 1, create_time: -1}）。
   • 定期維護：使用db.collection.reIndex()重建碎片化索引，監控索引命中率（通過db.collection.stats()）。

2. 查詢語句優化

   • 使用projection指定返回字段，避免SELECT *。
   • 用limit()限制結果集大小，分頁查詢優先使用skip()+limit()或cursor。
   • 避免全表掃描，通過explain()分析查詢計劃，確保索引被命中。

四、硬件與系統層面優化

1. 存儲硬件選擇

   • 優先使用SSD，顯著提升IOPS和降低延遲，尤其適合高并發場景。
   • 配置RAID 10（高可用+高性能），避免單點故障，條帶大小建議64KB。

2. 系統資源監控

   • 使用iostat、vmstat監控磁盤I/O和內存使用，及時發現瓶頸。
   • 通過mongostat、mongotop分析數據庫負載，定位慢查詢或資源占用異常。

五、其他高級優化

1. 壓縮與歸檔

   • 啟用WiredTiger壓縮（storage.wiredTiger.engineConfig.compression: snappy），減少磁盤占用。
   • 定期歸檔歷史數據到冷存儲，釋放主庫空間。

2. 批量操作與異步處理

   • 使用bulkWrite()批量插入/更新，減少網絡往返和事務開銷。
   • 非實時操作（如日志記錄）可異步寫入，避免阻塞主業務。

參考來源：