yCompute 1 000 cursores = 1 000 interruptores de contexto Almacenamiento I/O 1 000 pasos de índice + 1 000 deserializaciones de doc Red Cada viaje de vuelta consume ~1 ms RTT + TLS Métro Por qué se espíay1 000 cursores = 1 000 interruptores de contextoyAlmacenamiento I/O 1 000 pasos de índice + 1 000 deserializaciones docyRed Cada ronda-viaje consume ~1 ms RTT + TLS sobre cabezayMétro Por qué se espíaMetrón ¿Por qué se esparce 1 000 cursores = 1 000 interruptores de contextoComputacion y yAlmacenamiento I/Oy1 000 pasos de índice + 1 000 deserializaciones docyAlmacenamiento I/O y yRedesyCada ronda-viaje consume ~1 ms RTT + TLS sobre cabezayRedes Cada ronda-viaje consume ~1 ms RTT + TLS sobre cabeza yCosto mensual de unidad de valor métricoyyyyyyyyyyyyAlmacenamiento (2 TB) $0.24 / GB $480y Costo mensual de unidad de valor métricoyyLecturas (3 k/s)y8.7 By$0.09 / My702 dólaresyyEscrito (150 /s) 380 M $0.225 / M $86
yTransferencia de datosy1.5 Tb dey0,25 dólares / GBy375 dólares
yAlmacenamiento (2 TB) $0.24 / GB $480yCosto mensual de unidad de valor métricoy y Costos de unidad y yLecturas (3 k/s)y8.7 By$0.09 / My702 dólaresyLecturas (3 k/s) 8.7 B y 702 dólares yEscrito (150 / s)
y 
$ 0.225 / My
 yEscrito (150 / s) y $ 0.225 / M 
 yTransferencia de datosy1.5 Tb dey0,25 dólares / GBy375 dólaresyTransferencia de datos 1.5 Tb de 0,25 dólares / GB 375 dólares Almacenamiento (2 TB) $0.24 / GB $480y y y 480 dólares yHour Action Tool Wins 0‐2 Turn on profiler (slowms = 50). Mongo shell Surface top 10 slow ops. 2‐6 Rewrite N + 1 into $lookup. VS Code + Jest prueba un 90% menos de lecturas. 6‐10 Añade proyecciones y límites a hallazgos ilimitados. API layer RAM steady; API 4× más rápido. 10‐16 Break jumbo docs → metas + GridFS/S3. Scripted ETL Working set fits in RAM. 16‐22 Drop/replace indexes low-cardinality. Compass Disk shrinks; cache hits ↑. 22‐30 Cree TTLs, mes‐partition cold data, habilite Online Archive. Atlas de UI 60 % de almacenamiento guardado. 30 - 36 Grafana Panels: hit %, scan: ratio, ev La herramienta de acción de la hora ganay0‐2 Añade el perfil (lentos = 50). Mongo shell Surface top 10 slow ops.y2‐6 Reescribe N + 1 en $lookup. VS Código + Jest prueba un 90% menos de lecturas.y6‐10 Agregar proyecciones y limitar los hallazgos ilimitados. API capa RAM constante; API 4x más rápido.y10‐16 Break jumbo docs → metas + GridFS/S3. Scripted ETL Working set se ajusta a la RAM.yy16 - 22yDescargar / reemplazar los índices de baja cardinalidad.
CompásyDisc shrinks; cache hits ↑.
y22‐30 Crear TTLs, datos fríos de partición mensual, habilitar el Archivo en línea. Atlas de UI 60 % de almacenamiento guardado.y30 - 36 Añadir paneles Grafana: cache hit %, scan:ix ratio, tasa de eviction. yPrometheus Alerta visual temprana.y36‐48 Prueba de carga con k6y k6 + métricas Atlas yConfirm p95 < 150 ms @ 2× carga.yLa herramienta de acción de la hora ganay y herramienta y 0‐2 Añade el perfil (lentos = 50). Mongo shell Surface top 10 slow ops.0 2 Gire en el perfil (lentos = 50). y El Top 10 de los Slow Ops. 2‐6 Reescribe N + 1 en $lookup. VS Código + Jest prueba un 90% menos de lecturas.2 - 6 Reescribir N + 1 en $lookup. y y y6 - 10yAñadir proyecciones y limitar a hallazgos ilimitados.yLago de fuego
RAM estable; API 4x más rápido.
6 - 10 Añadir proyecciones y limitar a hallazgos ilimitados. y 
 10‐16 Break jumbo docs → metas + GridFS/S3. Scripted ETL Working set se ajusta a la RAM.10 - 16 y y y y16 - 22yDescargar / reemplazar los índices de baja cardinalidad.yCompásyDisc shrinks; cache hits ↑.

