MongoDB IP地址范围查询性能优化方案咨询

问题分析 #

当前创建的复合索引{start_ip: 1, end_ip: 1}无法高效支撑start_ip <= 目标IP AND end_ip >= 目标IP的查询——MongoDB只能利用索引的前缀部分过滤出start_ip <= 目标IP的所有记录，之后需要扫描这些记录逐一校验end_ip >= 目标IP的条件，这就是导致242万条索引键扫描、查询耗时1.5秒的核心原因。

优化方案 #

1. 调整索引与查询逻辑 #

放弃原复合索引，创建单字段升序索引{start_ip: 1}，同时修改查询语句：

db.ip_ranges.find(
  { start_ip: { $lte: 3284004939 }, end_ip: { $gte: 3284004939 } },
  { _id: 0, country_code: 1, country: 1, region: 1, city: 1 }
).sort({ start_ip: -1 }).limit(1)

原理：

IP地址范围通常是不重叠且按start_ip有序排列的，每个目标IP只会匹配唯一的一个范围。通过sort({start_ip: -1}).limit(1)，MongoDB会利用start_ip索引快速定位所有start_ip <= 目标IP的记录，然后直接取start_ip最大的那条（也就是最接近目标IP的起始范围），这条记录必然满足end_ip >= 目标IP，无需扫描其他候选记录。

2. 数据结构预优化 #

如果IP范围数据是静态的（不频繁更新），可以做以下处理：

• 对所有IP范围按start_ip排序，合并连续或重叠的区间，减少总记录数，从根源降低扫描量。
• 将整个IPv4空间（0到2^32-1）划分为固定大小的分片（比如每1000个IP为一个分片），给每条IP范围记录添加分片标识字段，创建分片字段+start_ip的复合索引。查询时先计算目标IP所属的分片，再在对应分片内执行上述优化后的查询，进一步缩小扫描范围。

3. 地理空间索引技巧（进阶） #

把IP整数映射为二维坐标点[start_ip, end_ip]，创建2d索引：

db.ip_ranges.createIndex({ ip_range: "2d" })

然后将目标IP转换为[target_ip, target_ip]，使用$geoWithin查询包含该点的区间：

db.ip_ranges.find({
  ip_range: { $geoWithin: { $box: [[target_ip, target_ip], [target_ip, target_ip]] } }
})

这种方式利用MongoDB的地理空间索引高效匹配区间，适合性能要求极高的场景，但需要提前将start_ip和end_ip合并为ip_range数组字段。

效果验证 #

修改索引和查询后，执行db.ip_ranges.explain().find(...)查看执行计划，索引扫描数会大幅降低，查询耗时可压缩至毫秒级。

内容的提问来源于stack exchange，提问作者Andrii Gladkyi