MongoDB 高频面试题及详细答案（实战版）-1

MongoDB高频面试题及详细答案（实战版）一、基础概念篇（初级必问）1、简单说下MongoDB是什么？核心特点有哪些？MongoDB是一款开源的、基于分布式文件存储的非关系型数据库（NoSQL），采用文档型存储结构，是目前企业最常用的NoSQL数据库之一。核心实战特点：文档存储：数据以BSON文档（类似JSON）存储，单条数据结构灵活，无需提前定义字段，适配业务频繁迭代的场景。高扩展性：支持横向分片扩容，数据量和并发量上涨时，可通过新增节点提升性能，无需大幅改造业务。高读写性能：针对海量数据、高并发读写场景优化，内存映射机制让热点数据查询速度极快。schema松散：同一集合下的文档可以拥有不同字段，不用像MySQL一样固定表结构，适配多变业务。支持副本集：自带主从复制、故障自动切换，保障数据高可用，减少宕机风险。2、MongoDB中数据库、集合、文档的关系是什么？和MySQL如何对应？三者是层层包含的关系：数据库包含多个集合，集合包含多个文档。和MySQL对应关系（面试核心）：MongoDB数据库➜MySQL数据库MongoDB集合（collection）➜MySQL数据表（table）MongoDB文档（document）➜MySQL数据表中的一行数据（row）MongoDB字段（field）➜MySQL数据表的列（column）核心区别：集合没有固定结构，文档字段可动态增减；数据表结构固定，必须提前定义字段类型。3、什么是BSON？和JSON有什么区别？BSON是MongoDB专用的二进制JSON，是MongoDB数据存储和传输的基础格式。和JSON的核心区别：BSON是二进制格式，解析速度更快、支持数据校验；JSON是文本格式，解析效率低。BSON支持更多数据类型：日期、布尔、浮点、整数、ObjectId、二进制数据等；JSON仅支持字符串、数字、布尔、数组、对象、null。BSON带有字段长度信息，方便数据库快速索引和遍历；JSON无固定长度标识。4、MongoDB的ObjectId由什么组成？为什么用它做主键？ObjectId是MongoDB文档默认的_id主键，12字节十六进制字符串，结构固定：前4字节：时间戳（秒级）中间3字节：机器唯一标识（网卡MAC哈希）后2字节：进程ID最后3字节：自增计数器（保证同一秒、同一机器、同一进程下唯一）使用优势：全局唯一，分布式场景下无需担心主键冲突，无需手动生成主键。自带时间戳，可直接通过_id解析文档创建时间，无需额外存创建时间字段。有序递增，索引写入性能优于随机字符串主键。二、CRUD操作篇（实操面试）1、MongoDB插入数据insert、insertOne、insertMany的区别？insertOne：3.2版本后新增，单次只能插入单条文档，返回结果明确，适合单条数据写入，企业主流用法。insertMany：单次可插入多条文档，支持批量写入，效率高，适合批量同步数据场景。insert：旧版本通用方法，既可以插单条也可以插多条，返回结果简陋，新版本项目中基本不再使用。补充：批量插入时，默认遇到错误会终止写入，可配置ordered:false实现跳过错误、继续写入剩余数据。2、updateOne、updateMany、replaceOne核心区别？updateOne：只修改匹配到的第一条文档，日常单条数据更新首选，安全性高，不会误改批量数据。updateMany：修改所有匹配条件的文档，适合批量更新场景，使用时必须严格校验查询条件，防止全表更新。replaceOne：替换整条文档，会覆盖原有所有字段，只保留_id，仅适合整行数据替换场景，慎用。常用更新操作符：$set（修改/新增字段）、$inc（数值增减）、$unset（删除字段）、$push（数组新增元素）。3、MongoDB如何实现分页查询？优缺点是什么？基础分页通过skip()、limit()、sort()组合实现：db.xxx.find(条件).sort({_id:1}).skip(页码*条数).limit(每页条数)优缺点：优点：语法简单，适配简单的后台分页、少量数据分页场景。缺点：深分页性能极差，skip会遍历跳过所有前置数据，页码越大，查询速度越慢，千万级数据分页基本不可用。优化方案：游标分页（条件分页），通过上一页最后一条数据的_id作为查询条件，替代skip，适合海量数据分页。三、索引篇（高频重点面试题）1、MongoDB有哪些常用索引类型？各自适用场景？单字段索引：最基础索引，针对单个字段建立，适用于单字段查询、排序场景，如根据用户id查询数据。复合索引：多个字段组合索引，适用于多条件查询、查询+排序场景，遵循最左前缀原则。唯一索引：保证字段值全局唯一，可重复null，适用于手机号、用户名、唯一订单号等去重场景。稀疏索引：只对包含该字段的文档建立索引，忽略无该字段的文档，节省索引空间，适配字段缺失较多的场景。文本索引：支持全文模糊检索，适用于文章标题、内容搜索场景。地理空间索引：用于地理位置查询，如附近的门店、用户定位筛选。2、什么是索引最左前缀原则？复合索引如何设计？复合索引的生效规则：查询条件必须包含索引的最左侧首个字段，索引才会生效，否则索引失效。