面试题：MongoDB查询缓存的优化策略

Question

在高并发读写场景下，你会采取哪些策略来优化MongoDB查询缓存以提升整体性能？请从缓存策略、配置参数等方面阐述。

Answer 1

缓存策略

1. 读写分离：
   • 主节点负责写操作，从节点负责读操作。利用从节点分担读压力，通过配置MongoDB副本集实现。应用程序根据读写需求连接不同节点，降低主节点读负载，提升读性能。
   • 例如，使用MongoDB驱动程序时，可在连接字符串中指定读偏好（readPreference）为secondaryPreferred，让读操作优先从从节点获取数据。
2. 合理设置缓存有效期：
   • 根据数据的变化频率设置不同缓存有效期。对于变化频繁的数据，设置较短有效期，如实时统计数据；对于相对稳定的数据，设置较长有效期，如商品分类信息。
   • 在应用程序缓存实现中，可采用时间戳或版本号机制，当数据更新时，更新缓存的有效期或版本，确保缓存数据的一致性。
3. 多级缓存：
   • 采用内存缓存（如Redis）作为一级缓存，应用程序本地缓存作为二级缓存。一级缓存用于快速响应大量读请求，二级缓存减轻一级缓存压力并加快本地访问速度。
   • 例如，先从应用程序本地缓存查找数据，若未命中则从Redis缓存查找，仍未命中则查询MongoDB，查询到的数据依次更新到二级和一级缓存。
4. 缓存预热：
   • 在系统启动阶段，预先将热点数据加载到缓存中。通过分析历史访问记录或业务逻辑确定热点数据，利用脚本或定时任务在系统启动前将数据查询并写入缓存。
   • 比如，在电商系统启动时，将热门商品信息、促销活动数据等加载到缓存，避免系统刚启动时大量请求直接查询MongoDB导致性能下降。

配置参数

1. 调整内存分配：
   • mmapv1存储引擎：MongoDB默认使用mmapv1存储引擎，可通过调整操作系统的内存分配参数（如sysctl的vm.swappiness参数），减少磁盘交换，让更多内存用于MongoDB数据缓存。将vm.swappiness设置为较低值（如10），使系统优先使用物理内存，提升MongoDB性能。
   • WiredTiger存储引擎：该引擎有自己的缓存配置参数，可通过调整storage.wiredTiger.engineConfig.cacheSizeGB参数，根据服务器内存情况合理分配给WiredTiger的缓存大小。一般建议设置为服务器物理内存的50% - 80%，例如服务器有32GB内存，可设置为16GB - 25.6GB。
2. 副本集配置：
   • 仲裁节点：在副本集中，仲裁节点不存储数据，仅参与选举。合理配置仲裁节点，可减少数据节点负载，提升副本集稳定性。例如，在三节点副本集中，可设置一个仲裁节点，两个数据节点，让仲裁节点负责选举决策，数据节点专注于数据读写。
   • 延迟节点：添加延迟节点，它的数据比主节点延迟一定时间。可用于数据备份、灾难恢复及特定查询（如查询历史数据状态），不影响主从节点的正常读写。通过在副本集配置文件中设置priority为0，slaveDelay为指定延迟时间（如3600秒）来配置延迟节点。
3. 索引优化：
   • 复合索引：根据查询条件创建复合索引，将经常一起使用的查询字段组合成复合索引。例如，在用户查询中，经常按“年龄”和“性别”查询，可创建复合索引{age: 1, gender: 1}，提升查询性能。注意索引字段顺序，遵循最左前缀原则。
   • 覆盖索引：当查询字段都包含在索引中时，MongoDB可直接从索引获取数据，无需回表操作。例如，查询只需要“用户名”和“邮箱”字段，创建包含这两个字段的覆盖索引{username: 1, email: 1}，减少磁盘I/O，提升查询效率。