Тюнинг MongoDB: WiredTiger, индексы, запросы

Представьте: сервер с 32 ГБ RAM, MongoDB использует 16 ГБ под кэш WiredTiger, но запросы всё равно выполняются за секунды. Причина — неэффективные индексы и неправильная конфигурация. Мы сталкивались с таким не раз: COLLSCAN вместо IXSCAN, кэш вытесняется страницами с диска, а агрегации съедают всю память. Оптимизация MongoDB — комплексная задача, включающая настройку движка WiredTiger, проектирование индексов и профилирование медленных запросов. Без системного подхода даже мощные серверы работают неэффективно. Наши инженеры имеют сертификаты MongoDB и 10+ лет опыта в этой области. В этой статье делимся практическими приёмами, которые помогли нашим клиентам сократить время ответа до 50%. Рассмотрим типичные ошибки и способы их устранения. Особое внимание уделим правилу ESR для индексов и настройке кэша WiredTiger — эти два момента дают наибольший эффект.

Проблемы, которые решаем

Неэффективная настройка кэша WiredTiger

По умолчанию MongoDB выделяет 50% RAM под кэш. На сервере с 32 ГБ это 16 ГБ. Но без явной установки cacheSizeGB кэш может быть вытеснен другими процессами. Мы всегда задаём его вручную, оставляя запас для ОС и дискового кэша.

# /etc/mongod.conf
storage:
  wiredTiger:
    engineConfig:
      cacheSizeGB: 12  # Для сервера 32 GB
      journalCompressor: snappy
    collectionConfig:
      blockCompressor: snappy
    indexConfig:
      prefixCompression: true

Мониторинг: db.serverStatus().wiredTiger.cache. Если pages evicted by application threads > 0, кэш под давлением — увеличьте cacheSizeGB.

Индексы: отсутствие или неправильный порядок

Без индекса любой запрос превращается в COLLSCAN. Главное правило — ESR (Equality, Sort, Range). Вот как строить составной индекс:

// Запрос: найти активные заказы пользователя, отсортировать по дате
db.orders.find({ user_id: ObjectId("..."), status: "active" }).sort({ created_at: -1 })
// Правильный индекс: equality → sort
db.orders.createIndex({ user_id: 1, status: 1, created_at: -1 })

Медленные агрегации с $lookup

Самая частая ошибка — $match после $lookup. Оптимальный порядок:

db.orders.aggregate([
  { $match: { status: "completed", created_at: { $gte: ISODate("текущий год-01-01") } } },
  { $lookup: { from: "users", localField: "user_id", foreignField: "_id", as: "user",
      pipeline: [{ $match: { country: "RU" } }, { $project: { name: 1, email: 1 } }]
  }},
  { $project: { _id: 1, total: 1, "user.name": 1 } }
])

Для параллельных пайплайнов используйте $facet.

Настройка кэша WiredTiger: ключевые параметры

Ключевой параметр — cacheSizeGB. Установите его в 60–70% от доступной RAM, но не более 20 ГБ на современных версиях (согласно официальной документации MongoDB). Оставшуюся память отдайте ОС и дисковому кэшу. Для сервера 64 ГБ оптимально cacheSizeGB: 40, но с учётом других процессов — обычно 35–40.

Индексы: проектирование и уход

Используйте правило ESR для составных индексов. Регулярно проверяйте неиспользуемые индексы: db.aggregate([{ $indexStats: {} }]). Индексы с accesses.ops == 0 — мёртвый груз, их стоит удалять. Это экономит до 20% ОЗУ.

Когда стоит шардировать MongoDB?

Шардинг оправдан, если данные превышают 200 ГБ или нагрузка на запись более 10 000 RPS на один сервер. Ключ шардирования выбирайте с высокой кардинальностью, например хеш от user_id.

Как мы это делаем: кейс

Оптимизировали MongoDB для интернет-магазина — одного из наших клиентов — с каталогом в 5 млн товаров. Время запросов по категориям и цене — 2-3 секунды. Решение:

• Составные индексы по (category, price, created_at).
• cacheSizeGB = 20 на сервере 64 ГБ.
• Аналитические запросы на secondary (readPreference: secondaryPreferred).
• Заменили $lookup с пост-фильтрацией на pipeline.

Результат: время ответа упало до 50 мс, нагрузка на CPU снизилась на 30%. Наша команда гарантирует, что такой подход к индексации сокращает время ответа в 2 раза по сравнению с типовой конфигурацией. Средняя экономия клиентов за первый год — 200 000–500 000 руб на содержании серверов. Для срочных задач доступна экспресс-диагностика за 1 день — свяжитесь с нами.

Регулярная проверка неиспользуемых индексов

Индексы с accesses.ops == 0 занимают память и замедляют запись. Раз в месяц запускайте $indexStats и удаляйте неиспользуемые. Это экономит до 20% оперативной памяти на индексах. Правильный cacheSizeGB даёт прирост скорости на 40% против стандартных настроек.

Процесс работы и стоимость

1. Аудит: профайлер, explain, анализ индексов.
2. Проектирование: расчет cacheSizeGB, индексы по ESR.
3. Реализация: настройка конфигурации, создание/удаление индексов, оптимизация запросов.
4. Тестирование: нагрузочное тестирование, сравнение метрик.
5. Деплой: применение изменений, мониторинг.

Сроки оптимизации — от 3 до 10 рабочих дней. Стоимость рассчитывается индивидуально после бесплатного аудита. Экономия на серверной инфраструктуре может достигать 30% за счёт снижения нагрузки. Наша оптимизация окупается за 2-3 месяца.

Что входит в оптимизацию MongoDB

• Полный аудит текущей конфигурации и производительности.
• Проектирование схемы индексов с учётом бизнес-логики.
• Настройка WiredTiger (cacheSizeGB, компрессия, журнал).
• Оптимизация медленных запросов и агрегаций.
• Документация изменений и рекомендации по эксплуатации.
• Обучение команды и передача доступов.
• Поддержка в течение 30 дней после внедрения.

Чеклист тюнинга

Сравнение распространённых подходов к индексации

Пример включения профайлера

db.setProfilingLevel(1, { slowms: 50 });
db.getProfilingStatus();
db.system.profile.aggregate([
  { $group: { _id: "$ns", avgMillis: { $avg: "$millis" }, count: { $sum: 1 } } },
  { $sort: { avgMillis: -1 } },
  { $limit: 10 }
])

Закажите аудит производительности MongoDB — получите консультацию инженера и план оптимизации.

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.