NãoMedidor Por que ele pica Computação 1 000 cursores = 1 000 interruptores de contexto Armazenamento I/O 1 000 caminhos de índice + 1 000 deserializações de documentos Rede Cada viagem de rodada consome ~1 ms RTT + TLS Metrô por que ele se espalhaNãoComputação 1 000 cursores = 1 000 interruptores de contextoNãoArmazenamento I/O 1 000 caminhos de índice + 1 000 deserializações docNão
Não NãoCada round-trip consome ~1 ms RTT + TLS sobre a cabeça
NãoMetrô por que ele se espalhaMetrô Por que ele se espalha Computação 1 000 cursores = 1 000 interruptores de contextoComputação Não Armazenamento I/O 1 000 caminhos de índice + 1 000 deserializações docArmazenamento I/O 1 000 caminhadas de índice + 1 000 deserializações doc 
RedeNãoCada round-trip consome ~1 ms RTT + TLS sobre a cabeçaNãoRede Cada round-trip consome ~1 ms RTT + TLS sobre a cabeça NãoNãoNãoLeituras (3 k/s) 7.8 B $0.09 / M $702NãoNãoNãoTransferência de dados 1.5 TB $0.25 / GB $375NãoArmazenamento (2 TB) $0.24 / GB $480Não Metric Value Unit Cost Custo mensalNãoLeituras (3 k/s) 7.8 B $0.09 / M $702NãoEscritos (150 /s) 380 M $0.225 / M $86
Transferência de dados 1.5 TB $0.25 / GB $375NãoArmazenamento (2 TB) $0.24 / GB $480NãoMetric Value Unit Cost Custo mensalNão Valorização Custo Unidade Custo mensal Leituras (3 k/s) 7.8 B $0.09 / M $702Leia mais (3 k/s) Não Não Não Escritos (150 /s) 380 M $0.225 / M $86Não 380 m Não Não Transferência de dados 1.5 TB $0.25 / GB $375Não Não Não Dólar 375 Armazenamento (2 TB) $0.24 / GB $480Não Não R$ 0,24 / GB Não NãoHour 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 testa 90% menos leituras. 6‐10 Adicione projeções e limite a achados ilimitados. API layer RAM estável; API 4× mais rápido. 10‐16 Break jumbo docs → metas + GridFS/S3. Scripted ETL Working set fits in RAM. 16‐22 Drop/place índices de baixa cardinalidade. Compass Disk encolhe; cache hits ↑. 22‐30 Crie TTLs, mês‐partition dados frios, habilite Arquivo Online. Atlas UI 60 % de armazenamento salvo. 30 a 36 Graph Panels: hit cache %, scan: ratio, eviction rate. A ferramenta de ação Hour ganhaNão0‐2 Ligue o perfil (lentos = 50). Mongo shell Surface top 10 slow ops.Não2‐6 Reescreva N + 1 em $lookup. VS Código + Jest testes 90% menos leituras.Não6‐10 Adicionar projeções e limitar encontros ilimitados. camada de RAM da API estável; API 4x mais rápido.Não10‐16 Break jumbo docs → metas + GridFS/S3. Scripted ETL Working set se encaixa na RAM.Não16‐22 Drop/replace índices de baixa cardinalidade. Compass Disk encolhe; cache hits ↑.Não22‐30 Criar TTLs, dados frios de partição de mês, habilitar Arquivos Online. Atlas UI 60% de armazenamento salvo.Não30 a 36 Adicionar painéis Grafana: cache hit %, scan:ix ratio, taxa de expulsão.Não36‐48 Teste de carga com k6 k6 + métricas Atlas Confirm p95 < 150 ms @ 2× carga.
A ferramenta de ação Hour ganhaHora Não Ferramentas Não 0‐2 Ligue o perfil (lentos = 50). Mongo shell Surface top 10 slow ops.Não Volte para o perfil (lentos = 50). Não Não 2‐6 Reescreva N + 1 em $lookup. VS Código + Jest testes 90% menos leituras.2o 6 Não Não 90 por cento menos leitura. 6‐10 Adicionar projeções e limitar encontros ilimitados. camada de RAM da API estável; API 4x mais rápido.Não 
 Não Não 
10 - 16NãoDivida os documentos jumbo → metas + GridFS/S3.NãoEscrito por ETL
Não Não10 - 16 Divida os documentos jumbo → metas + GridFS/S3. Escrito por ETL Não 16‐22 Drop/replace índices de baixa cardinalidade. Compass Disk encolhe; cache hits ↑.
 
 Compasso Não NãoNão 
Criar TTLs, dados frios de partição de mês, habilitar o Arquivo Online.

