MongoDB常见面试题（上）

Bin大约 6 分钟

MongoDB常见面试题（上）

MongoDB 是一个广泛使用的 NoSQL 数据库，它以高性能、灵活的存储方式和可扩展性在许多应用中占据了重要位置。在面试 MongoDB 相关岗位时，常见的面试题目会涉及其基本概念、存储结构、应用场景、聚合查询、事务等方面。以下是 MongoDB 常见面试题总结（上），将帮助你深入理解 MongoDB 的基本功能和特性。

1. MongoDB 是什么？

MongoDB 是一个开源的、基于文档的 NoSQL 数据库。它使用 BSON（Binary JSON）格式存储数据，支持灵活的数据模型。与关系型数据库不同，MongoDB 使用集合（collection）来存储文档（document），并且不需要预定义的模式（schema），这使得它非常适合快速变化的数据结构。

特点：

高性能：MongoDB 提供高吞吐量的读写操作，支持大规模数据存储。
水平扩展：支持数据分片（sharding），可以跨多个节点扩展。
灵活的数据模型：支持动态模式，数据存储格式为 BSON，可以包含嵌套数据结构。
强大的查询功能：支持复杂查询、索引、聚合和全文检索等。

2. MongoDB 的存储结构是什么？

MongoDB 的存储结构包括以下几个关键部分：

数据库（Database）：一个 MongoDB 实例可以包含多个数据库。每个数据库包含多个集合。
集合（Collection）：集合是 MongoDB 中的基本数据存储单元，类似于关系型数据库中的表。集合中的文档可以有不同的结构。
文档（Document）：文档是 MongoDB 中的数据单元，类似于关系型数据库中的行。它是一个 BSON（Binary JSON）对象，支持嵌套结构。

MongoDB 使用的存储引擎是 WiredTiger，它提供了事务支持和压缩选项。

3. MongoDB 有什么特点？

MongoDB 具有以下主要特点：

NoSQL 数据库：MongoDB 是一个非关系型数据库，专为高性能、海量数据处理设计。
灵活的数据模型：MongoDB 采用 BSON 格式来存储数据，支持复杂的数据类型如数组、嵌套对象。
支持水平扩展：通过分片，MongoDB 可以将数据分布到多个服务器上，支持高可用性和扩展性。
强大的查询功能：提供丰富的查询语言，包括简单查询、聚合查询、文本搜索、地理空间查询等。
内存映射存储引擎：通过内存映射文件的方式，MongoDB 提供了高效的数据访问机制。
自动负载均衡：集群模式下，MongoDB 会自动在分片间均衡负载，确保数据的高效访问。

4. MongoDB 适合什么应用场景？

MongoDB 适合以下应用场景：

大数据处理：MongoDB 可以处理大量的非结构化数据，适合大数据场景。
快速原型开发：由于 MongoDB 支持灵活的数据模型，可以快速实现原型开发。
内容管理和交付：MongoDB 适合存储和管理内容，如文章、用户生成内容等。
物联网（IoT）应用：物联网设备生成的时间序列数据非常适合用 MongoDB 存储。
社交媒体平台：MongoDB 的高扩展性使其适合处理社交媒体中不断增长的数据。

5. MongoDB 存储引擎

MongoDB 提供了几种不同的存储引擎来满足不同的需求：

WiredTiger：默认存储引擎，支持多版本并发控制（MVCC）和压缩，适用于大部分工作负载。它基于 B+ Tree 结构进行数据存储和查询。
MMAPv1：早期的存储引擎，支持内存映射文件，但没有 WiredTiger 高效。
In-Memory：这种存储引擎将数据完全加载到内存中，适用于内存中操作的高性能需求。

WiredTiger 和 MMAPv1 的比较：

WiredTiger 支持文档级别的锁，而 MMAPv1 是基于集合级别的锁。
WiredTiger 支持数据压缩，可以减少磁盘使用。
WiredTiger 适合高并发写入场景，而 MMAPv1 适合读多写少的场景。

6. MongoDB 支持哪些存储引擎？

MongoDB 从版本 3.0 开始支持多种存储引擎。常见的存储引擎包括：

WiredTiger：默认存储引擎，支持压缩和文档级别的并发控制。
MMAPv1：旧版存储引擎，支持内存映射文件，适用于读多写少的工作负载。
In-Memory：适用于极高性能要求的应用，将数据完全存储在内存中，适合处理高速缓存等场景。
MongoRocks：基于 RocksDB 的存储引擎，适用于需要高吞吐量和低延迟的场景。

7. WiredTiger 基于 LSM Tree 还是 B+ Tree？

WiredTiger 存储引擎使用 B+ Tree 作为其数据存储结构。B+ Tree 是一种自平衡的树结构，常用于数据库索引和查询优化，能够提供高效的查询性能。

为什么选择 B+ Tree：

高效的查询：B+ Tree 提供了快速的范围查询和单点查询，适用于 MongoDB 的大多数工作负载。
支持大规模数据存储：B+ Tree 可以高效地存储大量数据，并且支持动态更新。

LSM Tree（日志结构合并树）通常用于写密集型的系统，它通过批量合并写入的数据来减少磁盘 I/O，但它不适合 MongoDB 的主要应用场景。

8. MongoDB 聚合

MongoDB 提供强大的聚合功能，适用于复杂的数据处理任务。聚合操作允许你对数据进行过滤、分组、排序等操作。MongoDB 提供了多种执行聚合的方法：

聚合管道（Aggregation Pipeline）：通过多个阶段的管道来处理数据，支持复杂的操作，如 $match、$group、$sort 等。
MapReduce：一种基于函数式编程的聚合方法，适用于需要自定义聚合逻辑的场景，但性能上通常不如聚合管道。
简单聚合操作：如 count、distinct、group 等，可以用于基本的聚合任务。

常见聚合管道操作：

$match：用于过滤数据，类似于 SQL 中的 WHERE 子句。
$group：用于按字段分组，类似于 SQL 中的 GROUP BY。
$sort：排序操作，类似于 SQL 中的 ORDER BY。
$project：用于字段选择和计算，类似于 SQL 中的 SELECT。

9. MongoDB 事务

MongoDB 从 4.0 版本开始支持多文档事务，确保在多文档操作中维持一致性。事务可以确保在一组操作中，要么全部成功，要么全部失败。

事务特点：

支持 ACID 特性：即原子性、一致性、隔离性、持久性。
支持跨集合和跨数据库的操作。
支持回滚操作，保证数据的正确性。

事务使用：

在 session 上开始事务，并在事务中执行多项操作。
在事务提交时，所有操作将生效。如果发生错误，可以回滚事务。

10. MongoDB 数据压缩

MongoDB 提供数据压缩功能，以减少磁盘空间的使用。默认情况下，WiredTiger 存储引擎支持数据压缩，压缩方式包括：

Snappy：默认压缩算法，提供较高的压缩率和较快的压缩/解压缩速度。
Zlib：提供更高的压缩比，但压缩速度较慢。
Zstd：在性能和压缩比之间取得更好的平衡，适用于各种场景。