面试题：MongoDB聚合框架复杂分页场景优化

Question

在一个大型电商数据库中，商品集合包含众多字段和海量文档。现在需要在聚合框架下实现分页，不仅要根据商品销量降序排序，还要过滤掉库存为0的商品，同时在分页过程中要考虑性能优化，尽可能减少内存使用和查询时间。请详细描述实现思路并给出聚合管道代码示例，同时说明在高并发场景下如何进一步优化。

Answer 1

实现思路

1. 过滤库存为0的商品：使用 $match 阶段，通过条件筛选出库存不为0的商品文档。
2. 按商品销量降序排序：利用 $sort 阶段，以商品销量字段为依据进行降序排列。
3. 分页处理：采用 $skip 和 $limit 阶段来实现分页功能，$skip 用于跳过指定数量的文档，$limit 用于限制返回的文档数量。

聚合管道代码示例（以MongoDB为例）

假设商品集合名为 products，库存字段为 stock，销量字段为 sales：

const page = 2; // 页码
const pageSize = 10; // 每页数量
const skip = (page - 1) * pageSize;

db.products.aggregate([
    { $match: { stock: { $gt: 0 } } },
    { $sort: { sales: -1 } },
    { $skip: skip },
    { $limit: pageSize }
]);

高并发场景下的优化

1. 索引优化：
   • 为库存字段 stock 和销量字段 sales 创建复合索引，如 db.products.createIndex({ stock: 1, sales: -1 })。这样在 $match 和 $sort 阶段能快速定位和排序文档，提高查询效率。
2. 缓存机制：
   • 引入缓存系统，如Redis。将分页查询结果缓存起来，相同的分页请求直接从缓存中获取数据，减少数据库压力。例如，使用Redis的 SET 和 GET 命令存储和读取分页数据。
3. 读写分离：
   • 采用读写分离架构，主库负责写操作，从库负责读操作。在高并发读场景下，将分页查询请求分发到多个从库，均衡负载，提高系统整体性能。
4. 异步处理：
   • 对于一些非关键操作，如记录查询日志等，可以采用异步处理方式，避免阻塞分页查询的主流程，从而提高系统响应速度。