MongoDB செயல்திறனை எவ்வாறு மேம்படுத்துவீர்கள்?

Question

Accepted Answer

MongoDB செயல்திறனை மேம்படுத்துவது **indexing** (மிகப் பெரிய பலன்), **schema design** அணுகல் முறைகளுக்கான, திறமையான **queries**, மற்றும் **`explain()`** போன்ற கருவிகளைப் பயன்படுத்தி병목现象களைக் கண்டறிதல் ஆகியவற்றில் கவனம் செலுத்துகிறது. எப்போதும் போல: முதலில் அளவீடு செய்யுங்கள், பின்னர் உண்மையான சிக்கலைச் சரிசெய்யுங்கள் — பொதுவாக விடுபட்ட indexes அல்லது மோசமான schema design.

## Indexing மிகப் பெரிய பலன்

```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
```

## அணுகல் முறைகளுக்கான Schema design

```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.
```

## Query மேம்படுத்தல்

```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()
```

## மற்ற நுட்பங்கள்

```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
```

## இது ஏன் முக்கியமானது

MongoDB செயல்திறன் மேம்படுத்தல் MongoDB பயன்பாடுகளை வேகமாக வைக்க மதிப்புள்ள உயர் நிலை அறிவு, மற்றும் சரியான அணுகுமுறையைப் புரிந்துகொள்வது — அளவீடு-চালিত, indexing மற்றும் schema design மிகப் பெரிய நெம்புகோல்களாக — திறமையான மேம்படுத்தলுக்கு முக்கியமாகும்.

**ஒক்க மிகப் பெரிய பலன் indexing** (தொடர்ச்சியான தரவுதளங்களில் போலவே): விடுபட்ட indexes **collection scans** ஐ ஏற்படுத்துகிறது (COLLSCAN — ஒவ்வொரு ஆவணத்தையும் சரிபார்ப்பது, தரவு வளர எவ்வளவு வேகமாக கெடுதல்), மற்றும் கேள்விசெய்யப்பட்ட/வரிசைப்படுத்தப்பட்ட/வடிகட்டப்பட்ட புலங்களில் பொருத்தமான indexes சேர்ப்பது வேகமான index scans ஆக மாற்றுகிறது — queries indexes ஐ பயன்படுத்துகிறது என்பதை சரிபார்க்க **`explain()`** ஐப் பயன்படுத்துவது (COLLSCAN சிக்கல்களைக் கண்டறிவது) முக்கிய நோயறிதல் திறமை. **அணுகல் முறைகளுக்கான Schema design** MongoDB இல் SQL ஐ விட வாதாகவும் இன்னும் প्রভাবশாலியாக உள்ளது: queries இன் சுற்றிலும் வடிவமைப்பு (ஒன்றாக-அணுக கூடிய தரவை embedding சாধாரண-query வாசிப்புகளுக்கு, பொருத்தமாக referencing) முக்கியமாக ஒரு ஆவணத்தை கடிக்கிறது, மாறாக மோசமான வடிவமைப்பு (பல `$lookup`கள் தேவையாக, ப거ும் ஆவணங்கள்) செயல்திறனை குறிப்பிடத்தக்கவாறு பாதிக்கிறது — schema design ஐ MongoDB இன் நমनીயத்திற்கு தனித்தவ ஒரு மேற்புற மேம்படுத்தல் நெம்புகோல் செய்வது. **Query மேம்படுத்தல்** (projection தேவைப்படும் புலங்களை மட்டுமே திருப்பிவிட, covered queries, aggregation pipelines ஆரம்பத்தில் `$match`/`$limit` வைப்பு தரவு ஓட்டத்தைக் குறைக்க, sharded collections இல் scatter-gather தவிர்ப்பு, திறமையான pagination) மற்றும் **working set RAM இற்கு பொருந்துவது** உறுதி செய்வது (அடிக்கடி-அணுக தரவு மற்றும் indexes நினைவில் cached, disk மிகவும் மெதுவாக இருப்பதால்) toolkitை உருவாக்க.

**அளவீடு-চালிত பிரிவு** (explain(), the profiler, மற்றும் Atlas Performance Advisor ஐப் பயன்படுத்தி உண்மையான bottlenecks ஐ கண்டறிந்து சரிசெய்வது — பொதுவாக விடுபட்ட indexes அல்லது மோசமான schema) அপরிहার्य.

MongoDB செயல்திறன் பயன்பாடுகளுக்கு முக்கியமாக இருப்பதால் மற்றும் சரியான மேம்படுத்தல் (indexing, schema design, query efficiency, working set RAM இல்) அதை அளவில் வேகமாக வைக்கிறது, MongoDB செயல்திறன் மேம்படுத்தலைப் புரிந்துகொள்வது — குறிப்பாக indexing (explain() உடன் சரிபார்க்கப்பட்டது) மற்றும் அணுகல்-முறை-நோக்குத்தாக schema design மிகப் பெரிய நெம்புகோல்களாக — செயல்திறமான MongoDB பயன்பாடுகளை இயக்க மதிப்புள்ள உயர் நிலை அறிவு, ஒரு அடிக்கடி-தொடர்புடைய கவலை மற்றும் MongoDB ஐ வ்യवस்थিதமாக மேம்படுத்த திறனைப் प्रदर்शனம் செய்யும் ஒரு பிரச்சினை.