超大数组必须拆，别试索引硬扛；comments等字段超几千项会导致查询变慢或写入失败，根本解法是弃用全量嵌入、改用subset pattern，将高频访问的最新n条保留在主文档，历史数据迁出至独立集合并建对应索引。
超大数组必须拆，别试索引硬扛
当 comments、logs、history 这类字段超过几千项，查询变慢或写入失败（报错 Document too large），说明模型已到临界点。加索引、调 allowDiskUse、甚至升内存都只是延缓崩溃——根本解法是弃用全量嵌入，改用 Subset Pattern。
原因很直接：MongoDB 每次 find() 都加载整个文档进内存，哪怕你只取 comments.0.text，也要把几万条评论全拉进来再裁剪；$slice 或 $elemMatch 在没命中索引前缀时，会逐个扫描数组元素；BSON 16MB 上限也迟早触达。
- 高频访问的最新 N 条（比如最近 20 条评论）保留在主文档，用
comments字段存 - 历史数据迁出，单独建
comment_archive集合，按post_id+created_at分片或 TTL 自动过期 - 主文档加
comment_count字段冗余总数，避免查归档集合统计 - 所有读写逻辑同步切流：新评论写主文档 + 归档集合，旧评论只查归档
数组字段查 $elemMatch 慢，先看索引路径对不对
常见现象：db.posts.find({ "comments.author": "alice", "comments.status": "approved" }) 走 COLLSCAN，explain() 显示 "stage": "COLLSCAN"。不是索引没建，而是路径没对上。
MongoDB 对数组内嵌对象字段建索引，必须精确到最细粒度路径。查 comments.author，索引就得是 {"comments.author": 1}，而不是 {"comments": 1}；如果同时用 $elemMatch 约束多个字段，必须建复合索引覆盖全部条件，例如 {"comments.author": 1, "comments.status": 1}。
- 检查索引是否标记为 multikey：
db.posts.getIndexes()中确认"multikey": true，否则插入一条含非空comments的样例再reIndex() - 一个索引最多只能有一个数组路径参与，不要试图在同一个索引里同时包含
comments和tags两个数组字段 -
$elemMatch查询若没配对索引，性能会随数组长度线性下降，几千项时延迟就明显
嵌套层级太深，优先考虑“提一层”而非加索引
像 user.profile.settings.preferences.theme 这种 4 层以上嵌套，即使建了 {"user.profile.settings.preferences.theme": 1} 索引，更新开销和内存占用也远高于扁平结构。MongoDB 不理解对象语义，只认字符串路径，索引构建和匹配效率都会打折扣。
更可持续的做法是把高频访问的深层字段提到顶层，比如加一个 user_theme 字段冗余存储，或者干脆把 profile 拆成独立集合，用 user_id 引用。尤其当该字段常用于查询过滤、排序或聚合时，扁平化收益远大于维护成本。
- 深层嵌套字段索引不支持通配符，不能写成
"user.*.theme"或"user.profile.*" - 超过 10 层嵌套时，索引条目膨胀严重，写入延迟上升，实测往往不如拆集合稳定
- 如果业务允许，用 Mongoose Schema 的
virtual或应用层映射隐藏扁平化细节，保持接口兼容
引用还是嵌入？看子集合的基数和更新频率
判断标准不在“关系类型”，而在实际访问模式和数据增长特性。比如课程下的课时（lessons），初期嵌入没问题；但一旦支持视频、测验、作业等多类型内容且数量无上限，就必须拆成 lessons 独立集合。
关键信号包括：lessons 数量可能超百、不同课时更新时间差异大、课时本身需独立查询或分页、或总大小逼近 16MB 限制。这时嵌入只会让主文档越来越重，而引用能解耦生命周期、支持 TTL 归档、便于水平扩展。
- 嵌入适合“一对少”+ “同生命周期”+ “高频共查”场景，如用户收货地址（通常 ≤5）
- 引用适合“一对多”+ “独立存在”+ “无限增长”场景，如订单明细、操作日志、聊天消息
- 拆集合后，记得在引用字段（如
lesson_id）上建索引，否则$lookup会变成全表扫描
重构真正难的不是代码改动，而是识别哪些字段正在 silently 拖垮性能——它们往往在监控里不显眼，直到某天慢查询告警突然密集爆发。从 explain() 里反复出现的 COLLSCAN 和 totalDocsExamined 值，就是最直接的信号。