举例：建立复合索引{a:1,b:1,c:1}生效查询：a、a+b、a+c、a+b+c失效查询：b、c、b+c复合索引设计原则：等值字段在前、范围字段在后、排序字段最后，优先区分度高的字段。3、MongoDB索引优缺点？什么场景不适合建索引？优点：大幅提升查询、排序、分组的效率，避免全集合扫描。缺点：占用磁盘和内存空间，索引数据会常驻内存提升效率，索引过多会占用大量内存。降低写入性能，新增、修改、删除数据时，需要同步更新索引，写入耗时增加。不适合建索引的场景：数据量极小的集合，全表扫描速度已经足够快，无需索引。字段区分度极低，如只有0、1两个值的状态字段，索引几乎无效果。写入频繁、查询极少的字段，索引维护成本远大于查询收益。4、如何判断MongoDB查询是否走索引？通过explain()方法分析执行计划，核心看返回字段：executionStats.executionType:IXSCAN：走索引扫描，查询正常。executionStats.executionType:COLLSCAN：全集合扫描，索引失效，需要优化。同时可查看索引命中、扫描文档数、耗时等参数，精准定位慢查询问题。四、高可用与集群篇（中高级必问）1、MongoDB副本集是什么？作用是什么？副本集是MongoDB实现高可用的核心架构，由1个主节点（Primary）、多个从节点（Secondary）、1个仲裁节点（Arbiter）组成。节点职责：主节点：负责所有读写请求，同步数据到从节点。从节点：实时同步主节点数据，不处理写请求，可分担读请求，主节点宕机后参与选举。仲裁节点：不存储业务数据，仅参与投票选举，负责选出新主节点，节省资源。核心作用：数据备份、故障自动切换、读写分离、高可用，避免单节点宕机导致服务不可用、数据丢失。2、副本集故障切换机制是什么？当主节点宕机、失联后，剩余从节点和仲裁节点会触发投票选举，票数最高的从节点升级为新主节点，整个过程秒级完成，业务无需手动切换。旧主节点恢复后，会自动降级为从节点，同步新主节点的数据，保证数据一致性。3、MongoDB分片集群是什么？适用场景？分片集群是MongoDB应对海量数据、超高并发的分布式扩容方案，将海量数据拆分到多个分片节点存储，分担单节点压力。分片集群三大核心组件：Shard（分片节点）：真实存储业务数据的节点，每个分片可由副本集组成，保证高可用。Mongos（路由节点）：业务接入入口，接收所有读写请求，根据分片规则转发到对应Shard，对业务透明。ConfigServer（配置节点）：存储集群元数据，包含分片规则、数据分布、节点信息等。适用场景：数据量超单机存储上限、读写并发极高、需要无限横向扩容的业务（如日志、订单、用户行为数据）。4、分片键是什么？分片键选择有哪些禁忌？分片键是集合中用于数据拆分的字段，Mongos根据分片键的值将数据分配到不同分片节点。分片键禁忌（面试重点）：禁止使用自增字段：会导致数据全部写入单个分片，出现热点分片，集群失去扩容意义。禁止区分度过低的字段：无法均匀拆分数据，导致分片数据分布不均。禁止频繁更新的字段：分片键一旦确定，无法修改，更新会导致数据迁移异常。优质分片键：哈希分散均匀、查询命中率高、数值稳定不常修改。五、事务与数据一致性篇1、MongoDB支持事务吗？有什么限制？MongoDB4.0版本支持单副本集事务，4.2版本支持分片集群事务，支持ACID特性，可实现多文档、多集合数据一致性操作。事务核心限制：事务超时时间默认60秒，超时未提交自动回滚。单次事务操作的数据量和操作数有限制，不适合超大批量数据事务。事务内不支持部分命令（如建索引、删集合等运维操作）。事务性能低于普通读写，非强一致性场景不建议滥用。2、MongoDB读写concern是什么？常用配置？读写concern是MongoDB的数据读写安全级别配置，用来平衡数据一致性和性能。写concern（数据写入确认级别）：w:1：主节点写入成功即返回，性能最高，一致性一般。w:majority：写入多数节点成功才返回，一致性最高，防止宕机数据丢失，生产主流配置。读concern（数据读取级别）：local：读取主节点最新数据，无延迟。secondary：从从节点读取数据，分担主节点压力，存在短暂数据延迟。majority：读取已同步到多数节点的数据，保证数据绝对可靠。六、性能优化与踩坑篇（实战压轴题）1、MongoDB常见性能瓶颈有哪些？如何优化？常见瓶颈及优化方案：慢查询过多：开启慢查询日志，通过explain分析执行计划，合理建索引、优化查询条件，避免全表扫描。深分页卡顿：舍弃skip分页，改用游标分页（基于_id条件查询）。读写压力集中：开启读写分离，读请求走从节点，写请求走主节点；海量数据做分片集群扩容。索引过多：清理无用、重复索引，减少写入性能损耗。内存不足：优化索引命中率，保证热点数据常驻内存，适当提升服务器内存配置。2、MongoDB数据冗余、字段设计有什么实战技巧？MongoDB不擅长多表关联查询，业务设计核心原则：适当冗余、减少关联。实战技巧：高频查询场景，可直接将关联数据冗余到主文档中，避免多次查询、联表查询。避免过深的嵌套文档，层级过多会降低查询和解析效率。冷热数据分离