1. 索引设计与使用
在实际应用中，索引设计对于 PHP 操作 MongoDB 的查询性能至关重要。通过对常用查询条件进行定位，我们可以让查询在大数据量中快速命中所需记录，显著降低 服务器端扫描 的成本，并提升单次请求的吞吐量。
对于高频查询，前缀顺序和复合索引的选择尤为关键。正确排序的字段顺序能让大多数查询直接走 覆盖索引，避免返回大量未使用字段，进一步减轻网络和 CPU 的压力。
// 创建一个覆盖常用查询的复合索引示例
$collection->createIndex(['status' => 1, 'updatedAt' => -1, 'userId' => 1], ['name' => 'idx_status_updated_user']);
在设计复合索引时，应将经常一起筛选的字段放在索引的前列，并尽量避免对低基数字段进行无效组合，以降低维护成本并提升命中率。
1.1 覆盖索引的重要性
覆盖索引可以让查询只从索引结构中返回需要的字段，而无需访问原始文档，显著降低 I/O 与网络传输开销，从而提升响应速度。
为常见的筛选条件与排序条件组合成一个或几个覆盖索引，是提升性能最直接的手段之一，减少回表查询是核心收益。
1.2 复合索引的应用场景
在包含多字段筛选、排序、以及分组统计的场景中，复合索引的字段顺序决定了大部分查询是否能命中索引，避免全表扫描。
需要关注的是，更高的写入成本来自于更多的复合索引，因此应在查询热点与写入成本之间取得平衡，优先覆盖最常用的查询模式。
2. PHP 操作 MongoDB 查询优化要点
在 PHP 客户端中，投影字段与返回字段控制能显著降低网络带宽和客户端处理成本。通过限制返回字段数量，服务器只需发送必要的数据，进而提升并发下的吞吐。
合理使用筛选条件、投影和排序，能让 MongoDB 直接从索引读取所需结果，而不是扫描大量文档后再进行筛选，这也是 查询优化 的核心。下面示例展示了一个常见的筛选、投影与排序组合。
$cursor = $collection->find(['status' => 'active'],['projection' => ['_id' => 0, 'name' => 1, 'email' => 1], 'limit' => 100, 'sort' => ['updatedAt' => -1]]
);
为了验证查询是否走索引，开发过程中可以结合 explain 功能来了解执行计划，从而进一步微调索引结构和查询条件。
$explain = $collection->find(['status' => 'active', 'age' => ['$gte' => 18]], ['explain' => true])->toArray();
2.1 投影与字段选择
通过明确的 字段投影，你可以避免将不需要的数据传输到客户端，减少网络开销，并提升前端处理效率。
在投影中，排除 _id 或仅返回部分字段，是常见的优化手段，但要确保不影响后续的业务逻辑。
2.2 避免偏移量查询和排序成本
使用索引覆盖查询时，跳过(skip) 的行为通常会导致无法利用索引。尽量采用 范围查询、分页方案（如基于时间戳、分页键）来替代大位移的偏移。
对于排序密集型的场景，单字段或复合索引中的排序顺序要与查询排序一致，以避免排序阶段回表与二次排序。
3. 从查询到聚合的高效路径
当需要对数据进行分组、聚合统计或多表关联式处理时，聚合管道通常比多次查询更高效，尤其是在数据量较大时。通过将筛选、投影、连接与聚合放在管道中执行，可以显著降低 I/O 与 CPU 的总消耗。
实现高效的聚合路径，需要对管道阶段顺序、数据量分布和阶段输出做精心设计。合理使用 $match、$project、$group 与 $sort 的组合，可以极大提升聚合吞吐。
$pipeline = [['$match' => ['status' => 'active']],['$lookup' => ['from' => 'orders', 'localField' => 'customer_id', 'foreignField' => '_id', 'as' => 'orders']],['$unwind' => '$orders'],['$group' => ['_id' => '$customer_id', 'total' => ['$sum' => '$orders.amount']]],['$sort' => ['total' => -1]]
];
$results = $collection->aggregate($pipeline)->toArray();
在一些复杂场景中，$facet 可以同时产出多组聚合结果，但需要留意其潜在的内存与执行时间开销，确保不会对单个请求产生瓶颈。
$pipeline = [['$facet' => ['topCustomers' => [['$match' => ['status' => 'active']],['$sort' => ['spent' => -1]],['$limit' => 10]],'totals' => [['$group' => ['_id' => null, 'count' => ['$sum' => 1]]]]]]
];
$results = $collection->aggregate($pipeline)->toArray();
3.1 使用聚合管道优化数据处理
将筛选阶段尽早放入管道核心，$match 的早期执行能显著减少后续阶段的数据量，从而提升整体性能。
紧随筛选之后的阶段应尽量使用 $project 收缩字段，避免将大量无关字段传递到后续阶段，提升 RAM 的使用效率。
3.2 使用 $match、$project、$group 的顺序
遵循 $match → $project → $group 的顺序可以在多数场景下获得更好的性能，因为前置筛选和字段裁剪会减少后续阶段的工作量。
此外，若遇到需要跨集合关系的聚合，可以通过 $lookup 实现联接，但请控制返回数据量，避免产生巨大的中间结果。
4. 实战中的监控与调优
实际生产中，监控执行计划和定期回顾索引使用情况，是持续优化的关键。通过对慢查询的分析，可以发现 长期热点查询 的瓶颈并据此调整。
结合数据库统计信息与日志，可以快速发现 未命中索引的查询、回表次数 与 排序成本 的问题，从而迭代优化方案。
// 读取慢查询日志或解释执行计划的示例（伪代码，具体实现依赖环境）
$slowQueries = $db->getCollection('system.profile')->find([' millis' => ['$gt' => 100]])->toArray();
在实际操作中，定期对 索引覆盖率、磁盘 I/O、以及 查询响应时间 进行评估，然后将结果反馈到索引设计与聚合管道的调整中，是实现长期高效查询的关键。
4.1 读取执行计划并辨识瓶颈
通过读取执行计划，可以快速辨识是否存在 全表扫描、回表开销 或 排序成本 的问题，并据此调整索引或查询结构。
要点在于关注查询是否命中 最优索引、是否需要对 字段顺序 重新排序，以及是否可以通过聚合管道替代多次查询来降低成本。
4.2 结合指数统计进行迭代
定期查看 索引使用统计，并据此对 高频查询 的索引进行调整。同时，关注写入成本与查询成本的平衡，避免过多的索引影响写入吞吐。
