MongoDB分片集群查询性能下降问题全面诊断方法详解

诊断MongoDB分片集群的查询性能问题，最令人头疼的并非单纯的慢查询，而是“无法定位慢的原因”。广播查询正是这类问题中最隐蔽的隐患——它表面上看似正常执行，实际上已将整个集群的架构压力推至极限。以下排查手段均经过实战反复检验，堪称诊断广播查询的“照妖镜”。

查 explain("executionStats") 里有没有 SHARD_MERGE

这是最直接的判断信号：一旦发现 "stage": "SHARD_MERGE"，基本可以确认查询被广播到了多个分片，并交由 mongos 执行结果合并。这不仅仅是“响应稍慢”，而是架构层面的开销——每个分片都需要完成扫描、排序、序列化及跨网络传输，最后由 mongos 统一归并。

重点应关注两个关键字段：

• executionStats.nReturned 数值很小（比如 100），但 totalDocsExamined 为各分片扫描量之和（例如每个 shard 扫描 5 万行，3 个 shard 总计 15 万）
• shards 数组长度超过 1，且每个分片的 executionStages 下均存在非零的 docsExamined

执行命令示例：
db.orders.explain("executionStats").find({ status: "pending" }).sort({ createdAt: -1 })

看 mongos 日志里有没有 broadcast: true

相较于 explain，日志能呈现更真实的运行状况，尤其适合暴露毛刺与高频问题。在 mongos 日志中检索如下模式：
"command":"find".*"sort".*"broadcast":true

若匹配结果数量较高，说明大量查询未携带分片键，或排序字段并非分片键前缀。需注意：shardCount 字段值大于 1 的慢查询记录，同样指向同一类问题根源。

不要只关注平均耗时——广播查询的延迟分布极不均匀，性能瓶颈通常取决于最慢那个 shard 的响应时间。

用 db.currentOp() 抓正在跑的 mongosMerge 操作

执行 db.currentOp({ "secs_running": { "$gt": 5 } })，过滤出活跃时间超过 5 秒的操作，重点查找：
"type": "mongosMerge" 或 "desc": "mongos merge"

这类操作一旦堆积，将迅速耗尽 mongos 的内存与 CPU 资源，导致后续所有请求排队等待。它不同于普通查询，难以被快速终止，因为归并逻辑在 mongos 进程内完成，不经过 shard 的 oplog。

对比验证法非常有效：直接连接某个 shard 执行相同查询（如 mongo --host shard01:27018），若速度快 10 倍以上，基本可锁定归并瓶颈。

检查索引是否以分片键为最左前缀

存在索引 ≠ 能够路由。在分片集群中，索引必须将分片键字段置于最左侧，否则即使有索引，mongos 也无法判断应查询哪个 shard。

例如分片键为 { tenantId: 1, _id: 1 }，则以下索引有效：

• { tenantId: 1, _id: 1, status: 1 }
• { tenantId: 1, status: 1 }（跳过 _id 无妨，只要 tenantId 在最左）

而以下索引无效：

• { status: 1, tenantId: 1 }（tenantId 不在最左）
• { createdAt: 1 }（完全不含分片键）

通过 db.collection.getIndexes() 逐一核对，线上环境常在此环节暴露问题——索引虽然创建，但实际效果如同“假快”。

真正棘手的并非“没有索引”，而是“索引已建，但分片层根本用不上”。广播与归并一旦成为常态，单纯增加硬件、升级配置、调整参数只能暂时缓解，若不重构查询语义或分片键设计，问题只会随数据增长持续恶化。