MongoDB索引失效导致查询退化为全表扫描，高并发下耗尽磁盘IO和CPU，引发主库卡死。复合索引不满足最左前缀、字段顺序或类型错误均会失效。低基数字段单独建索引增加写压力。需用explain验证stage是否为IXSCAN，避免虚假安全感。

MySQL5 7相关子查询因优化器逐行驱动导致外层索引失效，出现依赖子查询。改写成JOIN可下推条件、复用索引、避免重复计算，但需注意连接字段索引、NULL处理及行数膨胀。

MongoDB的16MB文档大小是BSON协议硬性限制，无法绕过。GridFS用于存储大文件，但其fs chunks集合不支持聚合查询。解决之道是采用GridFS存储原始文件，同时建立独立元数据集合存放可索引字段，通过file_id关联。分表策略仅适用于文档可分割、查询模式固定的场景，否则可能引发更复杂问题。

在后台系统开发中，为管理员规则表创建模型与数据迁移脚本，借助AI工具生成Go模型和迁移SQL，经手动微调后插入权限数据。过程中遇到AI理解偏差，通过反复调整提示词，最终成功生成准确的AdminRule模型。

基于ApacheAirflow编排数据入仓链路，将本地文件经AWSS3暂存后，通过DatabendCloud的COPYINTO命令批量导入目标表。Airflow负责调度、重试及依赖管理，S3提供原始数据暂存与回溯能力，Databend利用文件去重机制确保重跑安全。该链路单一调度源、依赖明确、可扩展，适用于日志、事件等半结构化数据的云端分析场景。

SelectDBServerless通过三层解耦架构使计算、缓存、存储独立弹性，只需设定弹性区间即可秒级扩缩容，按实际用量付费，最高降低70%成本，特别适合负载峰谷明显的BI、AI场景及成本敏感团队，实现零运维与资源优化。

MySQL到StarRocks的数据同步是实时分析架构的标配，常见方案有离线批量、FlinkCDC及一体化平台。生产环境需关注全量读取压力、binlog配置、全增量衔接、目标表结构设计及数据一致性校验，以确保链路长期稳定运行与低运维成本。

针对大量小Bitmap聚合场景，Databend采用HybridBitmap混合表示：小集合使用SmallBitmap降低构造成本，结果膨胀时切换至RoaringTreemap，避免过早构造完整结构。Benchmark显示，性能提升可达60%至80%，显著降低CPU与内存开销。