面试题：MongoDB复合查询条件构建策略之性能优化

查询条件构建策略

操作类型条件：直接在查询条件中指定 action 字段为 login，即 { action: 'login' }。
时间范围条件：获取当前时间并减去一周时间，得到一周前的时间点。在JavaScript中示例代码如下：

const currentDate = new Date();
const oneWeekAgo = new Date(currentDate.getTime() - 7 * 24 * 60 * 60 * 1000);
const query = { 
    action: 'login', 
    timestamp: { $gte: oneWeekAgo } 
};

在Python（使用 pymongo 库）中示例代码如下：

from datetime import datetime, timedelta

one_week_ago = datetime.now() - timedelta(days = 7)
query = {
    "action": "login",
    "timestamp": {
        "$gte": one_week_ago
    }
}

索引设计

复合索引：由于查询条件涉及 action 和 timestamp 两个字段，创建复合索引可以显著提升查询性能。索引字段顺序应按照查询条件中过滤能力强的字段在前的原则。因为 action 字段的离散度相对较小，timestamp 离散度较大且查询范围固定，所以复合索引顺序应为 action 在前，timestamp 在后。在MongoDB shell中创建复合索引命令如下：

db.your_collection_name.createIndex({ action: 1, timestamp: 1 });

在Python（pymongo 库）中创建复合索引代码如下：

from pymongo import MongoClient

client = MongoClient()
db = client.your_database_name
collection = db.your_collection_name
collection.create_index([("action", 1), ("timestamp", 1)])

性能优化措施

投影优化：如果不需要返回文档的所有字段，通过投影只返回需要的字段，可以减少数据传输量和查询响应时间。例如，若只需要 user_id 字段，在JavaScript中查询如下：

db.your_collection_name.find(query, { user_id: 1, _id: 0 });

在Python中：

result = collection.find(query, {"user_id": 1, "_id": 0})

定期清理过期数据：随着时间推移，集合中的文档会越来越多，查询性能会下降。定期删除 timestamp 不在关注范围内（比如超过一年的数据）的数据，可以减少集合的大小，从而提升查询性能。
分片：对于海量数据，考虑对集合进行分片。可以根据 user_id 等字段进行分片，这样可以将数据分布在多个分片服务器上，提高查询的并行处理能力。在MongoDB中设置分片集群需要一定的配置步骤，包括启动分片服务器、配置服务器，以及启用分片等操作。
使用合适的读偏好：如果读操作远多于写操作，并且部署了多个副本集成员，可以选择合适的读偏好（如 secondaryPreferred），将读操作分发到副本集成员上，减轻主节点的负载。在JavaScript中可以如下设置：

const cursor = db.your_collection_name.find(query).readPref('secondaryPreferred');

在Python中：

result = collection.find(query, read_preference=ReadPreference.SECONDARY_PREFERRED)

星途面试题库

面试题：MongoDB复合查询条件构建策略之性能优化

知识考点

面试题答案

查询条件构建策略

索引设计

性能优化措施