 
 Compás Disc shrinks; cache hits ↑. yy 
Crea TTLs, partición de datos fríos de mes, habilite el Archivo en línea.yAtlas de UIyy yy 
 
 y y30 - 36yAñade los paneles de Grafana: cache hit %, scan:ix ratio, tasa de evacuación.yy yAlerta visual temprana.y30 - 36 y y y 36‐48 Prueba de carga con k6y k6 + métricas Atlas yConfirm p95 < 150 ms @ 2× carga.36 a 48 
 
 Confirm p95 < 150 ms @ 2× carga. yMetric Before After Δ huella de RAM 120 GB 36 GB −70 % Lecturas/sec 6 700 900 −86 % Almacenamiento (calor) 2.1 TB 600 GB −71 % latencia p95 1.9 s 140 ms −92 % Costo Atlas / mes $15 284 $3 210 −79 % Metric antes después de Δ
Memoria RAM 120 GB 36 GB −70%yLecturas/sec 6 700 900 −86 %yy
 y4.1 Tby600 GBy- El 71 %
y
P95 Latenciayy 
140 msy-92 por ciento
yAtlas costo / mes $15 284 $3 210 −79 %yyMetría
AntesyDespués
Δ

 y 
 Δ Memoria RAM 120 GB 36 GB −70%La huella de RAM y 36 GB 
 Lecturas/sec 6 700 900 −86 %
 y y - 86 por ciento yEl almacenamiento (calor)y4.1 Tby600 GBy- El 71 %

