Профессиональное администрирование MongoDB для веб-приложений

Администрирование базы данных MongoDB для веб-приложения

Представьте: ваше веб-приложение начинает тормозить, страницы загружаются по 10 секунд, а в логах — медленные запросы к MongoDB. Клиенты жалуются, а вы не понимаете, почему. Чаще всего причина — отсутствие правильных индексов или неоптимальная настройка replica set. Мы помогаем компаниям избежать таких ситуаций уже более 7 лет, выполняя администрирование MongoDB под ключ. Свяжитесь с нами для аудита вашей MongoDB — мы оценим текущее состояние и предложим план работ.

Недавно к нам обратился интернет-магазин с 50 000 товаров. База на MongoDB 6.0, replica set из трех узлов. После аудита мы обнаружили, что 30% индексов не используются, а размер oplog всего 1 ГБ — при интенсивной записи лаг репликации достигал 2 часов. Мы оптимизировали индексы, увеличили oplog до 10 ГБ и настроили мониторинг. Время ответа базы сократилось в 10 раз.

Как проходит аудит MongoDB?

Начинаем с диагностики. Собираем статистику по базам, коллекциям и индексам, используя db.stats() и db.collection.stats(). Выявляем неиспользуемые или неэффективные индексы через $indexStats. Проверяем конфигурацию replica set и размер oplog. В результате получаем карту узких мест.

Вот типичный скрипт для первичного сбора данных:

// mongosh
use mydb

// Статистика базы
db.stats({ scale: 1024 * 1024 })

// Статистика коллекций
db.runCommand({ listCollections: 1 }).cursor.firstBatch.forEach(c => {
    const stats = db[c.name].stats({ scale: 1024 })
    printjson({
        name: c.name,
        docs: stats.count,
        size_kb: stats.size,
        storageSize_kb: stats.storageSize,
        totalIndexSize_kb: stats.totalIndexSize,
        nindexes: stats.nindexes
    })
})

// Индексы коллекции с размерами
db.orders.stats().indexSizes

// Операции, выполняющиеся прямо сейчас (> 1 секунды)
db.currentOp({ "secs_running": { $gt: 1 } })

Как мы оптимизируем запросы?

Первый шаг — создание правильных индексов. Используем составные индексы для типичных запросов, частичные — для фильтрации активных записей, TTL — для автоудаления устаревших данных. Примеры:

// Составной индекс для типичного запроса по пользователю и дате
db.orders.createIndex(
    { user_id: 1, created_at: -1 },
    { background: true, name: "idx_user_date" }
)

// Частичный индекс — только для активных заказов
db.orders.createIndex(
    { created_at: -1 },
    {
        partialFilterExpression: { status: { $in: ["pending", "processing"] } },
        name: "idx_active_orders_date"
    }
)

// TTL индекс для автоудаления устаревших сессий
db.sessions.createIndex(
    { expires_at: 1 },
    { expireAfterSeconds: 0, name: "ttl_sessions" }
)

Проверяем использование индексов через $indexStats и анализируем планы запросов с .explain("executionStats"). Если видим COLLSCAN при большом количестве документов — срочно нужен индекс. Подробнее о создании индексов читайте в официальной документации MongoDB.

Составной индекс может ускорить запросы в 100 раз по сравнению с полным сканированием коллекции, а частичные индексы занимают на 60% меньше места и ускоряют запись.

Как настроить replica set и мониторинг?

Настройка replica set состоит из 4 шагов:

1. Инициализация набора с заданием идентификатора.
2. Добавление членов: primary, secondary, arbiter.
3. Настройка приоритетов для управления выборами primary.
4. Проверка состояния и тестирование failover.

Вот пример инициализации:

rs.initiate({
    _id: "rs0",
    members: [
        { _id: 0, host: "mongo1:27017", priority: 2 },
        { _id: 1, host: "mongo2:27017", priority: 1 },
        { _id: 2, host: "mongo3:27017", arbiterOnly: true }
    ]
})

Почему важен правильный размер oplog?

Oplog — это журнал операций, который позволяет вторичным узлам синхронизироваться с primary. Если размер oplog слишком мал, вторичные узлы могут не успевать применять операции и выпадать из синхронизации. Мы рекомендуем размер oplog, покрывающий не менее 6 часов пиковой записи. Для расчета можно использовать формулу: размер oplog = (средняя скорость записи в байтах/с) × 3600 × 6. В нашем кейсе с интернет-магазином увеличение oplog с 1 до 10 ГБ решило проблему лага репликации.

Как мы делаем бэкапы и восстанавливаем?

Для баз до нескольких ГБ используем mongodump с secondary и --oplog для консистентности. Для больших баз (>100 ГБ) применяем снапшоты файловой системы (LVM, EBS). Восстановление тестируем ежемесячно, чтобы быть уверенными в сохранности данных.

