MongoDB是一种非关系型数据库，它以文档的形式存储数据，具有灵活的数据模型和高可扩展性。MongoDB在处理大量数据时，可以提供快速的查询性能，但也需要注意一些优化策略，才能充分发挥其潜力。
本文将介绍MongoDB在百万级数据查询中的性能表现，以及一些提升查询效率的方法。
MongoDB百万级数据查询性能测试
为了测试MongoDB在百万级数据查询中的性能，我们使用了一个名为users的集合，其中包含了100万条用户信息的文档，每个文档的结构如下：
\"district\": \"朝阳区\",
\"street\": \"朝阳路\"
\"hobbies\": [\"篮球\", \"游戏\", \"音乐\"]
我们使用了MongoDB Atlas作为云数据库服务，选择了M10型号的集群，配置如下：
我们使用了Python的pymongo库作为客户端，连接到数据库，并执行了以下几种类型的查询：
1.根据_id查询单个文档
2.根据name查询单个文档
3.根据age范围查询多个文档
4.根据address.province和gender查询多个文档，并按照age降序排序
5.根据hobbies数组查询多个文档，并使用聚合函数计算每种爱好的人数
我们使用了timeit模块来测量每种查询的平均执行时间，重复了10次，并取最小值作为结果。