Kako optimizirate zmogljivost MongoDB?

Question

Accepted Answer

Optimizacija zmogljivosti MongoDB se osredotoča na **indeksiranje** (največji doprinos), **oblikovanje sheme** za vzorce dostopa, učinkovite **poizvedbe** in uporabo orodij, kot je **`explain()`**, za iskanje ozkih grlic. Kot vedno: najprej izmeri, nato pa popravi dejansko težavo — običajno manjkajoči indeksi ali slaba oblikovanje sheme.

## Indeksiranje je največji doprinos

```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
```

## Oblikovanje sheme za vzorce dostopa

```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 poizvedb

```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()
```

## Druge 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
```

## Zakaj je to pomembno

Optimizacija zmogljivosti MongoDB je dragoceno znanje na višji ravni za hitrost MongoDB aplikacij, in razumevanje pravilnega pristopa — vodenega z meritvami, z indeksiranjem in oblikovanjem sheme kot največjima polzvama — je pomembno za učinkovito optimizacijo.

**Največji doprinos je indeksiranje** (enako kot v relacijskih bazah): manjkajoči indeksi povzročajo **preglede zbir** (COLLSCAN — preverjanje vsakega dokumenta, katastrofalno počasno z rastjo podatkov), in dodajanje ustreznih indeksov na polje, ki se nabirajo/sortirajo/filtrirajo, te pretvori v hitro branje indeksov — uporaba **`explain()`** za preverjanje, ali poizvedbe uporabljajo indekse (zaznavanje težav COLLSCAN), je ključna diagnostična veščina. **Oblikovanje sheme za vzorce dostopa** je v MongoDB najverjetneje še bolj vplivno kot v SQL: oblikovanje glede na poizvedbe (vgradnja skupaj dostopanih podatkov za branje ene poizvedbe, ustrezno referenciranje), tako da večina branj zadene en document, slabo oblikovanje (potreba po številnih `$lookup`ih, ogromni dokumenti) pa zmanjša zmogljivost — kar naredi oblikovanje sheme na vrh polzve optimizacije, unikatne za MongoDB-ovo fleksibilnost. **Optimizacija poizvedb** (projekcija za vrnitev samo potrebnih polj, pokriti poizvedbe, postavitev `$match`/`$limit` zgodaj v cevovode agregacije za zmanjšanje toka podatkov, izogibanje razpršeni-zbir na delenih zbirkah, učinkovita paginacija) in zagotavljanje, da **delovna množica sodi v RAM** (pogosto dostopani podatki in indeksi predpomneni v pomnilniku, saj je disk veliko počasnejši), zaključi orodjarno.

**Disciplina vodenega z meritvami** (uporaba explain(), profiler in Atlas Performance Advisor za iskanje in odpravo dejanskih ozkih gric — običajno manjkajoči indeksi ali slaba shema) je bistvena.

Ker je zmogljivost MongoDB kritična za aplikacije in pravilna optimizacija (indeksiranje, oblikovanje sheme, učinkovitost poizvedb, delovna množica v RAM) je tisto, kar jo ohranja hitro pri obsegu, je razumevanje optimizacije zmogljivosti MongoDB — posebej indeksiranje (preverjeno z explain()) in oblikovanje sheme na osnovi vzorcev dostopa kot največjih polzev — dragoceno znanje na višji ravni za upravljanje zmogljivih MongoDB aplikacij, pogosto relevantno vprašanje in tema, ki kaže sposobnost sistematične optimizacije MongoDB.