如何优化MongoDB中按关联lead状态筛选task集合的查询性能

1. 优先添加索引（性能提升最明显） #

当前查询慢的核心原因是关联操作没有命中索引，每次查询都要全表扫描20万+的leads数据。给leads集合创建复合索引，可以完全覆盖你的关联和筛选逻辑，无需回表查询：

// 在leadSchema中定义索引，也可以直接在MongoDB中执行
leadSchema.index({ Id: 1, associate_status: 1 });

如果task集合存在大量leadId为空的无效数据，也可以给task的leadId字段添加索引，进一步减少关联时的扫描范围：

taskSchema.index({ leadId: 1 });

2. 优化$lookup写法，避免$expr的性能损耗 #

你当前使用的let+pipeline+$expr写法，对索引的利用效率远低于MongoDB原生的等值匹配lookup，修改为以下写法：

const report = await taskModel.aggregate([
  // 提前过滤掉leadId为空的无效数据，减少参与关联的文档总量
  { $match: { leadId: { $ne: "" } } },
  {
    $lookup: {
      from: "leads",
      localField: "leadId", // task表的关联字段
      foreignField: "Id", // lead表的关联字段
      // 内置筛选逻辑，只返回associate_status为true的关联记录
      pipeline: [
        { $match: { associate_status: true } }
      ],
      as: "leaditems"
    }
  },
  // 过滤出确实关联到符合要求lead的task记录
  { $match: { leaditems: { $ne: [] } } },
  // 可选：如果不需要返回关联的lead数据，直接删除该字段减少数据传输量
  { $project: { leaditems: 0 } }
], { 
  allowDiskUse: true // 数据量过大时允许使用磁盘缓存，避免内存不足导致查询失败
})

修改后的写法会优先命中你创建的复合索引，性能可以提升数倍到数十倍。

3. 高并发大流量场景可选冗余设计 #

如果数据量还会持续增长，且对查询性能要求极高，可以做字段冗余来彻底避免关联操作：

• 在taskSchema中新增associate_status: { type: Boolean, default: false }字段
• 每次更新lead的associate_status时，同步更新所有关联task的该字段
• 查询时直接查task表即可，无需关联，性能可以达到毫秒级
  注意需要保证数据一致性，可通过事务、定时校准任务做兜底。

内容的提问来源于stack exchange，提问作者Uday Mittal