0到1手把手教mongodb优化性能手段

系列文章目录

---

---

前言

MongoDB同关系型数据库一样，在数据量小时看不出任何问题，但是当数据的操作变的频繁，如对10万级的数据表连续进行查询操作，MongDB会变的非常缓慢。针对这种情况，我们对MongoDB进行性能优化。

索引的机制是：当你往某各个集合插入多个文档后，每个文档在经过底层的存储引擎持久化后，会有一个位置信息，通过这个位置信息，就能从存储引擎里读出该文档。
比如mmapv1引擎里，位置信息是（文件id + 文件内offset），在wiredtiger存储引擎里，位置信息是wiredtiger在存储文档时生成的一个key，通过这个key能访问到对应的文档。

对于索引的优化：MongoDB支持对DB的请求进行profiling，目前支持3种级别的profiling。
生产环境建议使用1级别的profiling，并根据自身需求配置合理的阈值，用于监测慢请求的情况，及时的做索引优化。

---

一、mongodb读性能优化

1. 创建索引：索引可以加速查询操作，可以根据查询条件创建单列索引、复合索引、全文索引等。

2. 选择合适的数据类型：选择合适的数据类型可以减少存储空间，提高查询效率。例如，使用整型代替字符串类型。

3. 避免全表扫描：尽量避免全表扫描，可以使用索引或者分片等方式来优化查询。

4. 使用投影操作：投影操作可以减少返回的数据量，提高查询效率。

5. 使用聚合操作：聚合操作可以将多个查询操作合并为一个操作，减少查询次数，提高查询效率。

6. 使用分片：分片可以将数据分散到多个节点上，提高查询效率和可扩展性。

7. 优化查询语句：优化查询语句可以减少查询时间，例如使用合适的查询条件、避免使用正则表达式等。

8. 使用缓存：使用缓存可以减少查询次数，提高查询效率。可以使用Redis等缓存工具来缓存查询结果。

9. 尽量不使用模糊查询等 ，改为精确查询条件

10. 多使用explain进行执行计划的优化

11. 分页查询，使用 limit() 限定返回结果的大小，降低服务器消耗及网络消耗

12. 查看数据库查询日志，来辅助慢查询的分析调优操作

二、mongodb写性能优化

1. 采用Capped Collection，固定大小：Capped Collections必须事先创建，并设置大小

2. 以最小的方式进行存储，比如颜色字符串存储更改为数字存储，应用层进行转换 

3. 一般情况下MongoDB query optimizer都工作良好，单有些情况需要使用强制索引hint

4. 采用Profiling，原因是它使用的是system.profile来记录，而system.profile是一个Capped Collection。Profile记录在级别为1时会记录慢命令，慢命令默认为100ms，其设置方法有两种，第一种是通过添加-showms启动参数配置；第二种是调用db.setProfilingLevel时加上第二个参数。

5. 读写分离，对于大规模数据集，可以使用分片技术来分散数据负载，提高读写性能。

6.索引优化：使用合适的索引可以大大提高查询性能。在设计索引时，需要考虑查询频率、数据量、数据类型等因素

7. 内存优化：使用合适的内存配置和缓存策略可以减少磁盘读写，提高读写性能

8. 硬件优化：使用高性能的硬件设备可以提高数据库的读写性能，如使用SSD硬盘、增加内存等。

9.日志优化：合理配置日志级别和日志输出方式，可以减少日志对性能的影响。

10. 定期维护：定期清理无用数据、压缩数据、重建索引等操作可以保持数据库的良好性能。 

---

总结

以上总结了数据库mongodb的常用优化方法。