 y y - El 71 % 
P95 Latenciayy 
140 msy-92 por ciento
P95 Latencia y 140 ms -92 por ciento Atlas costo / mes $15 284 $3 210 −79 %Atlas de costes / mo. 15 284 dólares 3 210 dólares - el 79 % y y Protege su base de datos de futuros incendios para evitar pérdidas de capital a gran escala en su etapa Serie A Protege su base de datos de futuros incendios para evitar pérdidas de capital a gran escala en su etapa Serie A y y Disclaimer: El siguiente es un estudio de caso ficticio utilizado para comunicar las mejores prácticas para el diseño del esquema de MongoDB, el ajuste del rendimiento y la optimización de costes Disclaimer: The following is a fictional case study used to communicate best practices for MongoDB schema design, performance tuning, and cost optimization El día en que la ley se convirtió en nuclear La llamada llegó a través de . el 2:17 Atlas causó otra escalada de clúster de producción no solicitada que resultó en una La máquina a un costo mensual de El panel quería saber por qué la quemadura aumentó en un 20% mientras que el M60 sirve como un caro El sistema. M60 $15k $15 k/month I opened the profiler: db.system.profile.aggregate([
  { $match: { millis: { $gt: 100 } } },
  { $group: {
      _id: { op: "$op", ns: "$ns", query: "$command.filter" },
      n: { $sum: 1 },
      avgMs: { $avg: "$millis" }
  }},
  { $sort: { n: -1 } }, { $limit: 10 }
]).pretty();
 Cada widget de dashboard requería que el delincuente saque un total de La enorme cantidad de uso de la memoria creó picos de montaña en el gráfico que se parecía a Everest. 1.7 GB The M30 servers now operate with one of these clusters. The solution did not entail an increase in shards. Three common flaws known as  existía en la base de código antes de la eliminación. Formas del crimen Investigación de escena del crimen 2.1 N + 1 Tsunami de la búsqueda Esto se reconoce como un antipatrón: cuando ordenar un conjunto de órdenes requiere ejecutar N consultas separadas para recuperar líneas de órdenes. // Incorrect:  Orders   +   1 000 extra queries
const orders = await db.orders.find({ userId }).toArray();
for (const o of orders) {
  o.lines = await db.orderLines.find({ orderId: o._id }).toArray();
}
 Hidden taxes Metrón Why it spikes Compute 1 000 cursores = 1 000 interruptores de contexto 1 000 cursores = 1 000 interruptores de contexto Storage I/O 1 000 pasos de índice + 1 000 deserializaciones doc 1 000 pasos de índice + 1 000 deserializaciones doc Network Cada ronda-viaje consume ~1 ms RTT + TLS sobre cabeza Refactor (4 lines): // Success: Single round‑trip, 1 read unit per order
db.orders.aggregate([
  { $match: { userId } },
  { $lookup: {
      from: "orderLines",
      localField: "_id",
      foreignField: "orderId",
      as: "lines"
  }},
  { $project: { lines: 1, total: 1, ts: 1 } }
]);
 La latencia de p95 bajó de 2.300 ms a 160 ms. 2300 ms 160 ms Atlas de lecturas:  That’s 99 % off—no coupon code needed. 101 → 1. 2.2 Unbounded Query Firehose y y “¡Pero tenemos que mostrar la historia completa de clics!” “¡Pero tenemos que mostrar la historia completa de clics!” Por supuesto, no en un solo cursor. // Failure: Streams 30 months of data through the API gateway
db.events.find({ userId }).toArray();
 : hard‑cap the batch and project only the fields you render. Fix db.events.find(
  { userId, ts: { $gte: ISODate(new Date() - 1000*60*60*24*30) } },
  { _id: 0, ts: 1, page: 1, ref: 1 }     // projection
).sort({ ts: -1 }).limit(1_000);
 Entonces deje que Mongo limpie detrás de usted: // 90‑day sliding window
db.events.createIndex({ ts: 1 }, { expireAfterSeconds: 60*60*24*90 });
 y 
 Un cliente de fintech redujo su factura de almacenamiento en un 72% durante la noche simplemente añadiendo TTLs. Un cliente de fintech redujo su factura de almacenamiento en un 72% durante la noche simplemente añadiendo TTLs. 2.2 Jumbo-Document Money Pit Mongo cubre documentos a 16 MB, pero todo lo que supere los 256 KB ya es una bandera roja. {
  "_id": "...",
  "type": "invoice",
  "customer": { /* 700 kB */ },
  "pdf": BinData(0,"..."),        // 4 MB binary
  "history": [ /* 1 200 delta rows */ ],
  "ts": ISODate()
}
 Why it hurts y y y y El documento entero es pagado en, incluso si usted lee un campo. WiredTiger no puede almacenar tantos documentos por página → menor cache hit ratio. Las entradas de índice son enormes → el filtro de bloom se pierde → más búsquedas de disco. : de : Solution schema‑by‑access‑pattern graph TD
  Invoice[(invoices<br/>&lt;2 kB)] -->|ref| Hist[history<br/>&lt;1 kB * N]
  Invoice -->|ref| Bin[pdf‑store (S3/GridFS)]
 y y Los metas de la pequeña factura permanecen calientes; BLOBS en S3 cuesta $ 0,023 / GB-mes en lugar de los SSDs Atlas de clase NAND. Small invoice metas stay hot; BLOBS in S3 cost $0.023/GB‑month instead of NAND‑grade Atlas SSDs. Cuatro más delitos de forma que probablemente eres culpable de y y y y 
 Bajo índice de cardinalidad ({ tipo: 1, ts: -1 })—re-ordenarlo a { userId: 1, ts: -1 }. $regex comienza en un campo no indexado - escaneo de cuerdas desde el infierno. findOneAndUpdate queue—document‐level locking bottleneck; use Redis/Kafka. Mongo debe contar cada doc que se haya salido; cambiar a los cursores de rango (ts, _id). 4 · Cost Anatomy 101 y y “Pero Atlas dice que las lecturas son baratas!” “Pero Atlas dice que las lecturas son baratas!” Vamos a hacer la matemática. 
 
