应采用嵌入式属性模式将标签存为tags数组，每项含k/v/ts字段，避免动态加字段；需建复合索引{"tags.k":1,"tags.v":1}及{"tags.ts":-1}，冗余高频字段须配覆盖索引，并严格控制数组长度与分片键设计。
用嵌入式属性模式存标签，而不是加字段
直接给 users 集合加 is_ios_user、tag_trial_expired 这类字段，短期快，长期崩。每次新增标签都要 alterCollection，schema 很快失控，索引数量爆炸，$or 查询条件越写越长。更麻烦的是语义不一致——运营说的“高价值用户”和风控说的“VIP_level_3”，字段名不同但实际想查同一群人。
正确做法是把所有标签收进一个数组字段 tags，每项是 {k: "lifecycle_stage", v: "trial_expired", ts: ISODate(...)}。新增标签不改 schema，只往数组里 push 新对象；查询时用 {"tags.k": "lifecycle_stage", "tags.v": "trial_expired"} 即可。
- 必须建复合索引：
db.users.createIndex({"tags.k": 1, "tags.v": 1})，否则这类查询会全表扫描 -
v字段别存对象或数组，MongoDB 对嵌套结构的索引深度有限制，$elemMatch 性能也差 - 如果要按时间范围查（比如“最近7天被打的标签”），单独给
tags.ts建倒序索引：db.users.createIndex({"tags.ts": -1})
冗余高频读字段，但必须配覆盖索引
用户画像里有些字段被读得极多、改得极少，比如 user.name、user.city、category.name。把这些字段冗余到订单、行为日志等集合里，能避免多次跨集合 join 或聚合，把 nReturned 和 totalDocsExamined 拉到 1:1。
但冗余不是复制粘贴完就完事。没索引的冗余字段等于白加——explain 一看 totalDocsExamined 是 nReturned 的 10 倍，说明 MongoDB 还是在扫文档，只是字段从别处搬过来了。
- 所有投影字段（如
{user_name: 1, product_title: 1}）必须进同一个复合索引，例如：db.orders.createIndex({status: 1, user_name: 1, product_title: 1}) - 检查
executionStats.totalKeysExamined是否 ≈nReturned；如果不是，要么索引没覆盖全，要么查询用了未索引字段 - 冗余字段更新时，writeConcern 必须设为
{w: "majority", j: true}，否则 5000 条订单里部分成功部分失败，页面上同一用户显示两个名字
避免嵌套过深或无限增长的数组
标签数组 tags 看似灵活，但放任它无限制增长，会导致单文档体积膨胀、内存压力上升、传输带宽浪费，甚至触发 BSON 16MB 上限。更隐蔽的问题是：当数组元素超几百条后，$elemMatch 查询性能明显下降，索引选择性变差。
- 对历史标签做归档：比如只保留最近 90 天的活跃标签，老标签移入
tags_history子集合 - 批量更新时别用
$set: {tags: [...]}，那会清空旧值；改用$push+$each+$slice控制长度，例如：{$push: {tags: {$each: [newTag], $slice: -200}}} - 别依赖
$addToSet去重带ts的标签——它要求对象所有字段完全一致，而时间戳天然不同
分片键设计要兼顾标签查询与用户主键路由
用户量上千万后，靠单节点扛不住。分片是必选项，但分片键选错，标签查询就废了。比如用 _id 当分片键，虽然路由均匀，但查“所有 device_os=ios 的用户”就得广播到所有分片；反过来，如果用 tags.k 分片，又会导致数据倾斜——k="lifecycle_stage" 的文档全挤在一个分片上。
现实解法是组合分片键：{uid: 1, shard_hint: 1}，其中 uid 是用户唯一标识（保证单用户数据在同一分片），shard_hint 是预计算的哈希桶（比如按 city 或 region 取模），让同类标签查询能落在局部分片组里。
- 不要用动态字段（如
tags.v）直接做分片键，值分布不可控，极易倾斜 - 分片前先用
sh.status()观察 chunk 分布，确保没有单分片负载远高于其他 - 对跨分片的标签统计类查询（如“各城市 iOS 用户数”），接受一定延迟，走定期物化视图，别强求实时
tags.k 和 tags.v 不建索引，再好的结构也撑不过万级用户。还有就是冗余字段更新时 writeConcern 设得太松，线上出现“同个用户昵称一会是张三一会是李四”，这种问题排查起来比加索引还费时间。
