MongoDB QPS 过高优化
一、MongoDB 数据库层优化 索引优化 关键字段索引：为高频查询字段（如 userId、transactionDate）创建单字段或组合索引，避免全集合扫描 // 示例：创建复合索引db.transactions.createIndex({ userId: 1, transactionDate: -1 }); 索引监控：通过 db.collection.getIndexes() 检查冗余索引，删除未使用的索引以减少写入负载 分片扩展 水平分片：对集合按高频查询字段（如 userId）进行哈希或范围分片，将负载分散到多个节点 sh.shardCollection("myDatabase.transactions", { userId: "hashed" }); 数据均衡：监控分片均衡性，避免数据倾斜导致部分节点过载 查询优化 聚合管道优化：将 $match 和 $project 尽量放在管道前端，通过索引快速过滤和减少字段，降低后续阶段处理的数据量。例如，先通过 $match 筛选出符合条件的文档，再执行排序或分组操作。 投影限制字段：仅返回必要字段，减少数据传输量 db.transactions.find({}, { userId: 1, amount: 1 }); 硬件与配置 内存优化：增大 WiredTiger 缓存（如 --wiredTigerCacheSizeGB=8），提升热数据访问速度 SSD 存储：使用高性能 SSD 降低磁盘 I/O 延迟 二、Next.js 应用层优化 服务端渲染优化 静态生成（SSG）：对数据更新频率低的页面（如商品详情页）使用 getStaticProps，构建时预生成 HTML，减少实时查询 按需增量更新（ISR）：通过 revalidate 参数设置缓存刷新周期，平衡实时性与负载 异步化与批处理 批量查询：合并多个查询为单个聚合操作，减少网络往返次数 延迟加载：对非关键数据使用客户端渲染（CSR），通过 useEffect 或 SWR 异步加载 缓存机制 Redis 缓存层：将高频查询结果（如用户画像数据）缓存至 Redis，设置合理的 TTL HTTP 缓存头：通过 Cache-Control 头缓存 API 响应，减少重复查询 三、紧急应对措施 熔断降级 静态降级页面：当 QPS 超过阈值时，返回预生成的静态页面并提示“系统繁忙” 接口限流返回缓存：对超频请求直接返回缓存数据，避免击穿数据库。 弹性扩缩容 Kubernetes 自动扩缩：根据 MongoDB 负载指标动态调整 Next.js 实例数量，避免雪崩效应 云数据库自动扩展：使用 MongoDB Atlas 或阿里云版，开启存储和计算资源自动扩
来源整理自：vue3js.cn 面试官系列
