Azure Cosmos DB for MongoDB：集合大小对RU消耗及成本的影响咨询

文档规模对RU消耗的影响 #

RU（请求单位）的消耗并非直接由文档总数量决定，而是取决于操作复杂度、数据大小、索引使用情况：

• 若读写查询依赖高效索引（如精准匹配、覆盖索引），单条操作的RU消耗会保持稳定，不会因文档总数增加而显著上升。
• 但如果查询未使用索引（全集合扫描），或需要扫描大量无关文档（如无对应索引的范围查询），文档数量越多，单次查询扫描的数据量越大，RU消耗会明显增加。此外，文档过多会导致索引体积增大，维护索引的写入RU也会略有上升。

删除无用文档的成本优化效果 #

删除无用文档确实能降低成本，主要体现在两个方面：

1. 存储成本直接下降：Cosmos DB按存储容量计费，删除无用文档会减少存储空间占用，这部分成本会直接降低。
2. RU消耗间接优化：如果之前的查询存在扫描大量无用文档的情况（如无索引查询、覆盖无用数据的范围查询），删除后查询扫描范围缩小，单次操作的RU消耗会降低。
   需要注意：删除操作本身会消耗RU，建议在业务低峰期执行批量删除（如使用MongoDB的deleteMany），避免短时间内RU突增带来额外成本。若查询已依赖高效索引，单条读写操作的RU变化不大，但存储成本的下降依然明显。

读写查询优化建议 #

针对你的读写场景，可通过以下方式降低RU消耗、提升性能：

• 精准设计索引：根据常用查询模式创建复合索引、覆盖索引。比如对查询过滤条件、排序字段建立复合索引；用覆盖索引让查询直接从索引返回结果，无需读取完整文档，能大幅降低RU。避免冗余索引，索引维护会增加写入RU。
• 优先使用批量操作：读写尽量采用批量接口（如insertMany、updateMany），批量操作的RU效率远高于单条操作，能减少总RU消耗。
• 优化数据模型：采用嵌入式数据模型，将关联数据嵌入主文档，避免跨文档关联查询（MongoDB的join操作在Cosmos DB中会消耗大量RU）。
• 调整一致性级别：若业务对数据一致性要求不高，可选择会话一致性或最终一致性，这类级别消耗的RU比强一致性少30%-50%。
• 优化分页查询：避免一次性读取大量数据，使用基于游标的分页或基于唯一标识（如_id）的分页，替代skip/limit（大skip会扫描大量无关数据，RU消耗高）。
• 监控与调优：通过Azure门户监控RU消耗，定位高RU的查询语句，针对性优化索引或查询逻辑。

内容的提问来源于stack exchange，提问作者Yatharth Mishra