这将成为一个“普遍问题”，但我有理由这样做。我问这个是因为我不确定采取什么样的方法来加快速度。
我有一个运行在BIG aws实例上的mongoDB服务器（r3.4xlarge 16核心vCPU和122 GB主内存）。该数据库有一个HUGE集合，其中包含293017368个文档，其中一些有一个名为paid的字段，其中包含字符串值，而其中一些字段不包含。还有一些他们有一个名为payment_history的数组，其中一些没有。我需要在该数据库上执行某些任务，但所有没有paid或payment_history或两者的文档都与我无关。所以我想在继续实际操作之前清理（缩小）数据库。我认为，因为我必须检查类似（{paid：{$ exists：false}}）的内容以删除第一步的记录，我应该在paid上创建一个索引。我可以看到，按照目前的速度，该指数需要80天才能完成。
我不确定这种情况应该采取什么方法？我应该写一个map-reduce来访问每个文档并执行我需要执行的任何操作，并将结果文档写入不同的集合中吗？或者我应该以某种方式（不确定如何）将大型数据库分成小部分并对每个部分应用转换，然后将每个服务器的结果记录合并到最终的cleaned记录集中？或者我应该以某种方式（不确定如何）将数据放入Elastic Map-Reduce或redshift来对其进行操作？简而言之，您认为这种情况的最佳途径是什么？
如果这个问题听起来有点模糊，我很抱歉。我试图尽可能多地解释实际情况。
非常感谢您的帮助:)
编辑
根据关于稀疏索引的评论，我现在正在执行partialIndexing。使用此命令 - db.mycol.createIndex({paid: 1}, {partialFilterExpression: {paid: {$exists: true}}})它大致每秒创建53个索引...按此速率，我不确定将整个集合编入索引需要多长时间。但我会保持这个晚上，明天我会回来更新这个问题。我打算把这个问题放在我将要经历的整个旅程中，只是为了将来有同样问题和相同情况的人们。