Сравнение методов бэкапа:

Резюме: что входит в работу

Сколько это занимает?

Сроки зависят от сложности: базовый аудит — 2–3 дня, полная настройка replica set с индексами и мониторингом — 5–7 дней. Мы оцениваем проект индивидуально — пишите, и мы подготовим точную смету.

Почему стоит доверить нам администрирование MongoDB?

У нас за плечами 7+ лет опыта и более 40 успешных проектов по оптимизации MongoDB. Мы не просто настраиваем базу — мы гарантируем, что она выдержит нагрузку. В работе используем только стабильные версии (MongoDB 7.0+, WiredTiger), применяем паттерны Repository и BFF для снижения нагрузки. Наши инженеры имеют сертификаты MongoDB.

Получите консультацию по вашему проекту — оценим текущее состояние и предложим план работ.

Услуги бэкенд-разработки: Laravel, Node.js, Go, Django, PostgreSQL

На production-сервере в 3:14 ночи очередь Laravel Jobs перестала обрабатываться. 40 000 необработанных задач в Redis. Причина: worker упал из-за memory leak в одном из Jobs (утечка через статическую переменную в Eloquent observer), supervisor не перезапустил его из-за misconfigured stopwaitsecs. Это не гипотетический сценарий — это вторник. Мы разбирали такой инцидент на проекте с нагрузкой 500 RPS: диагностика заняла 4 часа, фикс — 20 минут. Чтобы вы не теряли деньги на простоях, предлагаем услуги бэкенд-разработки с акцентом на production-grade надёжность. Оценим ваш проект за 2 дня.

Backend — это то, что работает когда никто не смотрит. Или не работает. Гарантируем, что у вас будет первый вариант.

Что мы делаем с первого дня правильно

Service Layer поверх Fat Controllers. Controller получает HTTP-запрос, валидирует его через Form Request, передаёт данные в Service, возвращает ответ. Бизнес-логика в Service, не в Controller. Это звучит банально, но большинство legacy-проектов — это контроллеры по 500 строк с SQL-запросами внутри.

Repository Pattern используем осторожно. Если вы просто оборачиваете Model::where(...) в метод репозитория — это бойлерплейт без пользы. Repository оправдан когда: нужно абстрагироваться от источника данных (БД + кеш + внешний API) или когда логика запросов достаточно сложна для изоляции.

Jobs, Events, Listeners. Всё, что можно сделать асинхронно — делаем асинхронно. Отправка email, генерация PDF, синхронизация с внешним API, пересчёт агрегатов — в Queue. Laravel Horizon для мониторинга очередей в Redis: видно throughput, failed jobs, время обработки по очередям.

Как Octane справляется с высокой нагрузкой

Laravel Octane с RoadRunner или Swoole держит приложение в памяти между запросами — убирает overhead bootstrap (загрузка конфигов, автозагрузка классов) на каждый HTTP-запрос. Прирост: 3–8x на синтетических бенчмарках, 2–4x на реальных приложениях. Важно: нельзя хранить состояние между запросами в статических переменных — это приводит именно к таким инцидентам, как в начале. Применяем это в проектах с >1000 RPS.

Что делать с N+1 запросами

N+1 — самая распространённая причина медленных страниц в Laravel-приложениях. Стандартная история: страница работала нормально на dev с 10 записями, на production с 10 000 — 8-секундная загрузка.

Laravel Debugbar в dev-окружении показывает количество запросов на страницу. Более 20 запросов на одну страницу — сигнал для audit.

Model::preventLazyLoading(! app()->isProduction());

Telescope для профилирования в staging: логирует все запросы, jobs, mail, notifications с детализацией по времени. Цифры: после внедрения eager loading время загрузки страницы падает с 8 с до 0.3 с — в 27 раз.

PostgreSQL: индексы, которые реально нужны

PostgreSQL 14+ — основная БД на всех проектах. Используем связку PgBouncer + PostgreSQL. Опыт 10+ лет, более 50 backend-проектов, 5 лет на рынке.

Как PostgreSQL помогает избежать медленных запросов

Composite indexes для частых WHERE + ORDER BY. Если у вас WHERE user_id = ? AND status = ? ORDER BY created_at DESC — нужен (user_id, status, created_at DESC). Индекс по (user_id) отдельно плохо помогает с сортировкой.

Partial indexes. Если 95% запросов идут по WHERE status = 'active':

CREATE INDEX idx_orders_active ON orders (created_at DESC)
WHERE status = 'active';

Индекс маленький, быстрый, покрывает основную нагрузку.

GIN-индексы для JSONB и массивов. @> оператор без GIN-индекса — seq scan. С индексом — быстро даже на миллионах записей.

