面试题：MongoDB索引基数异常对系统稳定性的影响及修复策略

查询性能下降：
- 索引基数异常意味着索引中不同值的数量与预期不符。例如，基数过小，可能导致索引选择性变差，查询时数据库无法有效地利用索引快速定位数据，从而使得全表扫描的概率增加，查询响应时间显著变长，影响系统的实时性和整体吞吐量。
- 对于频繁查询的业务场景，如电商网站的商品搜索功能，性能下降会导致用户等待时间过长，降低用户体验，甚至可能导致用户流失。
写入性能受影响：
- MongoDB在写入数据时需要维护索引。当索引基数异常时，写入操作可能需要更多的资源来调整索引结构，这会增加写入操作的耗时，导致写入性能降低。对于高并发写入的系统，如日志记录系统，可能会出现写入瓶颈，影响数据的及时记录和处理。
资源消耗增加：
- 由于查询和写入性能的下降，数据库服务器需要消耗更多的CPU、内存和磁盘I/O资源来处理请求。长时间高负荷运行可能导致服务器响应缓慢，甚至出现系统崩溃的风险，影响整个系统的稳定性。例如，过多的磁盘I/O操作可能导致磁盘读写性能下降，进一步影响数据库的运行效率。

查看索引统计信息：
- 使用db.collection.stats()命令查看集合的统计信息，其中包括索引相关的信息。例如，"indexDetails"字段会显示每个索引的详细信息，包括基数（"keyPattern"和"cardinality"）。通过观察"cardinality"值，可以初步判断索引基数是否异常。如果该值明显小于预期，可能存在基数异常问题。
- 示例：

db.products.stats()

分析查询计划：
- 使用explain()方法分析查询计划。异常的索引基数可能导致查询计划选择不理想的执行路径。例如，本该使用索引的查询却进行了全表扫描。在查询计划输出中，查看"winningPlan"部分的"stage"字段，如果是"COLLSCAN"（全表扫描）而不是预期的"IXSCAN"（索引扫描），可能暗示索引基数存在问题。
- 示例：

db.products.find({category: "electronics"}).explain()

监控数据库性能指标：
- 通过监控工具（如MongoDB自带的监控命令db.serverStatus()或第三方监控工具如Prometheus + Grafana），观察查询响应时间、写入操作延迟、CPU使用率、磁盘I/O等性能指标。如果查询响应时间突然变长，同时CPU和磁盘I/O使用率升高，而业务负载没有明显变化，可能是索引基数异常导致的性能问题。

重建索引：
- 对于基数异常的索引，可以考虑重建索引。使用db.collection.dropIndex()删除异常索引，然后使用db.collection.createIndex()重新创建索引。这会重新计算索引基数，使其恢复正常。
- 示例：

// 删除索引
db.products.dropIndex({category: 1})
// 重新创建索引
db.products.createIndex({category: 1})

更新统计信息：
- 在某些情况下，索引统计信息可能不准确，导致看起来基数异常。可以使用db.collection.reIndex()命令重新计算索引统计信息，该命令会重建集合中的所有索引，更新统计数据，可能解决索引基数异常问题。
- 示例：

db.products.reIndex()

调整数据分布：
- 如果是由于数据分布不均匀导致的索引基数异常，可以考虑调整数据分布。例如，对于某个字段，如果大部分值相同导致基数低，可以对数据进行规范化处理，或者在应用层进行数据处理，使数据分布更均匀，从而提高索引基数的合理性。但这种方法相对复杂，需要对业务逻辑有深入理解，并且可能涉及到数据迁移等操作。

知识考点