mongodb可以通过profile来监控数据，进行优化。

查看当前是否开启profile功能用命令

db.getProfilingLevel() 返回level等级，值为0|1|2，分别代表意思：0代表关闭，1代表记录慢命令，2代表全部

开始profile功能为

db.setProfilingLevel(level); #level等级，值同上

level为1的时候，慢命令默认值为100ms，更改为db.setProfilingLevel(level,slowms)如db.setProfilingLevel(1,50)这样就更改为50毫秒

通过db.system.profile.find() 查看当前的监控日志。

如：

> db.system.profile.find({millis:{$gt:500}})
{ "ts" : ISODate("2011-07-23T02:50:13.941Z"), "info" : "query order.order reslen:11022 nscanned:672230  \nquery: { status: 1.0 } nreturned:101 bytes:11006 640ms", "millis" : 640 }
{ "ts" : ISODate("2011-07-23T02:51:00.096Z"), "info" : "query order.order reslen:11146 nscanned:672302  \nquery: { status: 1.0, user.uid: { $gt: 1663199.0 } }  nreturned:101 bytes:11130 647ms", "millis" : 647 }

这里值的含义是

ts：命令执行时间

info：命令的内容

query：代表查询

order.order： 代表查询的库与集合

reslen：返回的结果集大小，byte数

nscanned：扫描记录数量

nquery：后面是查询条件

nreturned：返回记录数及用时

millis：所花时间

如果发现时间比较长，那么就需要作优化。

比如nscanned数很大，或者接近记录总数，那么可能没有用到索引查询。

reslen很大，有可能返回没必要的字段。

nreturned很大，那么有可能查询的时候没有加限制。

mongo可以通过db.serverStatus()查看mongod的运行状态

> db.serverStatus()
{
	"host" : "baobao-laptop",#主机名
	"version" : "1.8.2",#版本号
	"process" : "mongod",#进程名
	"uptime" : 15549,#运行时间
	"uptimeEstimate" : 15351,
	"localTime" : ISODate("2011-07-23T06:07:31.220Z"),当前时间
	"globalLock" : {
		"totalTime" : 15548525410,#总运行时间（ns）
		"lockTime" : 89206633,	#总的锁时间（ns）
		"ratio" : 0.005737305027178137,#锁比值
		"currentQueue" : {
			"total" : 0,#当前需要执行的队列
			"readers" : 0,#读队列
			"writers" : 0#写队列
		},
		"activeClients" : {
			"total" : 0,#当前客户端执行的链接数
			"readers" : 0,#读链接数
			"writers" : 0#写链接数
		}
	},
	"mem" : {#内存情况
		"bits" : 32,#32位系统
		"resident" : 337,#占有物理内存数
		"virtual" : 599,#占有虚拟内存
		"supported" : true,#是否支持扩展内存
		"mapped" : 512
	},
	"connections" : {
		"current" : 2,#当前链接数
		"available" : 817#可用链接数
	},
	"extra_info" : {
		"note" : "fields vary by platform",
		"heap_usage_bytes" : 159008,#堆使用情况字节
		"page_faults" : 907 #页面故作
	},
	"indexCounters" : {
		"btree" : {
			"accesses" : 59963, #索引被访问数
			"hits" : 59963, #所以命中数
			"misses" : 0,#索引偏差数
			"resets" : 0,#复位数
			"missRatio" : 0#未命中率
		}
	},
	"backgroundFlushing" : {	
		"flushes" : 259,  #刷新次数
		"total_ms" : 3395, #刷新总花费时长
		"average_ms" : 13.108108108108109, #平均时长
		"last_ms" : 1, #最后一次时长
		"last_finished" : ISODate("2011-07-23T06:07:22.725Z")#最后刷新时间
	},
	"cursors" : {
		"totalOpen" : 0,#打开游标数
		"clientCursors_size" : 0,#客户端游标大小
		"timedOut" : 16#超时时间
	},
	"network" : {
		"bytesIn" : 285676177,#输入数据（byte）
		"bytesOut" : 286564,#输出数据（byte）
		"numRequests" : 2012348#请求数
	},
	"opcounters" : {
		"insert" : 2010000, #插入操作数
		"query" : 51,#查询操作数
		"update" : 5,#更新操作数
		"delete" : 0,#删除操作数
		"getmore" : 0,#获取更多的操作数
		"command" : 148#其他命令操作数
	},
	"asserts" : {#各个断言的数量
		"regular" : 0,
		"warning" : 0,
		"msg" : 0,
		"user" : 2131,
		"rollovers" : 0
	},
	"writeBacksQueued" : false,
	"ok" : 1
}

