MongoDB面试题分类整理

MongoDB面试题分类整理

一、基础概念

1. MongoDB是什么？与传统关系型数据库有什么区别？

答案：
MongoDB是一个文档型NoSQL数据库，它用类似JSON的BSON格式存储数据。与传统关系型数据库(RDBMS)的主要区别：

• 数据模型：MongoDB是文档模型，RDBMS是表模型
• Schema：MongoDB是动态Schema(不需要预先定义表结构)，RDBMS是固定Schema
• 扩展方式：MongoDB更容易水平扩展(分片)，RDBMS通常垂直扩展
• 事务支持：早期MongoDB不支持多文档事务，现在已支持(4.0+版本)
• JOIN操作：MongoDB用$lookup模拟JOIN，性能不如RDBMS的JOIN

原理：想象MongoDB像一个大的文件柜，每个文档就是一个独立的文件，你可以随时往里面添加各种格式的文件。而RDBMS像Excel表格，必须预先定义好列名和数据类型。

2. 解释MongoDB中的文档、集合和数据库

答案：

• 文档(Document)：相当于RDBMS中的一行记录，用BSON格式存储(类似JSON)
• 集合(Collection)：相当于RDBMS中的表，是一组文档的容器
• 数据库(Database)：一组集合的容器，一个MongoDB实例可以包含多个数据库

原理：可以想象MongoDB的结构像一本书：

• 数据库=书
• 集合=书的章节
• 文档=章节中的段落

二、CRUD操作

1. MongoDB如何插入文档？

答案：

// 插入单个文档
db.collection.insertOne({name: "张三", age: 25})

// 插入多个文档
db.collection.insertMany([
  {name: "李四", age: 30},
  {name: "王五", age: 28}
])

原理：MongoDB接收到插入命令后，会先将数据转换为BSON格式，然后写入内存和磁盘。默认情况下，写入操作会等待磁盘确认后才返回成功。

2. 如何更新文档？set和unset有什么区别？

答案：

// 更新单个文档
db.collection.updateOne(
  {name: "张三"}, 
  {$set: {age: 26}}
)

// $set用于设置字段值
db.collection.updateOne(
  {name: "张三"}, 
  {$set: {address: "北京"}}
)

// $unset用于删除字段
db.collection.updateOne(
  {name: "张三"}, 
  {$unset: {address: ""}}
)

原理：set就像给文档打补丁，只修改指定的字段，其他字段不变。unset则是从文档中移除指定字段。如果不使用$set而直接更新，整个文档会被替换。

三、索引与性能优化

1. MongoDB索引有哪些类型？

答案：

• 单字段索引：在单个字段上创建的索引
• 复合索引：在多个字段上创建的索引
• 多键索引：为数组字段中的每个元素创建索引
• 文本索引：支持字符串内容的全文搜索
• 地理空间索引：支持地理位置查询
• 哈希索引：将字段值哈希后创建索引
• TTL索引：自动删除过期的文档
• 唯一索引：确保字段值唯一

原理：索引就像书的目录，可以快速找到内容而不需要逐页查找。MongoDB使用B树数据结构存储索引，不同类型的索引针对不同的查询场景优化。

2. 如何分析查询性能？

答案：

// 使用explain()分析查询
db.collection.find({name: "张三"}).explain("executionStats")

// 主要关注以下指标：
// - executionTimeMillis：执行时间(毫秒)
// - totalDocsExamined：扫描的文档数
// - totalKeysExamined：扫描的索引键数
// - stage：查询执行阶段(COLLSCAN表示全表扫描，IXSCAN表示索引扫描)

原理：explain()就像MongoDB的X光机，可以查看查询执行的内部过程。好的查询应该尽量减少扫描的文档数，尽量使用索引扫描而非全表扫描。

四、聚合框架

1. 解释MongoDB的聚合管道

答案：
聚合管道是一系列数据处理阶段，文档依次通过这些阶段被处理。常用阶段包括：

• $match：过滤文档(类似WHERE)
• $project：选择/重命名字段(类似SELECT)
• $group：分组聚合(类似GROUP BY)
• $sort：排序(类似ORDER BY)
• limit/skip：分页
• $lookup：关联查询(类似JOIN)

