MongoDB 性能优化

1. MongoDB 慢查询监控和分析

面试题1：如何在生产环境中监控 MongoDB 的慢查询？

解答要点：

// 查看当前分析级别
db.getProfilingStatus()

// 开启慢查询分析，设置阈值为100ms
db.setProfilingLevel(1, { slowms: 100 });

// 查看慢查询记录
db.system.profile.find().sort({millis: -1}).pretty()

MongoDB Profiling 级别流程：

关键配置说明：

• Level 0: 关闭 profiling（生产环境默认）
• Level 1: 仅记录慢操作（推荐生产环境使用）
• Level 2: 记录所有操作（仅用于调试）
• slowms: 慢查询阈值，通常设置为 100-300ms

面试题2：如何分析 MongoDB 慢查询的根本原因？

解答要点：

// 查看慢查询统计
db.system.profile.aggregate([
    {
        $group: {
            _id: {
                ns: "$ns",
                op: "$op", 
                query: "$query"
            },
            count: {$sum: 1},
            avgMillis: {$avg: "$millis"},
            totalMillis: {$sum: "$millis"}
        }
    },
    {$sort: {count: -1}},
    {$limit: 10}
])

慢查询分析时序图：

2. MongoDB 索引优化

面试题3：如何分析 MongoDB 的索引使用情况？

解答要点：

// 检查索引使用统计
db.collection_name.aggregate([
  { $indexStats: {} }
])

// 检查执行计划
db.collection_name.find({查询条件}).explain("executionStats")

索引分析流程：

面试题4：请解释 MongoDB 执行计划中的关键指标

解答要点：

根据提供的执行计划分析：

// 关键指标解释：
{
  "stage": "IXSCAN",              // 索引扫描（好）
  "indexName": "appId_1_time_-1", // 使用的索引
  "executionTimeMillis": 0,       // 执行时间
  "totalKeysExamined": 6,         // 扫描索引条目数
  "totalDocsExamined": 6,         // 扫描文档数
  "nReturned": 6                  // 返回文档数
}

执行计划分析时序图：

性能指标说明：

• nReturned/totalDocsExamined 比例接近1表示索引效率高
• COLLSCAN 表示全表扫描，需要优化
• executionTimeMillis 执行时间应该控制在合理范围内

面试题5：在高并发场景下，如何设计 MongoDB 复合索引？

解答要点：

// 复合索引设计原则（ESR规则）
// 1. Equality（等值查询）放在前面
// 2. Sort（排序）放在中间  
// 3. Range（范围查询）放在最后

// 示例：对于查询 {appId: xxx, chatId: xxx, time: {$gte: date}}
db.collection.createIndex({
    appId: 1,    // Equality
    chatId: 1,   // Equality  
    time: -1     // Range/Sort
})

复合索引选择流程：

3. MongoDB 查询优化实战

面试题6：如何优化一个包含多个条件的复杂查询？

优化步骤时序图：

面试题7：MongoDB 分片环境下的查询优化策略是什么？

分片查询优化流程：

优化策略：

1. 查询条件尽量包含片键（shard key）
2. 避免跨分片的排序和聚合操作
3. 使用 hint() 指定合适的索引
4. 合理设计片键，避免热点分片

这些面试题涵盖了 MongoDB 性能优化的核心概念，从基础的慢查询监控到高级的分片优化策略，能够全面考察候选人的 MongoDB 实战能力。