MongoDB设置collation后查询极慢，如何兼顾排序规则与查询性能？

查询指定的collation排序规则与已有索引的默认collation不匹配，导致personIdCardNumber的过滤条件无法命中索引，触发4000万条数据全表扫描，因此耗时极高。MongoDB中只有查询使用的collation与索引创建时指定的collation完全一致时，才能触发索引加速。

1. 创建匹配collation规则的索引（优先级最高） #

针对你常用的查询collation（比如波兰语pl），为过滤字段personIdCardNumber创建对应规则的索引，建索引语句如下：

db.persons.createIndex(
  { personIdCardNumber: 1 },
  { 
    collation: { locale: "pl", strength: 2 },
    background: true // 大集合建索引建议加background，避免阻塞业务读写
  }
)

参数说明：

• strength: 2 表示字符串匹配时忽略大小写，如需严格匹配大小写可改为strength: 3
• 如果你同时需要用到en、pl两种collation规则，分别为两种规则创建对应索引即可，查询时MongoDB会自动匹配对应规则的索引

索引创建完成后，你可以通过explain("executionStats")执行查询验证，确认执行计划的stage为IXSCAN（索引扫描）而非COLLSCAN（全表扫描），优化后查询耗时基本可以降到50ms级别，与无collation的查询性能一致。

2. 聚合逻辑精简优化 #

你当前的聚合语句中存在冗余步骤，可直接删除第二个空的$match阶段，减少不必要的计算开销。
另外如果documents.submitDate为ISODate类型，排序本身不涉及字符串的collation规则，你可以单独为sort阶段指定简单二进制排序规则，进一步降低排序开销：

{ "$sort" : { "documents.submitDate" : -1, collation: { locale: "simple" } } },

3. 可选Schema结构优化 #

如果你的业务场景固定为查询单个person的documents分页，还可以通过调整存储结构进一步提升性能：

• 写入时就将documents数组按submitDate倒序存储，新增数据时插入数组头部，查询时无需再执行sort操作，直接通过$slice操作符取出对应分页的数组元素即可，完全省去unwind、sort、group的开销，示例查询语句：

  db.persons.find(
    { personIdCardNumber: "XXXXX" },
    { documents: { $slice: [0, 10] } }
  ).collation({ locale: "pl" })
  

• 如果单条person的documents数量超过1000条，建议将documents拆分到独立集合，用personIdCardNumber做关联字段，查询时直接过滤+排序+分页，逻辑更简单，性能也更稳定。

上述优化均不需要修改现有C#调用逻辑，只要索引的collation规则和查询时指定的collation一致即可直接生效。

内容的提问来源于stack exchange，提问作者Fufus