90%的性能问题源于find()未配索引、缺失投影和延迟过滤。必须用explain("executionstats")查看totaldocsexamined与nreturned差距、避免collscan；投影精简字段、$match前置、复合索引按等值在前/范围在后排序，并确认索引真实生效。
直接上结论：90% 的性能问题出在 find() 没配索引、没写投影、没早过滤，而不是 Python 本身慢。
为什么 find() 越跑越慢？先看执行计划
不查 explain('executionStats') 就调优，等于蒙眼修车。MongoDB 不会主动告诉你它扫了几百万文档——除非你问。
-
executionStats.nReturned是真正返回的文档数，nDocsExamined是它实际扫描的文档数；两者差距越大，说明索引越没用好 - 如果看到
stage: "COLLSCAN"，就是全表扫描，立刻停手，别再测接口耗时了 - 注意
executionTimeMillis是服务端执行时间，不含网络传输和 Python 解析开销，但它是瓶颈定位的黄金指标
find() 查询必须带投影和条件过滤
默认返回整个文档，哪怕你只用其中 1 个字段。800 万条数据里每个文档 5KB，光网络传输就压垮带宽。
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
- 用投影显式指定字段：
db.collection.find({"status": "active"}, {"name": 1, "updated_at": 1, "_id": 0})，避免传回大字段如Actions数组（参考 800 万条案例中那个 260 元素 JSON） -
$match必须放在聚合管道最前面，$project尽量靠前；find()同理，条件越具体、越早写死越好，别依赖 Python 循环里二次过滤 - 避免在 Python 里做
for doc in cursor: if doc['x'] > 100: ...—— 这类逻辑必须下推到数据库层
复合索引顺序不是“把所有查询字段堆一起”
字段顺序决定索引是否生效。MongoDB 只能高效使用符合“前缀匹配”的部分。
- 比如查询
{"user_id": 123, "created_at": {"$gt": "2025-01-01"}}，索引应建为db.collection.create_index([("user_id", 1), ("created_at", -1)])，反过来就失效 - 区分度高的字段放前面：
user_id（唯一或高基数）比status（只有几个枚举值）更适合当索引首字段 - 用
getIndexes()确认索引已建成功，别信“我昨天建过了”——有时连接错库、集合名拼错、或权限不足导致静默失败
aggregate() 大数据量下必须开 allow_disk_use
内存不够时，默认聚合会直接报错 errmsg: "Sort exceeded memory limit"，而不是自动落盘。
- 只要管道里有
$sort或$group且数据量预估超几十万，就必须加allow_disk_use=True - 注意：这会写临时文件到 MongoDB 配置的
dbPath下的_tmp目录，确保磁盘空间充足且 IO 不是瓶颈 - 更治本的办法是提前用
$match过滤掉 95% 数据，再进聚合——很多慢聚合其实卡在第一步没过滤
真正难的不是写对语法，而是判断哪一步该下推、哪一步该拆开、哪个字段值得建索引。线上查 explain 一次，比本地压测十次都管用。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