示例：

db.orders.aggregate([
  {$match: {status: "completed"}},
  {$group: {_id: "$customer", total: {$sum: "$amount"}}},
  {$sort: {total: -1}},
  {$limit: 10}
])

原理：想象聚合管道像工厂的流水线，文档是产品，每个阶段是一个工作站，产品经过每个工作站都会被加工处理，最终得到想要的结果。

2. $lookup如何工作？有什么限制？

答案：
$lookup实现类似SQL的LEFT OUTER JOIN：

db.orders.aggregate([
  {
    $lookup: {
      from: "customers",       // 要关联的集合
      localField: "customerId", // 本地字段
      foreignField: "_id",      // 外部集合字段
      as: "customerInfo"        // 输出数组字段
    }
  }
])

限制：

1. 关联的两个集合必须在同一数据库中
2. 性能可能不如RDBMS的JOIN高效
3. 大数据集可能导致内存问题

原理：$lookup就像你去图书馆借书，先查自己的借书卡(localField)，然后去书库(from)找对应的书(foreignField)，最后把找到的书信息(customerInfo)带回来。

五、复制集(Replica Set)

1. 什么是MongoDB复制集？有什么作用？

答案：
复制集是一组维护相同数据集的MongoDB实例，包含：

• 1个主节点(Primary)：处理所有写操作
• 1个或多个从节点(Secondary)：复制主节点数据
• 可选的仲裁节点(Arbiter)：不存储数据，只参与选举

作用：

1. 高可用性：主节点故障时自动故障转移
2. 数据冗余：多副本防止数据丢失
3. 读写分离：从节点可以处理读请求

原理：复制集就像公司里的团队，主节点是经理(负责决策和写操作)，从节点是员工(复制经理的决定)，当经理休假时，员工们会选举新的经理。

2. 解释MongoDB的选举机制

答案：
当主节点不可用时(心跳超时)，从节点会发起选举。选举规则：

1. 获得大多数成员投票的节点成为新主节点
2. 优先级高的节点更可能成为主节点
3. 数据最新的节点优先
4. 仲裁节点只参与投票，不存储数据

原理：选举就像班级选班长，同学们(节点)投票，得票最多且符合条件(成绩好/数据新)的同学当选。大多数同学(超过半数)必须参与投票才有效。

六、分片(Sharding)

1. 什么是分片？为什么要分片？

答案：
分片是将大数据集水平分割到多个MongoDB实例(分片)上的方法。

为什么要分片：

1. 数据量超过单机存储容量
2. 读写吞吐量超过单机处理能力
3. 想实现地理分布的数据存储

分片组件：

• 分片(Shard)：存储实际数据
• 配置服务器(Config Server)：存储集群元数据
• 查询路由器(mongos)：路由查询到正确的分片

原理：分片就像把一本大百科全书拆分成多卷，每卷放在不同的书架上。目录(配置服务器)告诉你哪部分内容在哪卷，图书管理员(mongos)帮你找到需要的卷。

2. 解释分片键的选择策略

答案：
分片键的选择至关重要，好的分片键应该：

1. 基数高：有很多不同的值(如用户ID)
2. 写分布均匀：避免热点(所有写操作集中到一个分片)
3. 匹配查询模式：常用查询条件应包含分片键

常见策略：

• 哈希分片：均匀分布但无法范围查询
• 范围分片：支持范围查询但可能导致数据分布不均
• 复合分片：结合多个字段

原理：选择分片键就像选择如何切蛋糕。如果按水果种类切(范围分片)，草莓部分可能很大而蓝莓部分很小；如果随机切(哈希分片)，每块大小差不多但找不到特定水果的位置。

七、事务与一致性

1. MongoDB如何实现多文档事务？

答案：
从MongoDB 4.0开始支持多文档事务：

session.startTransaction()
try {
  db.accounts.updateOne({name: "A"}, {$inc: {balance: -100}}, {session})
  db.accounts.updateOne({name: "B"}, {$inc: {balance: 100}}, {session})
  session.commitTransaction()
} catch (error) {
  session.abortTransaction()
}

