MongoDB 的性能不是由单个参数决定的，而是“工作集是否装进内存 + 索引是否命中 + 写关注/读关注级别 + 数据模型是否合理”四者共同作用的结果。本页给出一个可落地的性能分析模型，并说明数据建模的关键取舍。

1. 影响性能的四个前提

排查 MongoDB 慢之前，先建立判断框架：

1. 内存与工作集：热点数据能否常驻内存，直接决定是内存访问还是磁盘 IO。
2. 索引命中：查询是否走索引，还是全集合扫描。
3. 写关注与读关注（Write/Read Concern）：一致性级别越高，写等待与延迟越大。
4. 数据模型：内嵌还是引用、数组是否有界，决定了文档读写是否随数据增长而恶化。

MongoDB 的索引基于 B-tree（默认 _id 索引即 B-tree），用来把查询从“全集合扫描”变成“按索引定位”。理解索引类型、复合索引的最左前缀规则、覆盖查询以及索引带来的写放大，是 MongoDB 调优的核心功课。

1. 为什么要索引

没有索引时，一次条件查询要扫描集合中的每个文档（COLLSCAN），复杂度随数据量线性上升；有序的 B-tree 索引可以把定位成本降到对数级。索引的代价是：每个索引都会增加写操作的开销，并占用额外存储——所以“写多读少”的集合不应盲目堆索引。