面试题：MongoDB explain输出分析与查询性能优化策略

queryPlanner 部分：
- winningPlan：查看使用的具体查询计划，比如是全表扫描（COLLSCAN）还是使用了索引扫描（IXSCAN）。如果是全表扫描，通常性能较差，因为需要遍历集合中的每一个文档。
- rejectedPlans：了解被拒绝的查询计划，分析为什么它们没有被选中，这可能有助于发现潜在的更好的查询方式。
executionStats 部分：
- nReturned：返回的文档数量。如果这个数量远小于集合中的文档总数，说明查询条件起到了过滤作用，但如果接近总数，可能查询条件设置不当。
- executionTimeMillis：查询执行的时间（毫秒），这直接反映了查询的性能。
- totalKeysExamined：检查的键的数量。如果这个值过大，可能索引使用不合理。
- totalDocsExamined：检查的文档数量。全表扫描时这个值会是集合文档总数，过大的值表明可能需要优化索引。
serverInfo 部分：了解服务器的相关信息，如 MongoDB 版本等，不同版本在查询优化上可能存在差异。

全表扫描：如果 winningPlan 是 COLLSCAN，这是一个主要瓶颈。原因是全表扫描需要读取集合中的每一个文档，随着集合规模增大，性能会急剧下降。
索引不合理：
- 索引缺失：如果查询条件中的字段没有合适的索引，MongoDB 无法利用索引快速定位文档，只能进行全表扫描。
- 索引选择不当：可能存在多个索引，但查询优化器选择了不合适的索引，导致检查过多的键或文档。
查询条件复杂：复杂的查询条件可能导致查询优化器难以生成高效的查询计划，比如过多的 $or 操作符，可能使索引无法有效利用。

调整索引：
- 添加索引：
  - 原理：为查询条件中的字段添加索引。例如，如果查询语句是 { "field1": { $gte: value1 }, "field2": value2 }，为 field1 和 field2 添加复合索引 createIndex({ field1: 1, field2: 1 })。索引是一种数据结构，类似于字典，能够快速定位到符合条件的文档，减少全表扫描的可能性。
- 删除不必要的索引：
  - 原理：过多的索引会增加写操作的开销，因为每次写入文档时，所有相关索引都需要更新。删除不使用的索引可以提高写性能，同时也可能使查询优化器更容易选择正确的索引。
改写查询语句：
- 简化复杂条件：
  - 原理：尽量避免过多的 $or 操作符。例如，如果有 { $or: [ { "field1": value1 }, { "field2": value2 } ] }，尝试通过其他方式实现相同逻辑，如使用聚合框架或者将查询拆分成多个部分。因为 $or 操作符在很多情况下无法有效利用索引，而改写后可能使查询能够利用索引提高性能。
- 利用覆盖索引：
  - 原理：如果查询只需要返回某些字段，并且这些字段都包含在索引中，那么可以创建覆盖索引。例如，查询 { "field1": value1 }, { "field2": 1, "_id": 0 }，创建索引 createIndex({ field1: 1, field2: 1 })。这样 MongoDB 可以直接从索引中获取所需数据，而不需要回表操作，从而提高查询性能。

星途面试题库