优化排序

在MongoDB里面，如果能够利用索引来排序的话，直接按照索引顺序加载数据就可以了。如果不能利用索引来排序的话，就必须在加载了数据之后，再次进行排序，也就是进行内存排序。

可想而知，如果内存排序，再叠加分页查询的话，性能会更差。比如你要查询skip(10000).limit(100)，那么在最坏情况下，MongoDB要把所有的文件加载到内存里排序，然后找到从10000开始的100条数据

优化的思路也类似MySQL。第一种是把查询优化成利用索引来排序，可以考虑修改查询，也可以考虑修改索引。比如你可以新建索引。

我还优化过一个分页查询。早期的时候，有一个查询是需要排序加分页的，但是最开始数据量不多，所以随便写了也没问题。但是后面数据量上来以后，这个地方查询就越来越慢。看到这个排序加分页的查询，我第一个想法就是这个查询肯定是内存查询，不然不会这么慢。一排查果然是这样，后来创建了一个新的索引，确保排序的时候可以直接利用索引来排序。

另一种优化思路是借鉴在分库分表里提到的禁止跨页查询，也就是每次查询带上上一次查询的极值作为查询条件。

MongoDB的分页查询还有一种优化方式，但是这种优化方式需要业务折中。也就是原来分页向后翻页是通过偏移量来进行的，那么现在可以通过修改查询条件，在查询语句里带上前一页的排序字段的极值。比如我们的查询是根据创建时间create_time倒序排序，那么就可以优化成查询条件里上一批最小的create_time，接近于WHERE create_time <= $last_min_create_time的语义

注意，这里的极值是最大值还是最小值，跟你的排序有关。

另外你可以进一步把话题引导到MySQL和分库分表上。

总体来说，MongoDB的分页查询面临的问题和关系型数据库分页查询面临的问题差不多，而在分片集合上进行分页查询的问题，也和分库分表的问题差不多。总之，分页查询如果不小心的话，是比较容易出现性能问题的。

既然MongoDB会有这种分页的问题，那么分片情况下处理分页的mongos岂不是容易成为瓶颈吗？
所以就可以考虑增加mongos的数量。

增加mongos数量

如果是分片集合的话，查询都要靠mongos来执行路由，并且合并结果集。

换一句话来说，mongos就是查询的性能瓶颈，它可能是CPU瓶颈、内存瓶颈或网络带宽瓶颈。比如，你有分片查询，那么mongos就必须要求各个分片查询到结果之后，自己再排序，选出全局分页里对应的数据。

因此，在实践中要密切关注查询性能，并且发现查询很慢的时候，就要去看看是不是mongos引起的。

之前我还优化过mongos，不过mongos实例能优化的不多，主要就是增加mongos实例，而且最好是能独立部署mongos，独享系统的CPU和内存资源。

另一种面试的思路是隔离，也就是要考虑到mongos本身容易称为性能瓶颈，并且你也不能无限增加mongos实例，所以如果公司资源足够，应该让核心业务使用独立的mongos实例，或者说独立的MongoDB集群。

并且，为了保证核心服务的查询效率和稳定性，我都是单独准备了一个集群给核心服务，这样可以保证核心服务的mongos互相之间没影响