MongoDB数据库设计与性能优化：从文档建模到分片集群

## MongoDB文档建模核心原则 MongoDB文档模型与关系型表格模型有本质区别，设计需从规范化转向以访问模式为中心（Query-Driven Design）。嵌入模式（Embedding）将相关数据嵌套在同一文档中，单次读取获完整数据，适合一对少量且数据总是一起读取的场景（如订单含明细）。需注意16MB文档大小限制，且嵌套文档更新是原子性整体替换。引用模式（Referencing）通过ObjectId引用其他集合文档，类似外键适合一对多和多对多及数据独立更新场景。高级建模模式包括：多态模式（Polymorphic）不同类型存同一集合用type字段区分；Bucket模式（Bucket）时序数据按时间桶分组减少文档数提升查询效率；树形模式（Materialized Paths/Nested Set/Array of Ancestors）处理层级数据如组织架构和分类目录。 ## 索引设计与查询优化 索引设计是MongoDB性能优化的最关键环节。复合索引（Compound Index）遵循ESR原则：等值匹配字段在前（Equality），排序字段居中（Sort），范围查询字段在后（Range）。例如{status: 1, createdAt: -1, age: {$gt: 20}}的查询最优索引是{status: 1, createdAt: -1, age: 1}。explain("executionStats")分析查询计划确认命中正确索引。覆盖查询（Covered Query）所有字段都在索引中可直接从索引返回无需访问文档数据最高效。TTL索引自动删除过期文档适合会话日志等数据。创建索引需考虑对写入性能影响——每个索引都增加写入开销。写操作优化用BulkWrite减少网络往返。Write Concern和Read Concern级别权衡持久性和一致性。 ## 分片集群架构与运维 分片集群由Config Server（配置服务器3节点副本集）、Shard（数据分片副本集）和Mongos（查询路由器）组成。分片键选择至关重要影响数据分布均匀性和查询效率：哈希分片（Hashed Sharding）写入均匀但范围查询需跨Shard；范围分片（Range Sharding）支持高效范围查询但可能导致数据热点。分片标签将数据路由到指定Shard实现地域分布。Balancer组件自动平衡Chunk分布默认64MB可调整。监控用MongoDB Cloud Manager/Ops Manager或Prometheus加mongodb_exporter。副本集至少3节点保证高可用。慢查询日志和Profiler帮助识别性能问题。连接池的maxPoolSize和连接超时对应用性能有直接影响。