限制：

1. 事务中的操作必须属于同一个分片(分片集群中)
2. 事务最大运行时间有限制(默认60秒)
3. 会影响性能

原理：MongoDB事务就像银行转账操作，要么两个账户都更新成功，要么都失败回滚。内部使用快照隔离机制，保证事务看到一致的数据视图。

2. MongoDB的写关注(Write Concern)和读偏好(Read Preference)是什么？

答案：
​​写关注​​：控制写操作的确认级别

// 写入主节点后确认
db.collection.insert({...}, {writeConcern: {w: 1}})

// 写入大多数节点后确认
db.collection.insert({...}, {writeConcern: {w: "majority"}})

读偏好：控制从哪个节点读取

// 从主节点读取(默认)
db.collection.find().readPref("primary")

// 从从节点读取
db.collection.find().readPref("secondary")

原理：写关注就像寄信，你可以选择"投递到邮箱"(w:1)就确认，或者"对方签收"(w:“majority”)才确认。读偏好就像读书，你可以选择读原版(primary)或复印件(secondary)。

八、安全与运维

1. MongoDB如何实现身份验证和授权？

答案：
​​身份验证​​：

1. 启用认证：启动时加--auth参数
2. 创建用户：

db.createUser({
  user: "admin",
  pwd: "password",
  roles: ["userAdminAnyDatabase"]
})

授权：
基于角色的访问控制(RBAC)，常用内置角色：

• read：只读
• readWrite：读写
• dbAdmin：数据库管理
• userAdmin：用户管理
• clusterAdmin：集群管理

原理：MongoDB的安全机制像公司的门禁系统，用户需要用户名密码(身份验证)才能进入，然后根据工牌(角色)决定能进入哪些区域(数据库)和做什么操作(权限)。

2. 如何备份和恢复MongoDB数据？

答案：
​​备份​​：

1. mongodump工具：

mongodump --uri="mongodb://user:password@host:port/db" --out=/backup/path

1. 文件系统快照(需要存储引擎支持)

mongorestore --uri="mongodb://user:password@host:port/db" /backup/path

原理：mongodump像复印机，把数据库内容复制到文件；mongorestore像扫描仪，把文件内容重新导入数据库。对于大数据集，文件系统快照效率更高(像给数据库拍照片)。

九、高级特性

1. 什么是Change Stream？如何使用？

答案：
Change Stream允许应用程序实时监听数据库变更：

const changeStream = db.collection.watch()

changeStream.on("change", (change) => {
  console.log("Change detected:", change)
})

使用场景：

1. 实时数据同步
2. 事件驱动架构
3. 数据变更审计

原理：Change Stream像数据库的"消息通知"，当数据发生变化时，会推送变更事件给监听者。底层使用oplog(操作日志)实现。

2. MongoDB的存储引擎有哪些？有什么区别？

答案：
主要存储引擎：

1. WiredTiger(默认)：
   • 支持文档级并发控制
   • 支持压缩
   • 使用B+树存储数据
2. In-Memory(企业版)：
   • 所有数据存储在内存中
   • 极高性能但不持久化
3. MMAPv1(已废弃)：
   • MongoDB早期引擎
   • 集合级锁，性能较差

原理：存储引擎就像汽车的发动机，WiredTiger是现代的涡轮增压发动机(高效节能)，In-Memory是赛车发动机(极快但不耐用)，MMAPv1是老式发动机(已淘汰)。