MongoDB实例的IOPS使⽤率是⼀个⾮常重要的监控指标。如果MongoDB实例的IOPS使⽤率达到或接近100%，会导致业务响应缓慢，甚⾄业务不可⽤。本文介绍查看MongoDB实例IOPS使用率的方法，以及导致IOPS使用率高的原因和优化策略。
背景信息
⼀般云数据库厂商为了避免宿主机出现I/O争抢，会使⽤CGroup（ Control Groups ）等技术进⾏实例间的I/O隔离和IOPS（Input/Output Operations Per Second）限制，即不同规格的实例配置对应不同的IOPS使⽤上限。
注意事项
MongoDB单节点架构实例、4.2版本副本集云盘版实例以及4.2版本分片集群云盘版实例暂不支持查看IOPS使用量和IOPS使用率。
目前上述架构的实例在控制台监控信息页面的监控指标IOPS使用量和IOPS使用率一直显示为0，无法代表真正的IOPS监控数据。
查看IOPS使用率
您可以通过监控图查看IOPS使用率
登录MongoDB管理控制台，在基本信息页面的规格信息区域，确认该实例的最⼤IOPS上限。不同实例规格对应的IOPS使⽤上限请参见：实例规格概述。
登录MongoDB管理控制台，在监控信息页面，根据监控指标IOPS使用量和IOPS使用率来确认该实例的最⼤IOPS上限。⼤部分情况下阿⾥云数据库MongoDB的data⽬录和log⽬录使⽤同⼀块盘，所以IOPS使⽤量=data_iops+log_iops。
I/O问题的常见原因
常见导致MongoDB磁盘I/O问题的可能原因如下：
内存不够。I/O问题与内存的CacheSize⼤⼩息息相关。CacheSize越⼤，表示能够缓存的热数据越⼤，即系统需要的磁盘I/O量越低，则出现I/O瓶颈的概率越低；反之，CacheSize越⼩，表示能够缓存的热数据越少，系统刷脏更加频繁，则出现I/O瓶颈的概率越⼤。
与磁盘I/O相关的参数和配置问题。例如MongoDB Journal和运⾏⽇志频繁刷新，写入安全机制（WriteConcern）设置不合理，分⽚集群的MoveChunk错误等。
关于更多Journal内容可参考：Journaling。
关于更多WriteConcern内容可参考：Write Concern。
I/O问题的优化策略
如果是阿里云MongoDB，建议您根据业务需求选择合适的实例规格，并关注索引的优化和部分应用系统的写入优化。
配置合适的实例规格
由于在配置前很难预估热数据与CacheSize的⽐例设置为多少最合适，通常情况下，在保证MongoDB实例满⾜业务要求的情况下，确保每日的最高CPU使⽤率和IOPS使⽤率控制在50%以内即可。
索引优化
查询全表扫描或使用了不恰当的索引，例如导出全表数据期间，会消耗大量的I/O。创建过多的索引会使数据规模很大，导致WiredTiger Cache缓存的热数据减少，业务数据写操作过程中需要多⼀次I/O操作以更新索引，从而影响I/O性能。为了避免以上情况，建议您创建合适的索引，详情请参见Indexes。
业务架构和运维优化
在业务架构层⾯，要避免磁盘I/O成为瓶颈，需要优化以下几个方面：
控制并发写入/读取线程数
MongoDB是多线程应用，过⾼的并发写入速度和复杂查询并发数，容易引起IOPS瓶颈，甚⾄导致Secondary节点持续延迟。如果I/O瓶颈是由于业务写⼊量导致，建议您将MongoDB实例升级至MongoDB分⽚集群模式，通过数据的⽔平拆分来线性扩容MongoDB的写⼊性能。
尽可能避免峰值写⼊
部分业务由于定期写入或数据批量持久化，容易造成IOPS峰值。针对这种情况，在当前的实例配置不⾜以⽀撑该峰值写⼊的情况下，建议您将业务侧改造为平滑写入，例如给每⼀个批量写⼊操作添加⼀个随机时间⽚。
避免业务⾼峰期间做运维操作
部分对性能影响较⼤的运维操作，从本质上讲也会造成IOPS峰值。如果必须执行此类操作，建议您在业务低峰期执行。容易引起I/O⾼峰的常见操作有批量写⼊、更新、删除数据，添加索引，对集合执⾏Compact操作，批量导出数据等。