db.stats()查看某一个库的原先状况

> db.stats()
{
	"db" : "order",#库名
	"collections" : 4,#集合数
	"objects" : 2011622,#记录数
	"avgObjSize" : 111.92214441878245,#每条记录的平均值
	"dataSize" : 225145048,#记录的总大小
	"storageSize" : 307323392,#预分配的存储空间
	"numExtents" : 21,#事件数
	"indexes" : 1,#索引数
	"indexSize" : 74187744,#所以大小
	"fileSize" : 1056702464,#文件大小
	"ok" : 1
}

查看集合记录用

> db.order.stats()
{
	"ns" : "order.order",#命名空间
	"count" : 2010000,#记录数
	"size" : 225039600,#大小
	"avgObjSize" : 111.96,
	"storageSize" : 307186944,
	"numExtents" : 18,
	"nindexes" : 1,
	"lastExtentSize" : 56089856,
	"paddingFactor" : 1,
	"flags" : 1,
	"totalIndexSize" : 74187744,
	"indexSizes" : {
		"_id_" : 74187744#索引为_id_的索引大小
	},
	"ok" : 1
}

mongostat命令查看运行中的实时统计，表示每秒实时执行的次数

mongodb还提供了一个机遇http的监控页面，可以访问http://ip:28017来查看，这个页面基本上是对上面的这些命令做了一下综合，所以这里不细述了。

二.mongodb的优化

根据上面这些监控手段，找到问题后，我们可以进行优化

上面找到了某一下慢的命令，现在我们可以通过执行计划跟踪一下，如

> db.order.find({ "status": 1.0, "user.uid": { $gt: 2663199.0 } }).explain()
{
	"cursor" : "BasicCursor",#游标类型
	"nscanned" : 2010000,#扫描数量
	"nscannedObjects" : 2010000,#扫描对象
	"n" : 337800,#返回数据
	"millis" : 2838,#耗时
	"nYields" : 0,
	"nChunkSkips" : 0,
	"isMultiKey" : false,
	"indexOnly" : false,
	"indexBounds" : {#使用索引（这里没有）
		
	}
}

对于这样的，我们可以创建索引

可以通过 db.collection.ensureIndex({"字段名":1}) 来创建索引，1为升序，-1为降序，在已经有多数据的情况下，可用后台来执行，语句db.collection.ensureIndex({"字段名":1} , {backgroud:true})

获取索引用db.collection.getIndexes() 查看

这里我们创建一个user.uid的索引 >db.order.ensureIndex({"user.uid":1})

创建后重新执行

db.order.find({ "status": 1.0, "user.uid": { $gt: 2663199.0 } }).explain()
{
	"cursor" : "BtreeCursor user.uid_1",
	"nscanned" : 337800,
	"nscannedObjects" : 337800,
	"n" : 337800,
	"millis" : 1371,
	"nYields" : 0,
	"nChunkSkips" : 0,
	"isMultiKey" : false,
	"indexOnly" : false,
	"indexBounds" : {
		"user.uid" : [
			[
				2663199,
				1.7976931348623157e+308
			]
		]
	}
}

扫描数量减少，速度提高。mongodb的索引设计类似与关系数据库，按索引查找加快书读，但是多了会对写有压力，所以这里就不再叙述了。

2.其他优化可以用hint强制索引查找，返回只是需要的数据，对数据分页等。