优化排序
在MongoDB里面，如果能够利用索引来排序的话，直接按照索引顺序加载数据就可以了。如果不能利用索引来排序的话，就必须在加载了数据之后，再次进行排序，也就是进行内存排序。
可想而知，如果内存排序，再叠加分页查询的话，性能会更差。比如你要查询skip(10000).limit(100)，那么在最坏情况下，MongoDB要把所有的文件加载到内存里排序，然后找到从10000开始的100条数据
优化的思路也类似MySQL。第一种是把查询优化成利用索引来排序，可以考虑修改查询，也可以考虑修改索引。比如你可以新建索引。
另一种优化思路是借鉴在分库分表里提到的禁止跨页查询，也就是每次查询带上上一次查询的极值作为查询条件。
注意，这里的极值是最大值还是最小值，跟你的排序有关。
另外你可以进一步把话题引导到MySQL和分库分表上。
既然MongoDB会有这种分页的问题，那么分片情况下处理分页的mongos岂不是容易成为瓶颈吗？
所以就可以考虑增加mongos的数量。
增加mongos数量
如果是分片集合的话，查询都要靠mongos来执行路由，并且合并结果集。
换一句话来说，mongos就是查询的性能瓶颈，它可能是CPU瓶颈、内存瓶颈或网络带宽瓶颈。比如，你有分片查询，那么mongos就必须要求各个分片查询到结果之后，自己再排序，选出全局分页里对应的数据。
因此，在实践中要密切关注查询性能，并且发现查询很慢的时候，就要去看看是不是mongos引起的。
另一种面试的思路是隔离，也就是要考虑到mongos本身容易称为性能瓶颈，并且你也不能无限增加mongos实例，所以如果公司资源足够，应该让核心业务使用独立的mongos实例，或者说独立的MongoDB集群。
