任何中间件的面试说到底都是以高可用、高性能和高并发为主，而高性能和高并发基本是同时存在的。
性能优化一直被看作一个高级面试点，因为只有对原理了解得很透彻的人，在实践中才能找准性能优化的关键点，从而通过各种优化手段解决性能问题
MongoDB查询过程
MongoDB在分片之后会有一些机制来保证查询能够准确找到数据。在分库分表中，查询的执行过程中最重要的一步，就是计算数据可能在哪个目标表上。如果实在计算不出来，那么只能考虑使用广播。
MongoDB也需要考虑类似的问题。在MongoDB里，有一类实例叫做mongos，这些实例负责路由查询到目标表上，还有合并结果集。
在分库分表中，计算目标表是分库分表中间件或分库分表代理完成的
MongoDB的ESR规则
在MongoDB里面设计索引的时候就要考虑所谓的ESR规则。
ESR代表的是E（Equality）、S（Sort）和R（Range），也就是相等、排序和范围。在设计索引的时候，按照ESR规则来排列你的索引列。
比如说，你用A进行等值查找，用B进行排序，用C进行范围查询，那么就应该是ABC，如果你是BAC，就违反了ESR规则。
而且ESR的三个元素是可以重复的，只要保证相对顺序不变就可以。
- EESR：两个等值列
- ESSR：两个排序列
- ER：没有排序列
- ERR：两个范围列
在设计、优化索引的时候就是要让索引尽量符合ESR规则。
面试准备
- 有没有遇到过MongoDB慢查询的问题？如果有，引发慢查询的原因是什么？最终是怎么解决的？
- 有没有优化过MongoDB的索引？是怎么优化的？
- MongoDB的参数有没有调整过？调过哪些？为什么调整？
- MongoDB的平均查询时间多长？99线以及999线是多少
你可以把 MongoDB 的性能优化、MySQL 查询性能优化、Elasticsearch 性能优化三个合并在一起。也就是说你整个面试思路就是讨论它们三个的性能优化手段。
比如：
- 在讨论到MySQL索引优化的时候，提起优化MongoDB的索引
- 在讨论到分库分表分页查询的时候，提起MongoDB里的mongos
- 在讨论Elasticsearch分片的时候，也可以提起MongoDB的分片
通过这样的横向对比，树立起一个掌握了各种中间件性能优化方法论的形象，从而加深面试官对你的印象，赢得竞争优势。
优化MongoDB查询
覆盖索引
在MySQL上使用覆盖索引的最大好处就是不需要回表，从索引里就可以直接拿到你需要的数据。
在MongoDB里也可以用这样的手段，也就是说，如果有一个索引上有你要查询的全部数据，那么MongoDB就不用把整个文档加载进来。最直观的做法就是在查询中使用projection方法指定字段，而且这些字段都是索引字段。
这算是最基本的优化手段，在真实的工作场景也很常见，因为最开始开发者为了省事，通常是直接把所有的字段查询出来，后续随着数据量增长才会遇到性能问题。
之前我做过一个很简单的优化，早期有一个业务查询，就是把整个文档都加载进来。后面发现，这个查询的调用者大部分其实不需要整个文档，只需要里面的几个字段。所以就额外提供了一个新的查询接口，只会返回部分字段。优化后，大部分查询都是调用新接口，MongoDB也不需要把整个文档加载进来，性能提升了至少30%。
也可以进一步总结一下
不仅仅是查询，就算是在更新的时候，也要尽可能做到只更新必要的字段。比如在一些业务场景下，出于快速研发的角度，可能考虑前端把整个文档传过来，后端直接更新整个文档。但是如果只传修改过的字段，可以只更新必要的字段，这样的性能也很好。