 NãoNão 
Não Criar TTLs, dados frios de partição de mês, habilitar o Arquivo Online. 
 Não 30 a 36 Adicionar painéis Grafana: cache hit %, scan:ix ratio, taxa de expulsão.30 a 36 
 Não 
 Não36 a 48
Não 

 NãoNão Não36 a 48 Não Não Não NãoMetric Before After Δ RAM 120 GB 36 GB −70 % Leituras/seg 6 700 900 −86 % Armazenamento (quente) 2.1 TB 600 GB −71 % latência p95 1.9 s 140 ms −92 % Custo Atlas / mês $15 284 $3 210 −79 % Metrica Antes Depois Δ
Memória RAM 120 GB 36 GB −70%NãoNãoLeia mais / SECNãoNão Não900 milhõesNão86 por centoNãoNãoArmazenamento (quente) 2.1 TB 600 GB −71 %
p95 latência 1.9 s 140 ms −92 %NãoAtlas custo / mês $15 284 $3 210 −79 %
Metrica Antes Depois Δ
 Antes Depois Δ Memória RAM 120 GB 36 GB −70%Não Não Não Não NãoLeia mais / SECNão6 700Não900 milhõesNão86 por centoNãoLeia mais / SEC Não 900 milhões 86 por cento Armazenamento (quente) 2.1 TB 600 GB −71 %Não Não 600 GB Não p95 latência 1.9 s 140 ms −92 %P95 Latência Não 140 milhão Não NãoCusto do atlas / mo.NãoR$ 15 284NãoR$ 3 210Não- 79 por cento

 R$ 15 284 Não 
 Não Não Proteja seu banco de dados de futuros incêndios para evitar perdas de capital em grande escala em sua fase de Série A Proteja seu banco de dados de futuros incêndios para evitar perdas de capital em grande escala em sua fase de Série A Não Não Disclaimer: O seguinte é um estudo de caso fictício usado para comunicar as melhores práticas para design de esquema MongoDB, ajuste de desempenho e otimização de custos Disclaimer: The following is a fictional case study used to communicate best practices for MongoDB schema design, performance tuning, and cost optimization O dia em que o projeto de lei se tornou nuclear O convite veio através do . o 2:17 Atlas causou outra escalada de cluster de produção não solicitada que resultou em uma máquina a um custo mensal de O painel queria saber por que a queima aumentou em 20% enquanto o M60 serve como um caro do 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 do painel exigiu que o criminoso puxe um total de  every minute before rendering. The sheer quantity of memory usage created mountain peaks in the graph that resembled Everest. 1.7 GB Os servidores M30 agora operam com um desses aglomerados. A solução não levou a um aumento nos fragmentos. Três defeitos comuns conhecidos como existiu na base de código antes da eliminação. shape crimes Investigação da cena do crime 2.1 N + 1 Tsunami de Query Isto é reconhecido como um anti-padrão – quando ordenar um conjunto de ordens requer executar N consultas separadas para recuperar linhas de ordem. // 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 Network Metrô Por que ele se espalha Compute 1 000 cursores = 1 000 interruptores de contexto 1 000 cursores = 1 000 interruptores de contexto Storage I/O 1 000 caminhadas de índice + 1 000 deserializações doc Network Cada round-trip consome ~1 ms RTT + TLS sobre a cabeça 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 } }
]);
 A latência p95 caiu de 2.300 ms para 160 ms. 2 300 ms 160 milhão Atlas read‑ops:  Isso é 99% de desconto – nenhum código de cupom necessário. 101 → 1. 2.2 Unbounded Query Firehose Não Não “Mas temos que mostrar a história completa do clique!” “Mas temos que mostrar a história completa do clique!” Claro - apenas não em um único cursor. // Failure: Streams 30 months of data through the API gateway
db.events.find({ userId }).toArray();
 : hard-cap o lote e projetar apenas os campos que você renderiza. 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);
 Então deixe Mongo limpar por trás de você: // 90‑day sliding window
db.events.createIndex({ ts: 1 }, { expireAfterSeconds: 60*60*24*90 });
 Não Não Um cliente de fintech cortou sua conta de armazenamento em 72% durante a noite simplesmente adicionando TTLs. Um cliente de fintech cortou sua conta de armazenamento em 72% durante a noite simplesmente adicionando TTLs. 2.2 Jumbo-Document Money Pit Mongo cobre documentos em 16 MB, mas qualquer coisa acima de 256 KB já é uma bandeira vermelha. {
  "_id": "...",
  "type": "invoice",
  "customer": { /* 700 kB */ },
  "pdf": BinData(0,"..."),        // 4 MB binary
  "history": [ /* 1 200 delta rows */ ],
  "ts": ISODate()
}
 Why it hurts Não Não Não Não O documento inteiro é paginado, mesmo que você leia um campo. WiredTiger não pode armazenar tantos documentos por página → menor cache hit ratio. As entradas de índice são enormes → o filtro de bloom perde → mais buscas de disco. A: A: 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)]
 Não Não Pequenas metas de fatura permanecem quentes; BLOBS no S3 custam US $ 0,023/GB-mês em vez de SSDs Atlas de classe NAND. Pequenas metas de fatura permanecem quentes; BLOBS no S3 custam US $ 0,023/GB-mês em vez de SSDs Atlas de classe NAND. Mais quatro crimes de forma que você provavelmente é culpado Não Não Não Não Não Cabeça de índice de baixa cardinalidade ({ tipo: 1, ts: -1 }) — re-ordená-lo para { userId: 1, ts: -1 }. $regex começa em um campo não indexado – a varredura de cordas do inferno. findOneAndUpdate queue—document‐level locking bottleneck; use Redis/Kafka. skip + grande paginação de offset - Mongo deve contar cada doc ignorado; mover para os cursores do intervalo (ts, _id). Custo da Anatomia 101 Não 
 “Mas Atlas diz que as leituras são baratas!” “Mas Atlas diz que as leituras são baratas!” Vamos fazer a matemática. 
 
