核心用法
本 Skill 提供 MongoDB 全生命周期设计指南，聚焦文档型数据库的核心范式转换：从关系型思维的"范式化"转向"为查询而设计"。核心工作流包括：
Schema 设计：嵌入 vs 引用的决策框架——数据共现查询且增长有界时嵌入；数据独立访问或存在多对多关系时引用。接受反规范化以换取读性能，承担更新复杂度。
索引策略：严格遵循 ESR 规则（Equality → Sort → Range），优先使用复合索引而非索引交集。关键实践包括：单集合仅一个文本索引、TTL 索引自动过期、多键索引的数组爆炸风险控制。
聚合管道：阶段式数据流转换，核心优化原则——尽早 $match 利用索引、尽早 $project 缩减数据量。5.0+ 版本的管道式 $lookup 支持前置过滤，显著改善大集合关联性能。
生产配置：事务一致性权衡（w: "majority" + readConcern: "majority"）、读写分离的延迟陷阱（secondary 读取的复制滞后）、自动重试写入（retryWrites: true）。
显著优点
- 实战导向的陷阱清单：16MB 文档限制、无限数组增长、
$lookup性能退化等生产痛点被系统性梳理 - 查询优先的设计理念：明确反对"无模式"误解，强调 Schema 由应用层强制执行
- 版本特性标注：如 MongoDB 5.0+ 的
$lookuppipeline 语法改进 - 性能诊断工具链：
explain("executionStats")的解读标准（totalDocsExamined/nReturned比率、COLLSCAN/IXSCAN 识别）
潜在缺点与局限性
- 版本碎片化风险：部分优化建议依赖较新版本（5.0+），旧版本集群可能行为不一致
- Atlas Search 提及但未展开：复杂文本检索场景需要额外学习曲线
- 分片（Sharding）策略缺失：文档未覆盖水平扩展的核心决策
- 驱动特定语法省略：示例为概念性伪代码，实际应用需查阅具体语言驱动文档
适合人群
- 从关系型数据库迁移至 MongoDB 的后端开发者
- 需要优化现有 MongoDB 集群性能的 DBA/DevOps 工程师
- 设计高吞吐量读密集型应用的系统架构师
- 已通过基础教程、需要规避生产陷阱的中级用户
常规风险
- 数据一致性风险：默认读写配置非强一致，金融级场景需显式配置
majority级别 - 无界增长风险：数组
$push未配$slice将导致文档膨胀至 16MB 上限 - 索引误用风险：多键索引与复合索引的组合限制可能导致查询降级为 COLLSCAN
- 驱动配置遗漏：未启用
retryWrites可能遭遇瞬态故障时的数据丢失