 
 Lecturas (3 k/s) 8.7 B $0.09 / M 702 dólares 
 
 Escrito (150 / s) y 380 m $ 0.225 / M 
 $86 
 
 Transferencia de datos 1.5 Tb de 0,25 dólares / GB y $375 Metría Metría Valor Valor Costos de unidad Costos mensuales Costos mensuales Lecturas (3 k/s) 8.7 B $0.09 / M $0.09 / M $702 380 m $86 Escrito (150 / s) 380 m 380 m $ 0.225 / M $86 $86 Transferencia de datos 1.5 Tb de 0,25 dólares / GB $375 Espacio de almacenamiento (2 TB) Espacio de almacenamiento (2 TB) 0,24 € / GB 0,24 € / GB $480 En total : $1,643. Aplicar los fixes: y y y y Reads cae un 70% → $210 Transferencia cae 80% → $75 Storage falls 60 % → $192 y y Nueva factura: $ 564. Eso es un ingeniero de nivel medio o pista hasta el cuarto trimestre - elija. Es un ingeniero de nivel medio.  runway till Q4—you choose. New bill: $564. o 48-Hour Rescue Sprint (Temporada de batalla) Hora Hora Acción Action herramienta ganancias ganancias 0 2 Gire en el perfil (lentos = 50). El shell de Mongo El shell de Mongo El Top 10 de los Slow Ops. 2 - 6 Reescribir N + 1 en $lookup. Código VS + Estás probando Código VS + Estás probando Un 90% menos de lectores. Un 90% menos de lectores. 6‑10 Añadir proyecciones & Encuentros sin límites. limit Lago de fuego API layer RAM estable; API 4x más rápido. RAM estable; API 4x más rápido. 10 - 16 Comparte los documentos de Jumbo → Metas + GridFS/S3. Break jumbo docs → metas + GridFS/S3. Escrito por ETL Scripted ETL Working set fits in RAM. Funcionamiento de los dispositivos en RAM. 16 - 22 16 - 22 Descargar / reemplazar los índices de baja cardinalidad. Drop/replace low‑cardinality indexes. Compás Disc shrinks; cache hits ↑. 22‑30 60% de almacenamiento ahorrado. 22 - 30 22‑30 Crea TTLs, partición de datos fríos de mes, habilite el Archivo en línea. Create TTLs, month‑partition cold data, enable Online Archive. Atlas de UI Atlas de UI 60% de almacenamiento ahorrado. 60% de almacenamiento ahorrado. Prometeo 30 - 36 Añade los paneles de Grafana: cache hit %, scan:ix ratio, tasa de evacuación. Añade los paneles de Grafana: cache hit %, scan:ix ratio, tasa de evacuación. Prometeo Prometheus Alerta visual temprana. Alerta visual temprana. 36 a 48 Prueba de carga con K6 Prueba de carga con K6 k6 + Atlas de métricas k6 + Atlas de métricas Confirm p95 < 150 ms @ 2× load. Self‑Audit Checklist—Pin It Above Your Desk y y y y y 
 
 
 Largest doc ÷ median > 10? → Refactor. 
 
 Cursor returns > 1 000 docs? → Paginate. TTL en todas las mesas de eventos / tiendas? (Sí/No) Cualquier índice donde la cardinalidad < 10 %? → Drop/re‐order. Desaceleración del perfil > 1 % de las operaciones totales? → Optimizar o caché. If primary cache hits remain under 90% it is wise to separate collections or add additional RAM memory post fixes. Place the checklist on your laptop with adhesive glue after laminating it for printing. Why Shape Beats Indexes El planificador de consultas de MongoDB realiza una búsqueda basada en costes entre los planes de candidatos. El vector de costes incluye: workUnits = ixScans + fetches + sorts + #docs returned
 Los índices se reducen . Bad shape inflates  y que a menudo predominan.Ejemplo: ixScans fetches sorts db.logs.find(
  { ts: { $gte: start, $lt: end }, level: "error" }
).sort({ level: 1, ts: -1 });
 Index  no ayuda al planificador a evitar recoger cada documento cuando añade un predicado a un campo de matriz no mencionado en sus proyecciones. Resultado neto: 20 k recoger por 200 hits. El índice debe preceder a las operaciones de forma en las operaciones diarias. { level: 1, ts: -1 } Metricas en vivo que deberías estar viendo (Grafana PromQL) # WiredTiger cache hit ratio
(rate(wiredtiger_blockmanager_blocks_read[1m]) /
 (rate(wiredtiger_blockmanager_blocks_read[1m]) +
  rate(wiredtiger_blockmanager_blocks_read_from_cache[1m]))
) < 0.10
 Alerta si > 10% se pierde por 5 m. # Docs scanned vs returned
rate(mongodb_ssm_metrics_documents[1m]{state="scanned"}) /
rate(mongodb_ssm_metrics_documents[1m]{state="returned"}) > 100
 
 y If you scan 100× more docs than you return, you’re burning money. Si escanea 100 veces más documentos de los que vuelve, está quemando dinero. Hands‑On: Thin‑Slice Migration Script Necesito un 1TB Colección en , de , de ¿Tienes tiempo? - Utilice el El patrón. events clicks views logins double‑write / backfill // 1. Add trigger
const changeStream = db.events.watch([], { fullDocument: 'updateLookup' });
changeStream.on('change', ev => {
  const dest = db[`${ev.fullDocument.type}s`];
  dest.insertOne({ ...ev.fullDocument });
});

// 2. Backfill historical in chunks
let lastId = ObjectId("000000...");
while (true) {
  const batch = db.events.find({_id: {$gt: lastId}}).sort({_id: 1}).limit(10_000);
  if (!batch.hasNext()) break;
  const docs = batch.toArray();
  docs.forEach(d => db[`${d.type}s`].insertOne(d));
  lastId = docs[docs.length - 1]._id;
}
 Zero downtime, minimal extra storage (thanks to TTL), everyone sleeps. Cuando el Sharding  the Answer Is De acuerdo con la regla del pulgar, sólo debes romper si verificas de estas condiciones se aplica después de optimizar su base de datos: one y y y y El sistema funciona con un conjunto de trabajo que representa más del 80 por ciento de la RAM independientemente de la tasa de rendimiento del caché. El sistema genera más de 15 mil operaciones por segundo en su rendimiento máximo de escritura cuando utiliza un servidor primario. 
 
 Your main priorities should be maintaining sub-70-millisecond multi-region latency because high AWS billing costs do not represent your critical concern. The decision should be simple when the conditions do not match these rules. Estudio de caso Wrap-Up El almacenamiento (calor) 1.9 S Metría Metría Before Before Después After Δ La huella de RAM - 120 GB - 120 GB 36 GB −70 % −70 % Lecturas / Sec Lecturas / Sec 6 700 6 700 900 900 - 86 por ciento El almacenamiento (calor) El almacenamiento (calor) 4.1 Tb 4.1 Tb 600 GB 600 GB - El 71 % 1.9 S P95 Latencia 1.9 S 1.9 S 140 ms -92 por ciento Atlas de costes / mo. 15 284 dólares 3 210 dólares - el 79 % y y No hay fragmentos, no hay congelación de código importante, solo cirugía de forma despiadada. No hay fragmentos, no hay congelación de código importante, solo cirugía de forma despiadada. Título: Debt vs. Death Spiral El requisito de entregar rápidamente es obligatorio, pero mantener el trabajo de mala calidad pertenece a la acumulación voluntaria de deudas. El proveedor de servicios de nube le cobra intereses compuestos que se acumulan con un porcentaje anual del 1000% de su deuda no pagada. Hemos examinado las tarjetas de crédito de alto interés de MongoDB ya que representan los cinco delitos de forma que estudiamos. Eliminar estas deudas dentro de su período de sprint actual resultará en informes técnicos y financieros agradecidos. Debe abrir el perfil para trabajar con el Pistones mientras agrega polvo TTL, y luego implementa tu proyecto en modo lean. Tu panel y tu equipo de desarrolladores y tu pager a las 02:17 obtendrán descanso de calidad. $lookup Proceed with the refactoring of your code until the next autoscaling incident happens.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

Read My Stories

Este audio es producido en el idioma original de la historia!

Reduce los costos de MongoDB en un 79% con las optimizaciones de Shape-First

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps