MongoDB 4.2执行delete_many删除1GB数据耗时超1小时，如何优化性能？

360MB索引是否是删除缓慢的诱因 #

是的，这是删除操作慢的核心诱因之一。MongoDB在删除文档时，除了删除磁盘上的文档数据本身，还需要同步更新该集合关联的所有索引的对应条目，索引数量越多、总大小越大，单次删除需要修改的元数据量就越高。如果你本次删除匹配的文档量级较大（数十万到数百万级），大量索引条目的批量更新会带来极高的IO开销，直接导致删除耗时拉长。

无需升级版本的性能优化方案 #

• 先确认执行计划是否命中目标索引
  即使competitionId是复合索引的前缀，也可能因为数据分布、索引统计信息过期等原因导致查询未走预期索引。可以先执行explain命令验证：

  db.your_collection.find({ 'competitionId': { '$in': [30629, 30630] } }).explain('executionStats')
  

  检查返回结果中executionStats.totalDocsExamined和executionStats.nReturned是否一致，若前者远大于后者，说明未命中索引，可以手动刷新集合索引统计信息：db.runCommand({ collStats: "your_collection" })
• 改为分批小批量删除
  一次性调用delete_many删除大量数据会长时间持有集合写锁，同时生成巨量oplog拖慢副本集同步，建议改为循环分批删除：

  def delete_from_mongo_collection(table_name, batch_size=1000):
      cluster = MongoClient(MONGO_URI)
      db = cluster["cbbap"]
      query = { 'competitionId': { '$in': [30629, 30630] } }
      deleted_count = 0
      while True:
          # 每次查一批要删除的文档_id
          batch = list(db[table_name].find(query, {"_id": 1}).limit(batch_size))
          if not batch:
              break
          batch_ids = [x["_id"] for x in batch]
          res = db[table_name].delete_many({"_id": {"$in": batch_ids}})
          deleted_count += res.deleted_count
          # 可选：加10-50ms的休眠，避免打满IO影响线上业务
          # time.sleep(0.01)
      return deleted_count
  

  该方案可以大幅降低单次操作的锁持有时间，整体耗时通常比单次delete_many低50%以上。
• 清理冗余索引
  列出集合所有索引，排查是否存在重复、无效的索引：db.your_collection.getIndexes()，比如已经存在前缀包含competitionId的复合索引，又单独建了competitionId的单字段索引，这类冗余索引可以直接删除。减少索引总数可以直接降低删除时的索引更新开销，同时不会影响现有Node API的查询性能。
• 高删除比例场景用集合切换替代删数据
  如果每次删除的文档占集合总数据量的20%以上，全量重插的效率确实更高。可以采用临时集合+重命名的方案实现无缝切换：
  1. 将新数据写入临时集合，建好所有业务需要的索引
  2. 调用db.collection.renameCollection()方法原子性替换原有集合
  3. 删除旧集合即可
     整个过程几乎无停机时间，总耗时远低于删数据再写入的流程。
• 调整写关注配置
  如果你的业务对数据写入可靠性要求允许，可以将删除操作的写关注从默认的majority调整为w:1，无需等待副本集多数节点确认写入，可进一步提升删除速度。

内容的提问来源于stack exchange，提问作者Canovice