Bagaimanakah anda mengoptimumkan prestasi MongoDB?

Question

Accepted Answer

Mengoptimumkan prestasi MongoDB berpusat pada **pengindeksan** (kemenangan terbesar), **reka bentuk skema** untuk corak capaian, **pertanyaan** yang cekap, dan menggunakan alat seperti **`explain()`** untuk mencari kesesakan. Seperti biasa: ukur dahulu, kemudian baiki masalah sebenar — biasanya index yang hilang atau reka bentuk skema yang lemah.

## Pengindeksan ialah kemenangan terbesar

```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
```

## Reka bentuk skema untuk corak capaian

```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.
```

## Pengoptimuman pertanyaan

```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()
```

## Teknik lain

```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
```

## Mengapa ia penting

Pengoptimuman prestasi MongoDB ialah pengetahuan peringkat senior yang berharga untuk memastikan aplikasi MongoDB pantas, dan memahami pendekatan yang betul — dipacu pengukuran, dengan pengindeksan dan reka bentuk skema sebagai tuas terbesar — adalah penting untuk pengoptimuman yang berkesan.

**Kemenangan terbesar tunggal ialah pengindeksan** (sama seperti pangkalan data relasi): index yang hilang menyebabkan **collection scan** (COLLSCAN — memeriksa setiap dokumen, amat perlahan apabila data bertambah), dan menambah index yang sesuai pada medan yang dipertanyakan/diisih/ditapis menukarnya menjadi index scan yang pantas — menggunakan **`explain()`** untuk mengesahkan pertanyaan menggunakan index (mengesan masalah COLLSCAN) ialah kemahiran diagnostik utama. **Reka bentuk skema untuk corak capaian** boleh dikatakan lebih berkesan dalam MongoDB berbanding SQL: mereka bentuk di sekitar pertanyaan (embed data yang dicapai bersama untuk bacaan pertanyaan tunggal, merujuk dengan sewajarnya) supaya kebanyakan bacaan mencapai satu dokumen, manakala reka bentuk yang lemah (memerlukan banyak `$lookup`, dokumen yang besar) merosakkan prestasi dengan ketara — menjadikan reka bentuk skema satu tuas pengoptimuman teratas yang unik kepada fleksibiliti MongoDB. **Pengoptimuman pertanyaan** (projection untuk memulangkan hanya medan yang diperlukan, covered query, meletakkan `$match`/`$limit` lebih awal dalam aggregation pipeline untuk mengurangkan aliran data, mengelakkan scatter-gather pada sharded collection, pagination yang cekap) dan memastikan **working set muat dalam RAM** (data yang kerap dicapai dan index dicache dalam memori, kerana cakera jauh lebih perlahan) melengkapkan kit alat tersebut.

**Disiplin yang dipacu pengukuran** (menggunakan explain(), profiler, dan Atlas Performance Advisor untuk mencari dan membaiki kesesakan sebenar — biasanya index yang hilang atau skema yang lemah) adalah penting.

Memandangkan prestasi MongoDB adalah kritikal untuk aplikasi dan pengoptimuman yang betul (pengindeksan, reka bentuk skema, kecekapan pertanyaan, working set dalam RAM) ialah apa yang memastikan ia pantas pada skala, memahami pengoptimuman prestasi MongoDB — terutamanya pengindeksan (disahkan dengan explain()) dan reka bentuk skema yang dipacu corak capaian sebagai tuas terbesar — adalah pengetahuan peringkat senior yang berharga untuk mengendalikan aplikasi MongoDB yang berprestasi, satu kebimbangan yang kerap relevan dan topik yang menunjukkan keupayaan untuk mengoptimumkan MongoDB secara sistematik.