这是db.currentOp（）的输出：
> db.currentOp() { "inprog" : [ { "opid" : 2153, "active" : false, "op" : "update", "ns" : "", "query" : { "name" : "Run_KPIS", "profile" : "totals" }, "client" : ":34140", "desc" : "conn127", "threadId" : "0x7f1d0f03c700", "connectionId" : 127, "locks" : { "^cached_data" : "W" }, "waitingForLock" : true, "numYields" : 0, "lockStats" : { "timeLockedMicros" : { }, "timeAcquiringMicros" : { } } }, { "opid" : 2154, "active" : false, "op" : "getmore", "ns" : "", "query" : { }, "client" : ":34129", "desc" : "conn118", "threadId" : "0x7f1e32785700", "connectionId" : 118, "locks" : { "^cached_data" : "R" }, "waitingForLock" : true, "numYields" : 0, "lockStats" : { "timeLockedMicros" : { }, "timeAcquiringMicros" : { } } }, { "opid" : 1751, "active" : true, "secs_running" : 98, "op" : "query", "ns" : "cached_data.webtraffic", "query" : { "mapreduce" : "webtraffic", "map" : function () { if (this.Pages) for (var i in this.Pages) if (i.match(/(\/blogs\/|\/news\/)/)) emit({ 'page':i, 'profile':this.Profile },this.Pages[i]); }, "reduce" : function (k,vals) { for(var i=0,sum=0;i<vals.length;sum+=vals[i++]); return sum; }, "out" : { "inline" : 1 }, "query" : { "$or" : [ { "Profile" : "MEMBER" }, { "Profile" : "WEB" } ] } }, "client" : ":34111", "desc" : "conn112", "threadId" : "0x7f1d1768d700", "connectionId" : 112, "locks" : { "^" : "r", "^cached_data" : "R" }, "waitingForLock" : false, "msg" : "m/r: (1/3) emit phase M/R: (1/3) Emit Progress: 801/830 96%", "progress" : { "done" : 801, "total" : 830 }, "numYields" : 148, "lockStats" : { "timeLockedMicros" : { "r" : NumberLong(183690739), "w" : NumberLong(0) }, "timeAcquiringMicros" : { "r" : NumberLong(92296403), "w" : NumberLong(0) } } } ] } 我在所有相关集合上都有索引，但是当上述操作正在运行时，从MongoDB读取数据仍然有很大的延迟。
数据库重新读取可能需要5分钟的时间。
上面的map减less函数是否会导致这个读locking？ 如果是这样，我怎么能运行一个非locking的地图减less收集？
奇怪的是，MongoDB仍然接受连接，在上面的操作正在运行时，它不会允许我们查询。
编辑说这是Mongo版本2.4.1。
首先，在这里运行查询。 它使用$or运算符来覆盖同一个字段的两个值。 如果这是典型的，请将其更改为$in运算符（按照此处的build议 ）。 这应该有很大的帮助 – 当你使用$或者像你一样运行两个并行查询并合并结果时，当你使用一个查询。
接下来，由于这是一个内嵌的 Map Reduce作业，我build议在辅助（如果你还没有的话）上运行这个工具，并且在别的地方运行更实时的应用程序。 您可以通过多种方式来实现，但最灵活的是基于标签的读取首选项 。
在解释currentOp()输出方面，大写字母表示全局锁 ，这就是可能会阻止的东西（虽然它会尝试产生），但是你也可以看到，它花了很多时间来获取锁在首位。 我认为这代表了有关数据的大表扫描，并且数据并不全部适合RAM，并且正在从磁盘分页。 因此，该查询的产出数量（MongoDB每当发现磁盘故障时都会尝试产生）。
看一下MMS或者mongostat中的页面错误指标，看看那里的趋势，实际上MMS可能是一个很好的地方，可以看到这个实例在整体上随着时间的推移发生了什么。
上面这个$in的变化应该对此有所帮助，但是可能只能在路上走。 如果要在大量数据上进行聚合，则需要将其存储在快速存储的RAM中，或者需要将其存储到辅助存储中，以便慢速访问磁盘不会将所有数据它。