GIN для full-text search. to_tsvector + GIN вместо LIKE '%query%'. LIKE без индекса — всегда seq scan. С pg_trgm extension и gin_trgm_ops — поддержка LIKE с индексом, полезно для CRM-поиска по частичному совпадению.

Connection pooling: почему важнее чем кажется

Rails, Laravel, Django открывают новое соединение с PostgreSQL на каждый PHP/Python процесс. На 100 воркерах — 100 соединений. PostgreSQL начинает деградировать от 200–300 активных соединений — overhead на управление соединениями становится значительным.

PgBouncer — connection pooler перед PostgreSQL. Режим transaction pooling: соединение с PostgreSQL занято только на время транзакции, между запросами возвращается в пул. 1000 приложений-воркеров → 20–50 реальных соединений к PostgreSQL. Это снижает latency на 40% и уменьшает затраты на хостинг на 30%.

Node.js с Fastify: когда это лучше Laravel

Node.js оправдан для:

• Realtime: WebSocket-серверы, Server-Sent Events, чат, live-обновления
• Streaming: большие файлы, видео, данные потоком
• High I/O concurrency: много параллельных запросов к внешним API без тяжёлой бизнес-логики
• Serverless: Lambda/Cloud Functions — Node.js стартует быстрее PHP

Fastify вместо Express: в 2–3 раза быстрее на benchmarks, встроенная JSON Schema валидация, лучшая TypeScript поддержка, plugin-архитектура.

Типичная архитектура realtime: Laravel — основная бизнес-логика и REST API. Node.js + Socket.io или ws — WebSocket сервер. Laravel публикует события в Redis Pub/Sub, Node.js подписывается и транслирует клиентам. Это разделение позволяет масштабировать WebSocket-сервер независимо от основного приложения.

Go: микросервисы и высокая нагрузка

Go используем для:

• Высоконагруженных микросервисов (> 10 000 RPS)
• Фоновых воркеров с жёсткими требованиями к latency
• Инструментов DevOps и CLI
• gRPC-сервисов в микросервисной архитектуре

Goroutines — дешевле OS-потоков в тысячи раз. 10 000 конкурентных соединений на Go — норма на одном сервере.

Но Go — не волшебная таблетка. Разработка медленнее чем на Laravel: больше бойлерплейта, нет ORM уровня Eloquent, обработка ошибок через if err != nil везде. Оправдан только когда производительность — реальное требование, не предположение.

Django и Python backend

Django с DRF (Django REST Framework) — для задач где нужен Python: ML-пайплайны, обработка данных, интеграции с AI-инструментами.

Celery для фоновых задач — аналог Laravel Queue, но сложнее в конфигурации. Celery Beat для cron-задач.

Django ORM vs raw SQL: ORM удобен для CRUD. Для аналитических запросов с несколькими JOIN, оконными функциями и CTE — connection.execute() с raw SQL читаемее и предсказуемее.

Redis: не только кеш

Redis в наших проектах выполняет несколько ролей:

Redis Cluster для горизонтального масштабирования. Sentinel для автоматического failover на standalone установках.

Деплой и инфраструктура

Docker + docker-compose — стандарт для локальной разработки и production. Каждый сервис в контейнере: PHP-FPM/Octane, Nginx, PostgreSQL, Redis, Queue Worker, Scheduler.

CI/CD через GitHub Actions:

1. Прогон тестов (PHPUnit / Pest, Vitest, Playwright)
2. Сборка Docker-образа
3. Push в Container Registry
4. Deploy: docker pull → docker-compose up -d на сервере, или Kubernetes rolling update

Zero-downtime deploy для Laravel: php artisan down --secret=TOKEN не нужен при правильной настройке. Стратегия: новый контейнер стартует рядом со старым, Nginx переключает трафик после health check, старый контейнер останавливается.

Мониторинг: Sentry для exception tracking с alerting в Slack/Telegram. Grafana + Prometheus (или Grafana Cloud) для метрик: CPU, memory, request rate, queue depth, database connection count. Алерт на: error rate > 1%, p99 latency > 2s, queue depth > 1000 jobs.

Что входит в работу под ключ

• Архитектурное проектирование (документация API, схема БД, диаграмма сервисов)
• Реализация по согласованному ТЗ с code review
• Настройка CI/CD, мониторинга, алертинга
• Нагрузочное тестирование (k6, wrk) с отчётом
• Передача исходников, доступов, инструкция по деплою
• Обучение команды заказчика (2-3 сессии)
• Гарантийная поддержка 1 месяц после сдачи

Ориентиры по срокам

Стоимость рассчитывается индивидуально после анализа требований к нагрузке, интеграциям и бизнес-логике. Типичный бюджет backend-проекта — от 500 000 до 2 000 000 рублей в зависимости от сложности. Свяжитесь с нами для бесплатного аудита вашего текущего backend — получите план оптимизации за 2 дня. Закажите консультацию.