MongoDB Profiling可通过db.setProfilingLevel(1, {slowms: 100})开启慢聚合记录，它原生捕获超阈值的aggregate命令；查询system.profile中command.aggregate存在且millis > 100的文档即可定位慢聚合管道，并结合nscannedObjects、keysExamined等字段分析索引使用与阶段瓶颈。
如何开启 MongoDB Profiling 记录慢聚合查询
MongoDB 的 profiling 是最直接、无需额外工具就能捕获慢聚合管道的方法。它不依赖应用层埋点或 APM，只要数据库有权限，就能在服务端原生记录执行时间超阈值的命令，包括所有 aggregate 调用。
启用方式很简单，但关键参数容易设错：
-
db.setProfilingLevel(1, { slowms: 100 })：只记录耗时 ≥100ms 的操作（推荐从 100 开始，避免日志爆炸） -
db.setProfilingLevel(2)：记录全部操作（仅调试用，生产环境禁用） -
db.setProfilingLevel(0)：关闭（默认状态）
注意：slowms 是毫秒级阈值，对聚合尤其敏感——一个未命中索引的 $match 阶段就可能轻松突破 500ms；而带 $lookup 或多阶段 $group 的管道，在数据量稍大时很容易卡在秒级。
从 system.profile 中查出慢聚合的具体 pipeline
Profiling 日志写入 system.profile 集合，每条文档包含完整命令、执行时间、扫描文档数等关键字段。
执行以下查询可快速定位最近的慢聚合：
db.system.profile.find({
"command.aggregate": { $exists: true },
"millis": { $gt: 100 }
}).sort({ "ts": -1 }).limit(5)
返回结果中重点关注这几个字段：
-
command.aggregate：原始聚合管道数组（含所有阶段，如$match、$group） -
millis：总耗时（单位 ms） -
nreturned：最终返回文档数 -
nscannedObjects：实际读取的文档数（若远大于nreturned，说明过滤太晚或没索引） -
keysExamined：索引扫描次数（若为 0，基本确认没走索引）
⚠️ 常见陷阱：误以为 explain("executionStats") 输出里的 executionTimeMillis 和 profiling 的 millis 总是一致——其实 profiling 记录的是整个命令生命周期（含网络、锁等待），更贴近真实延迟。
为什么 profiling 比 explain() 更适合线上问题初筛
explain() 必须手动加到聚合语句前，你得先知道哪条聚合慢；而 profiling 是被动监听，只要慢了就会留痕，适合排查“谁在拖垮系统”的未知问题。
但它也有局限：
- 不记录客户端 IP 或应用名（除非你用
client字段自定义打标） - 无法关联上下游调用链（比如哪个 HTTP 接口触发了该聚合）
-
system.profile默认是 capped collection，容量有限（通常 1MB），老日志会被自动覆盖
所以线上建议组合使用：用 profiling 快速捞出可疑 pipeline → 复制到 Robo 3T 或 shell 中加 .explain("executionStats") 深挖瓶颈阶段 → 再结合 db.collection.getIndexes() 验证索引是否生效。
聚合管道里哪些 stage 最容易触发 slowms 告警
不是所有阶段都“平等”消耗时间。以下 stage 在 profiling 日志中反复出现高 millis，往往指向明确优化方向：
-
$lookup：若nscannedObjects极高，说明被关联集合缺少 on 字段索引 -
$unwind：数组过大时会指数级膨胀文档数，nscannedObjects可能比原始集合还大十倍 -
$group+$sum/$avg：内存占用飙升，若 profiling 中看到"errmsg": "Sort exceeded memory limit..."，说明必须加allowDiskUse: true -
$text或 Atlas Search 相关 stage：全文检索本身开销大，配合$match顺序错误会雪上加霜（比如先$group再$match）
真正难缠的，是那些看起来“只是加了个 $project”却让 millis 翻倍的管道——这时候大概率是投影字段引用了未索引的嵌套路径，或触发了隐式类型转换（比如字符串字段用 $gt: 100 查询）。
