适用场景：App 业务、物联网、用户行为日志、订单流水等单集合亿级文档；目标：常规条件查询做到毫秒响应；同时提供一套可复用的查询抽象层，业务代码无需重复写 Mongo 查询。一、先明确亿级 Mongo 核心瓶颈（很多项目踩坑）无索引 / 索引设计错误：全表扫描COLLSCAN，亿级数据直接超时索引爆炸：建立大量复合索引，写入性能暴跌查询触发索引失效：函数运算、隐式类型转换、模糊前缀/$regex/.*/xxx超大分页 skip 深度翻页skip(100000)单次返回文档过大，网络序列化耗时内存不足：热点索引无法放入内存，触发磁盘 IO副本集分片策略不合理，热点数据集中单节点前提共识：Mongo 单机很难稳定支撑亿级高频查询，最优架构： 方案 A（≤3 亿、读多写少）：副本集 + 读写分离 + 精细索引 方案 B（3 亿、持续增长）：MongoDB Shard 分片集群+ 合理分片键
适用场景：App 业务、物联网、用户行为日志、订单流水等单集合亿级文档；目标：常规条件查询做到毫秒响应；同时提供一套可复用的查询抽象层，业务代码无需重复写 Mongo 查询。一、先明确亿级 Mongo 核心瓶颈（很多项目踩坑）无索引 / 索引设计错误：全表扫描COLLSCAN，亿级数据直接超时索引爆炸：建立大量复合索引，写入性能暴跌查询触发索引失效：函数运算、隐式类型转换、模糊前缀/$regex/.*/xxx超大分页 skip 深度翻页skip(100000)单次返回文档过大，网络序列化耗时内存不足：热点索引无法放入内存，触发磁盘 IO副本集分片策略不合理，热点数据集中单节点前提共识：Mongo 单机很难稳定支撑亿级高频查询，最优架构： 方案 A（≤3 亿、读多写少）：副本集 + 读写分离 + 精细索引 方案 B（3 亿、持续增长）：MongoDB Shard 分片集群+ 合理分片键
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
