Linux系統中MongoDB的性能調優技巧

1. 硬件資源優化

• 使用SSD存儲：SSD的高隨機I/O性能可顯著提升MongoDB的查詢和寫入速度，尤其適合高并發場景。
• 合理分配內存：優先滿足MongoDB的內存需求，避免與其他應用爭搶內存；建議將系統可用內存的70%-80%分配給MongoDB（需預留部分內存給系統進程）。
• 提升網絡帶寬：使用千兆及以上以太網或InfiniBand網絡，減少數據傳輸延遲，支持更高的并發請求。

2. 配置文件調優

• 調整WiredTiger緩存大小：WiredTiger是MongoDB推薦的存儲引擎（3.2及以上版本默認使用），其緩存大小直接影響性能。建議將storage.wiredTiger.engineConfig.cacheSizeGB設置為服務器總內存的50%-75%（需扣除系統和其他應用的內存占用），避免過大導致內存交換（swap）或過小無法緩存熱點數據。
• 優化網絡參數：調整net.maxIncomingConnections（默認10000）和net.maxOutgoingConnections（默認10000），根據實際并發連接數適當增大，避免連接數限制導致的拒絕服務；同時設置合理的net.socketTimeoutMS（默認30000ms）和net.connectTimeoutMS（默認10000ms），避免因超時導致的連接堆積。
• 開啟操作分析：通過operationProfiling模塊開啟慢查詢監控，設置slowOpThresholdMs（默認100ms）閾值，記錄執行時間超過閾值的查詢，便于后續優化；例如：operationProfiling.mode: "slowOp"（僅記錄慢查詢）或"all"（記錄所有操作）。
• 啟用日志功能：確保storage.journal.enabled設置為true（默認開啟），保障數據一致性；在副本集中，合理配置replication.oplogSizeMB（默認為磁盤空間的5%），確保oplog足夠大，避免因oplog過小導致的主從同步失敗。

3. 索引優化

• 選擇性創建索引：僅為經常用于find、sort、aggregate操作的字段創建索引，避免過度索引（每個索引會增加寫操作的開銷并占用磁盤空間）；例如，對user_id、order_date等高頻查詢字段創建索引。
• 使用復合索引：對于多條件查詢（如{status: "active", create_time: {$gt: ISODate("2025-01-01")}}），創建復合索引并將選擇性高的字段（如status）放在前面，提高索引利用率；復合索引的字段順序需與查詢條件的字段順序一致。
• 覆蓋索引：設計索引時包含查詢所需的所有字段（如db.collection.createIndex({name: 1, age: 1}, {projection: {name: 1, age: 1}})），使MongoDB無需訪問文檔即可返回結果，減少磁盤I/O；例如，查詢{name: "John", age: 30}可使用覆蓋索引。
• 定期維護索引：使用db.collection.reIndex()命令重新構建碎片化嚴重的索引，優化查詢性能；定期使用db.collection.getIndexes()查看索引使用情況，刪除未使用或很少使用的索引（通過$indexStats聚合命令分析）。

4. 查詢優化

• 使用投影減少數據傳輸：在查詢時通過projection參數僅返回所需字段，避免傳輸整個文檔；例如：db.users.find({status: "active"}, {_id: 0, name: 1, email: 1})，僅返回name和email字段。
• 優化查詢條件：避免使用$where、$regex等低效操作符（會導致全表掃描），盡量使用索引支持的查詢條件（如=、$in、$lt）；例如，用db.users.find({age: {$gte: 18}})替代db.users.find({$where: "this.age >= 18"})。
• 使用聚合管道優化復雜查詢：將多個操作（如match、group、sort）組合成聚合管道，減少中間結果的生成和傳輸；例如，統計每月活躍用戶數：db.orders.aggregate([{ $match: {status: "completed"}}, { $group: { _id: {$month: "$create_time"}, count: {$sum: 1}}}, { $sort: {_id: 1}}])。
• 分頁查詢優化：對于大量數據的skip和limit分頁，當skip值較大時（如超過1000），改用基于索引的range query（如{create_time: {$lt: last_value}}）替代，避免性能下降；例如，記錄上一頁最后一條記錄的create_time，下一頁查詢{create_time: {$lt: last_create_time}, status: "active"}.limit(20)。

5. 分片與復制集優化

• 使用復制集提高可用性：配置3個或以上的副本集節點（Primary+Secondary+Arbiter），實現數據冗余和高可用；副本集自動同步數據，當主節點故障時，自動選舉新的主節點，確保服務不中斷。
• 使用分片集群擴展橫向能力：對于TB級以上的大規模數據，通過分片將數據分散到多個分片節點，提高讀寫性能；選擇合適的分片鍵（如user_id、order_date），避免數據傾斜（如避免使用單調遞增的字段作為分片鍵，導致新數據集中在少數分片）。
• 平衡分片負載：定期使用sh.status()查看分片集群的狀態，確保各分片的負載均衡；若出現數據傾斜，可通過mergeChunks或splitAt命令調整分片范圍，或重新選擇分片鍵。

6. 監控與診斷

• 使用內置工具監控性能：通過mongostat（實時顯示操作速率，如讀寫次數、延遲）和mongotop（顯示集合級別的讀寫時間分布）監控數據庫性能，快速定位性能瓶頸；例如，mongostat -u admin -p password --authenticationDatabase admin 1每秒刷新一次操作統計。
• 分析慢查詢日志：通過db.setProfilingLevel(1, {slowOpThresholdMs: 100})開啟慢查詢記錄，使用db.system.profile.find().sort({ts: -1}).limit(10)查看最近的慢查詢，分析查詢的執行計劃（explain()）和索引使用情況，針對性優化。
• 第三方監控工具：使用Percona Monitoring and Management（PMM）、MongoDB Ops Manager等工具，實現更全面的性能監控（如CPU、內存、磁盤I/O、連接數），并提供歷史趨勢分析和告警功能。