Jak optimalizujete výkon MongoDB?

Question

Accepted Answer

Optimalizace výkonu MongoDB se soustředí na **indexování** (největší přínos), **návrh schématu** pro přístupové vzory, efektivní **dotazy** a použití nástrojů jako **`explain()`** k nalezení úzkých míst. Jako vždy: nejdříve měřte, pak opravte skutečný problém — obvykle chybějící indexy nebo špatný návrh schématu.

## Indexování je největší přínos

```js
// use explain() to check if a query uses an index
db.users.find({ email: "ann@x.com" }).explain("executionStats");
// → look for: COLLSCAN (collection scan = BAD, no index) vs IXSCAN (index = GOOD)

db.users.createIndex({ email: 1 });   // add the missing index → fast
```

```text
✓ Index fields used in queries, sorts, and filters (the #1 optimization)
✓ Compound indexes for multi-field queries (mind the field order)
✓ explain() to verify queries use indexes (COLLSCAN = problem)
✓ Don't over-index (slows writes); index what's actually queried
```

## Návrh schématu pro přístupové vzory

```text
✓ EMBED data accessed together → single-query reads (no joins)
✓ Reference large/unbounded/shared data appropriately
✓ Design around your QUERIES (the access-pattern principle) → most reads = one document
→ Poor schema design (e.g. needing many $lookups, huge documents) hurts performance
  more than almost anything else in MongoDB.
```

## Optimalizace dotazů

```text
✓ Use PROJECTION — return only needed fields (less data transferred)
✓ Filter early; use covered queries (all fields from the index → no document fetch)
✓ In aggregation pipelines, put $match (and $limit) EARLY to reduce data through the pipeline
✓ Avoid querying without the shard key on sharded collections (scatter-gather)
✓ Use limit/pagination; prefer range-based over deep skip()
```

## Další techniky

```text
✓ Working set in RAM — frequently-accessed data + indexes should fit in memory
  (MongoDB caches in RAM; disk access is much slower)
✓ Connection pooling (drivers pool by default)
✓ Monitor: explain(), MongoDB profiler, Atlas Performance Advisor (suggests indexes)
✓ Avoid large/unbounded arrays; consider the bucket pattern for time-series
```

## Proč je to důležité

Optimalizace výkonu MongoDB je cenná znalost na úrovni seniora pro udržení aplikací MongoDB rychlými a pochopení správného přístupu — řízeného měřením, s indexováním a návrhem schématu jako největšími pákami — je důležité pro efektivní optimalizaci.

**Největší přínos je indexování** (stejně jako v relačních databázích): chybějící indexy způsobují **prohledávání kolekce** (COLLSCAN — kontrola každého dokumentu, katastrofálně pomalé, jak data rostou) a přidání vhodných indexů na dotazovaná/řazená/filtrovaná pole změní tyto na rychlé prohledávání indexu — použití **`explain()`** k ověření, že dotazy používají indexy (odhalení problémů s COLLSCAN) je klíčová diagnostická dovednost. **Návrh schématu pro přístupové vzory** je v MongoDB možná ještě více ovlivňující než v SQL: navrhování kolem dotazů (vložení společně přístupovaných dat pro čtení jediného dotazu, odpovídající referenční vazby) tak, aby většina čtení zasáhla jeden dokument, zatímco špatný návrh (nutnost mnoha `$lookup`ů, obrovské dokumenty) výkon výrazně snižuje — činí návrh schématu top pákou optimalizace jedinečnou pro flexibilitu MongoDB. **Optimalizace dotazů** (projekce k vrácení pouze potřebných polí, pokryté dotazy, umístění `$match`/`$limit` na začátek agregačních pipeline k snížení toku dat, vyhýbání se scatter-gather na rozděleních kolekcích, efektivní stránkování) a zajištění, že **pracovní sada se vejde do RAM** (často přístupovaná data a indexy uložené v paměti, protože disk je mnohem pomalejší) doplňují toolkit.

**Přístupu řízený měřením** (pomocí explain(), profileru a Atlas Performance Advisor k nalezení a opravě skutečných úzkých míst — obvykle chybějícího indexování nebo špatného schématu) je zásadní.

Protože výkon MongoDB je pro aplikace kritický a správná optimalizace (indexování, návrh schématu, efektivita dotazů, pracovní sada v RAM) je to, co jej udržuje rychlým ve velkém měřítku, pochopení optimalizace výkonu MongoDB — zejména indexování (ověřené pomocí explain()) a návrhu schématu řízeného přístupovými vzory jako největších páek — je cenná znalost na úrovni seniora pro provozování výkonných aplikací MongoDB, často relevantní otázka a téma, které demonstruje schopnost systematicky optimalizovat MongoDB.