1. MongoDB条件查询基础与实战指南作为NoSQL数据库的代表MongoDB的条件查询功能远比传统SQL灵活。我在实际项目中处理过数亿级文档的查询优化发现合理使用查询操作符能提升30%以上的检索效率。先看一个典型场景电商平台需要筛选价格在100-500元之间且评分超过4.5的商品这种多条件组合查询正是MongoDB的强项。1.1 查询操作符核心原理MongoDB的条件查询本质上是BSON文档的匹配过程。当执行db.collection.find({field: value})时查询引擎会遍历集合的存储结构WiredTiger默认使用B树索引对每个文档的指定字段进行值比较返回匹配文档的游标比较操作符如$gt、$lt等会被转换成底层的二进制比较指令。例如{price: {$gt: 100}}实际执行的是字段值的字节级比对。1.2 基础查询操作符详解比较操作符实战// 数值范围查询开区间 db.products.find({ price: { $gt: 100, $lt: 500 } }) // 包含查询闭区间 db.users.find({ age: { $gte: 18, $lte: 30 } }) // 不等于查询 db.orders.find({ status: { $ne: cancelled } })逻辑操作符组合技巧// AND逻辑隐式 db.books.find({ category: technology, stock: { $gt: 0 } }) // OR逻辑显式 db.logs.find({ $or: [ { severity: error }, { severity: critical } ] }) // NOT逻辑 db.customers.find({ vip: { $not: { $eq: false } } })注意$and操作符在同时存在多个条件时默认隐式应用显式声明主要用于处理相同字段的多条件2. 高级查询模式与性能优化2.1 数组查询的三种武器元素匹配// 精确匹配数组元素 db.blog.find({ tags: [mongodb, database] }) // 包含任意指定元素 db.blog.find({ tags: { $all: [mongodb, nosql] } })数组索引查询// 查询第二个元素为red的数组 db.inventory.find({ colors.1: red })数组长度查询db.users.find({ favorites: { $size: 5 } })2.2 嵌套文档查询策略对于如下文档结构{ product: Laptop, specs: { cpu: i7, ram: 16, storage: 512GB } }点表示法查询db.products.find({ specs.cpu: i7, specs.ram: { $gte: 16 } })嵌套对象精确匹配db.products.find({ specs: { cpu: i7, ram: 16 } })2.3 查询性能优化方案索引使用原则对高频查询字段创建索引db.products.createIndex({ price: 1 })使用复合索引时遵循ESR规则Equality等值查询字段Sort排序字段Range范围查询字段执行计划分析db.products.find( { category: electronics, price: { $lt: 1000 } } ).explain(executionStats)关键指标解读totalDocsExamined扫描文档数executionTimeMillis执行时间stageCOLLSCAN表示全表扫描3. 企业级查询模式实战3.1 分页查询最佳实践基础分页// 第一页 db.articles.find().sort({ _id: -1 }).limit(10) // 下一页记住最后一条记录的_id db.articles.find({ _id: { $lt: lastId } }) .sort({ _id: -1 }) .limit(10)带条件分页const pageSize 10; const lastDate ISODate(2023-01-01); db.logs.find({ createdAt: { $lt: lastDate }, severity: error }) .sort({ createdAt: -1 }) .limit(pageSize)3.2 聚合查询中的条件过滤db.orders.aggregate([ { $match: { status: completed, orderDate: { $gte: ISODate(2023-01-01), $lte: ISODate(2023-12-31) } } }, { $group: { _id: $productId, totalSales: { $sum: $amount } } } ])3.3 文本搜索与正则表达式文本索引查询db.reviews.createIndex({ content: text }) db.reviews.find({ $text: { $search: performance battery life, $language: en } })正则表达式查询// 前缀匹配可以使用索引 db.products.find({ sku: /^ABC-\d{4}/ }) // 包含匹配慎用会导致全表扫描 db.users.find({ email: /gmail\.com$/i })4. 生产环境问题排查指南4.1 常见错误解决方案查询超时处理// 设置超时时间毫秒 db.collection.find().maxTimeMS(5000) // 杀死长时间运行的查询 db.killOp(opid)内存限制问题// 使用游标分批处理 const cursor db.largeCollection.find() while (cursor.hasNext()) { processDocument(cursor.next()) } // 添加allowDiskUse选项 db.collection.aggregate([...], { allowDiskUse: true })4.2 查询性能检查清单确认查询使用了正确的索引db.collection.find(...).explain()避免$where和JavaScript表达式限制返回字段数量db.users.find({}, { name: 1, email: 1 })合理设置批处理大小db.collection.find().batchSize(100)4.3 监控与调优工具实时监控// 查看当前操作 db.currentOp() // 性能分析器 db.setProfilingLevel(1, { slowms: 50 })慢查询日志分析db.system.profile.find().sort({ millis: -1 }).limit(10)经过多年实战我发现MongoDB查询性能的80%问题都源于索引使用不当。建议每个查询都先用explain()分析执行计划特别是在处理百万级以上文档时。另外定期运行db.collection.validate()检查集合的健康状态也很重要。