Jared Rosoff 在 Scale Out Camp 發(fā)表了一篇簡潔、有效、有趣和令人信服的《8 分鐘 MongoDB 教程》描述了如何進(jìn)行 MongoDB 優(yōu)化。

文中的方法不僅限于 MongoDB，還可應(yīng)用到絕大多數(shù)數(shù)據(jù)庫，比如查詢優(yōu)化、找出你的熱數(shù)據(jù)、調(diào)整文件系統(tǒng)、選擇正確的磁盤設(shè)備、分片。下面分別對 5 種策略進(jìn)行說明：

查詢優(yōu)化：用 B-tree 搜索的速度顯然比全表掃描來的快，所以你需要優(yōu)化你的查詢語句。用 explain來分析你的查詢語句，如果返回的結(jié)果現(xiàn)實這個查詢用到了 cursor 那么它會是一個全表掃描，也就是說它會非常慢。分析有多少條記錄會滿足查詢條件，以及查詢會執(zhí)行多長時間。改進(jìn)的方法就是為其增加索引。不管你是有 1 臺還是有 100 臺服務(wù)器。

找出你的熱數(shù)據(jù)尺寸：在數(shù)據(jù)庫前面使用 Memcached 其實挺可笑的，因為現(xiàn)在內(nèi)存很便宜，你可以使用大量的內(nèi)存來緩存數(shù)據(jù)庫內(nèi)容，MongoDB 就是這樣干的。熱數(shù)據(jù) = 活躍記錄 + 使用過的索引。在內(nèi)存中命中數(shù)據(jù)是非?？斓模鴱拇疟P獲取數(shù)據(jù)就非常慢。假設(shè)你有上十億的用戶，但只有十萬用戶當(dāng)前是活躍的，那么你的熱數(shù)據(jù)尺寸就是十萬條。你需要規(guī)劃足夠的內(nèi)存來存放那十萬條熱數(shù)據(jù)，保證他們能夠從內(nèi)存而不是磁盤里讀取，別忘了索引也是需要占用內(nèi)存的。

[[190185]] 

調(diào)整文件系統(tǒng)：性能問題往往根源是在文件系統(tǒng)。比如 EXT3 已經(jīng)過時了，請使用 EXT4、XFS 和其它高性能的文件系統(tǒng)。對于數(shù)據(jù)庫來說并不需要每次訪問都去更新文件，所以關(guān)掉文件的訪問時間跟蹤功能，不然會有很多不必要的磁盤寫操作。在 EXT3 文件系統(tǒng)預(yù)分配一個 2GB 大小的文件是非常耗時的，因為它必須得在分配時完整初始化整個文件。

選擇正確的磁盤設(shè)備：尋道時間是需要關(guān)注的問題，因為大多數(shù)時候磁盤的 IO 操作是隨機的。尋道時間取決于機械臂在磁盤上來回移動的速度，磁盤的平均尋道操作能力是每秒鐘能完成 200 次。高速磁盤之所以讀取數(shù)據(jù)更快，是因為他們有更高的帶寬容量，除此之外他們的尋道時間并沒有區(qū)別。使用單個磁盤時，你可以獲得每秒 200 次尋道;而使用 RAID 0(跨多個磁盤)，3 塊磁盤可以讓你獲得每秒 600 次的尋道速度;那么使用 RAID 10(鏡像 + 跨越)，6 塊磁盤甚至能讓你獲得每秒 1200 次尋道。所以要考慮用 RAID 來進(jìn)行優(yōu)化。如今的 SSD 存儲就更夸張了，一次尋道只要 0.1 毫秒，是機械磁盤的 50 倍，更適用于隨機的讀取操作。

分片：如果你的程序性能很差，索引又建的不正確，磁盤設(shè)備的速度也很慢，那么單點的性能也就非常差了。改善這種情況的方法就是用分片來做橫向擴展，分片可以讓你把系統(tǒng)負(fù)責(zé)分散到由更多機器組成的高可用的 replica sets 集群。數(shù)據(jù)將會按一定范圍被切分成很多的區(qū)塊，然后橫向擴展到上百臺服務(wù)器，上千次的寫操作在被拆分后每臺服務(wù)器只需要處理十來次操作。分片讓橫向擴展變得容易。