 
 
 
 
 Metrô Não Value Custo Unidade Custo mensal 
 
 Não Writes (150 /s) Não 380 m 
 Dólar 0,225 / M 86 milhões Metrô Metrô Value Custo Unidade Custo mensal Leia mais (3 k/s) 8.7 B 8.7 B R$ 0,09 / M R$ 0,09 / M Dólar 702 $702 Duração (150 segundos) Duração (150 segundos) 380 m Dólar 0,225 / M Dólar 0,225 / M 86 milhões $86 Transferência de dados Transferência de dados 1,5 TB 1,5 TB R$ 0,25 / GB R$ 0,25 / GB $375 Capacidade de armazenamento (2 TB) Capacidade de armazenamento (2 TB) R$ 0,24 / GB 480 milhões $480 no total: $1,643. Aplique os fixos: Não 
 
 Não Leads caem 70% → US $ 210 Transferência cai 80% → $75 Armazenamento cai 60% → $192 Não Não Nova fatura: $ 564. Isso é um engenheiro de nível médio ou pista até o Q4 - você escolhe. É um engenheiro de nível médio. Ponto de saída para o Q4 – você escolhe. New bill: $564. or 48-Hour Rescue Sprint (Temporada testada em batalha) Hora Ação Ação Ferramentas Ganhou Ganhou 0 – 2 0 – 2 Volte para o perfil (lentos = 50). Mongo Shell Mongo Shell Superfície Top 10 Slow Ops. Superfície Top 10 Slow Ops. 2o 6 Rewrite N + 1 into  . $lookup Reescreva N + 1 em . o $lookup Código VS + Testes Código VS + Testes 90 por cento menos leitura. 6 - 10 6 - 10 Adicionar projeções e limitar resultados ilimitados. Adicionar projeções e limitar resultados ilimitados. Lago de Fogo Lago de Fogo RAM steady; API 4× faster. RAM estável; API 4x mais rápido. Funciona em conjunto com a RAM. 10 - 16 Break jumbo docs → metas + GridFS/S3. Escrito por ETL Working set fits in RAM. Funciona em conjunto com a RAM. 16 - 22 16 - 22 Drop/replace low‑cardinality indexes. Drop/replace low‑cardinality indexes. Compasso Disk shrinks; cache hits ↑. Disk shrinks; cache hits ↑. 22 - 30 Atlas da UI 60% do armazenamento é salvo. 22 - 30 22 - 30 Criar TTLs, dados frios de partição de mês, habilitar o Arquivo Online. Atlas UI Atlas da UI 60% do armazenamento é salvo. 60% do armazenamento é salvo. 30 a 36 Adicione painéis do Grafana: cache hit %, scan:ix ratio, taxa de eviction. Adicione painéis do Grafana: cache hit %, scan:ix ratio, taxa de eviction. Prometheus Prometheus Visual early warnings. Visual early warnings. Teste de carregamento com K6 k6 + métricas atlas Confirmar p95 < 150 ms @ 2× carga. 36‑48 Load‑test with k6 Teste de carregamento com K6 k6 + métricas atlas k6 + Atlas metrics Confirm p95 < 150 ms @ 2× load. Confirmar p95 < 150 ms @ 2× carga. Lista de verificação de auto-auditoria - Pin It Above Your Desk Não Não 
 
 Não 
 
 
 Largest doc ÷ median > 10? → Refactor. 
 
