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。

总体来说，MongoDB的分页查询面临的问题和关系型数据库分页查询面临的问题差不多，而在分片集合上进行分页查询的问题，也和分库分表的问题差不多。总之，分页查询如果不小心的话，是比较容易出现性能问题的。

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。

之前我还优化过mongos，不过mongos实例能优化的不多，主要就是增加mongos实例，而且最好是能独立部署mongos，独享系统的CPU和内存资源。

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。

并且，为了保证核心服务的查询效率和稳定性，我都是单独准备了一个集群给核心服务，这样可以保证核心服务的mongos互相之间没影响