Kako optimizirati performanse MongoDB-a?

Question

Accepted Answer

Optimiziranje performansi MongoDB-a usredotočeno je na **indeksiranje** (najveća dobit), **dizajn sheme** za obrasce pristupa, učinkovite **upite** i korištenje alata kao što je **`explain()`** za pronalaženje uskih grla. Kao i uvijek: prvo izmjerite, pa onda riješite stvarni problem — obično nedostaju indeksi ili loš dizajn sheme.

## Indeksiranje je najveća dobit

```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
```

## Dizajn sheme za obrasce pristupa

```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.
```

## Optimizacija upita

```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()
```

## Ostale tehnike

```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
```

## Zašto je važno

Optimiziranje performansi MongoDB-a vrijedno je znanje na razini seniora za održavanje MongoDB aplikacija brzim, i razumijevanje ispravnog pristupa — vođenog mjerenjima, s indeksiranjem i dizajnom sheme kao najvećim polugama — važno je za učinkovito optimiziranje.

**Najveća dobit je indeksiranje** (isto kao u relacijskim bazama): nedostajući indeksi uzrokuju **skeniranja kolekcije** (COLLSCAN — provjera svakog dokumenta, katastrofalno sporo kako podaci rastu), a dodavanje odgovarajućih indeksa na upitana/sortirana/filtrirana polja pretvara ih u brza indeksna skeniranja — korištenje **`explain()`** za provjeru koristi li upitima indekse (prepoznavanje COLLSCAN problema) je ključna dijagnostička vještina. **Dizajn sheme za obrasce pristupa** vjerojatno je čak utjecajnije u MongoDB-u nego u SQL-u: dizajniranje oko upita (ugrađivanje zajedno pristupanih podataka za čitanja jednog upita, referencirano prema potrebi) kako bi većina čitanja pogodila jedan dokument, dok loš dizajn (potreba za mnogim `$lookup`-ima, ogromni dokumenti) značajno šteti performansama — čineći dizajn sheme vrh poluge optimiziranja jedinstvene za MongoDB-ovu fleksibilnost. **Optimizacija upita** (projekcija za vraćanje samo potrebnih polja, pokriveni upiti, stavljanje `$match`/`$limit` ranije u agregacijske cijevi za smanjenje toka podataka, izbjegavanje scatter-gather na razdijeljenim kolekcijama, učinkovita paginacija) i osiguranje da **radni skup stane u RAM** (često pristupani podaci i indeksi keširani u memoriji, jer je disk daleko sporiji) zaokružuje toolkit.

**Disciplina vođena mjerenjima** (korištenje explain(), profiler-a i Atlas Performance Advisor-a za pronalaženje i ispravku stvarnih uskih grla — obično nedostaju indeksi ili loš dizajn sheme) je bitna.

Pošto su performanse MongoDB-a kritične za aplikacije i pravilna optimizacija (indeksiranje, dizajn sheme, učinkovitost upita, radni skup u RAM-u) ono što ga čini brzim u velikoj mjeri, razumijevanje optimiziranja performansi MongoDB-a — posebice indeksiranje (provjereno s explain()) i dizajn sheme vođen obrascima pristupa kao najveće poluge — vrijedno je znanje na razini seniora za rad s performantnim MongoDB aplikacijama, često relevantno pitanje i tema koja pokazuje sposobnost sistematskog optimiziranja MongoDB-a.