 Cursor returns > 1 000 docs? → Paginate. TTL em todas as mesas de eventos / lojas? (Sim/Não) Qualquer índice onde a cardinalidade < 10 %? → Drop/re‐order. Profile slowops > 1% total de opções? → otimizar ou cache. 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. Por que Shape Beats Índices MongoDB’s query planner does a cost‑based search across candidate plans. The cost vector includes: workUnits = ixScans + fetches + sorts + #docs returned
 Os índices são reduzidos . Bad shape inflates  e que muitas vezes dominam.Exemplo: ixScans fetches sorts db.logs.find(
  { ts: { $gte: start, $lt: end }, level: "error" }
).sort({ level: 1, ts: -1 });
 Índice  does not help planner avoid fetching every document when it adds a predicate to an unmentioned array field in your projections. Net result: 20 k fetches for 200 hits. Index should precede shape operations in daily operations. { level: 1, ts: -1 } Metricas ao vivo que você deve estar assistindo (Grafana PromQL) # WiredTiger cache hit ratio
(rate(wiredtiger_blockmanager_blocks_read[1m]) /
 (rate(wiredtiger_blockmanager_blocks_read[1m]) +
  rate(wiredtiger_blockmanager_blocks_read_from_cache[1m]))
) < 0.10
 Alerta se > 10 % falhar por 5 m. # Docs scanned vs returned
rate(mongodb_ssm_metrics_documents[1m]{state="scanned"}) /
rate(mongodb_ssm_metrics_documents[1m]{state="returned"}) > 100
 Não Não Se você digitalizar 100x mais documentos do que você retorna, você está queimando dinheiro. Se você digitalizar 100x mais documentos do que você retorna, você está queimando dinheiro. Hands-On: Thin-Slice Escritório de Migração Precisa de um 1 TB Colecção em ,  , em  without downtime? Use the  O padrão. events clicks views logins double‑write / backfill // 1. Add trigger
const changeStream = db.events.watch([], { fullDocument: 'updateLookup' });
changeStream.on('change', ev => {
  const dest = db[`${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. Quando o Sharding A resposta Is De acordo com a regra do polegar, você só deve rasgar se verificar As seguintes condições se aplicam após a otimização do seu banco de dados: one Não 
 Não Não 
 
 The system operates with a working set representing more than 80 percent of RAM regardless of the cache performance rate. O sistema gera mais de 15 mil operações por segundo em seu desempenho máximo de escrita quando usa um servidor primário. 
 
 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. Case Study Wrap‑Up 6 700 Metrô Metrô Antes Depois Δ RAM footprint RAM footprint 120 GB 120 GB 36 GB 36 GB - 70 por cento −70 % Reads/sec 6 700 6 700 900 milhões 86 por cento Storage (hot) Storage (hot) 2 TB 2 TB 600 GB - 71 por cento - 71 por cento p95 latency 9.1 S 9.1 S 140 ms - 92 por cento - 92 por cento Atlas cost / mo. Atlas cost / mo. R$ 15 284 R$ 3 210 R$ 3 210 −79 % −79 % Não Não No shards, no major code freeze, just ruthless shape surgery. Sem fragmentos, sem congelamento de código, apenas cirurgia de forma implacável. Takeaway: Debt vs. Death Spiral O requisito de entregar rapidamente é obrigatório, mas manter o trabalho de baixa qualidade pertence à acumulação voluntária de dívidas. O provedor de nuvem cobra-lhe juros compostos que se acumulam com uma taxa de percentagem anual de 1000% sobre a sua dívida não paga. Examinamos os cartões de crédito de alto interesse da MongoDB como eles representam os cinco crimes de forma que estudamos. Você precisa abrir o perfil para trabalhar com o Pistões ao adicionar poeira TTL e, em seguida, implantar o seu projeto no modo lean.O seu painel e a sua equipe de desenvolvimento e o seu pager às 02:17 obterão descanso de qualidade. $lookup Proceda com o refactoring do seu código até que o próximo incidente de autoescala ocorra.

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 áudio é produzido no idioma original da história!

Reduza os custos do MongoDB em 79% com otimizações do Shape-First

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Valhalla de Floki se junta como patrocinador associado da viagem da Índia ao Sri Lanka

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

De fóruns a feeds: como os algoritmos de mídia social moldam a interação digital

Navegando pelas águas: desenvolvendo aplicações RAG de nível de produção com data lakes

Valhalla de Floki se junta como patrocinador associado da viagem da Índia ao Sri Lanka

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

De fóruns a feeds: como os algoritmos de mídia social moldam a interação digital

Navegando pelas águas: desenvolvendo aplicações RAG de nível de produção com data lakes

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps