MongoDB 面试题及详细答案（实战完整版）-1

MongoDB面试题及详细答案（实战完整版）一、基础概念篇（初级必问）1.简单介绍下MongoDB，它是什么类型的数据库？优缺点？答案：MongoDB是一款开源的、基于分布式文件存储的文档型NoSQL数据库，数据以BSON文档格式存储，结构灵活，不需要提前定义严格的表结构。优点：结构灵活：字段可以动态新增、修改，适配需求频繁变更的业务，不用改表结构、不用迁移数据。读写性能高：基于内存映射文件，热点数据常驻内存，单并发读写能力优于传统关系型数据库。易于扩展：天然支持水平分片扩展，集群部署简单，能轻松支撑海量数据。适配高并发：支持高吞吐的写入场景，锁机制是文档级锁，并发冲突少。缺点：事务能力有限：早期版本不支持事务，4.0支持单文档事务，4.2支持分布式事务，但性能比MySQL事务差。占用空间大：BSON格式冗余度高，相同数据量下存储体积远大于MySQL。复杂查询弱势：多表联查、复杂聚合、复杂事务场景不如关系型数据库。数据一致性弱：默认读写策略下，无法保证强一致性，适合最终一致业务。2.MongoDB核心名词解释：数据库、集合、文档，和MySQL怎么对应？答案：对应关系非常直观：MongoDB数据库<=>MySQL数据库MongoDB集合（Collection）<=>MySQL数据表（Table）MongoDB文档（Document）<=>MySQL数据行（Row）MongoDB字段（Field）<=>MySQL列（Column）区别：集合不需要预定义结构，同一个集合里的文档可以拥有不同字段，自由度极高。3.什么是BSON？和JSON有什么区别？答案：BSON是BinaryJSON的缩写，是MongoDB专用的二进制序列化格式，是JSON的超集。核心区别：BSON支持更多数据类型：日期、正则、二进制、小数、ObjectId等，JSON仅支持基础类型。BSON是二进制格式，解析速度更快、更适合机器读写；JSON是文本格式，可读性高但解析慢。BSON会存储字段长度，方便快速索引和遍历，JSON无固定结构标识。4.MongoDB的ObjectId组成结构是什么？答案：ObjectId是12字节的唯一主键，默认作为_id，结构固定：前4字节：时间戳（秒级）中间3字节：机器唯一标识（机器MD5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）特点：全局唯一、有序、可通过id反查创建时间，不需要数据库自增主键。5.MongoDB默认的读写优先级、默认隔离级别是什么？答案：默认读策略：读主节点（primary），保证读取最新数据。默认写策略：写入主节点确认成功。默认隔离级别：读未提交，可以读到未提交的修改，无锁等待，并发性能高，但会存在脏读风险。二、索引与性能优化篇（面试高频）6.MongoDB有哪些常用索引类型？各自适用场景？答案：单字段索引：最常用，针对单个字段查询、排序场景，比如根据用户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、组合排序，遵循等值+排序+范围原则。唯一索引：保证字段值唯一，可用于手机号、用户名去重，允许单个null，不允许多个null。稀疏索引：只索引包含该字段的文档，忽略无该字段的文档，节省索引空间，适合字段缺失率高的场景。文本索引：用于全文模糊检索，支持分词搜索，适合文章标题、内容检索。地理索引：2d、2dsphere索引，用于地理位置距离排序、附近点位查询。7.复合索引的最左前缀原则，怎么理解？答案：和MySQL一致，复合索引遵循最左匹配规则。比如建立索引：(a,b,c)可以命中索引的查询：a、a+b、a+b+c、a+c无法命中索引的查询：b、c、b+c核心：必须匹配最左侧的前置字段，索引才能生效。同时优化准则：等值条件放前面，排序条件居中，范围条件放最后。8.MongoDB索引为什么不能滥用？索引的优缺点？答案：优点：大幅降低查询扫描行数，极大提升查询、排序、分组效率。缺点：占用内存和磁盘空间，索引数据会常驻内存，索引过多会导致内存溢出。降低写入性能：新增、修改、删除数据时，需要同步更新所有关联索引，索引越多写入越慢。实战原则：查询多、过滤量大的字段建索引；写入频繁、查询极少的字段不建索引。9.怎么排查MongoDB慢查询？explain关键字怎么用？答案：排查步骤：开启慢查询日志，设置慢查询阈值（一般100ms）。通过find().explain()分析执行计划。explain核心返回字段解读：stage:COLLSCAN：全集合扫描，没有走索引，需要优化。stage:IXSCAN：走索引扫描，查询正常。nReturned：最终返回数据条数。totalDocsExamined：扫描文档总数，数值远大于返回数，说明索引过滤效果差。10.MongoDB分页深度过大为什么慢？怎么优化？答案：原生skip+limit分页，深度越大越慢，因为skip会逐条扫描并跳过前面所有数据，深度10w、100w时扫描成本极高。优化方案：游标分页（推荐）：用最后一条数据的唯一有序字段（_id、时间戳）作为条件，每次查询只查大于该值的数据，无skip开销。业务层限制最大分页页数，禁止用户深度翻页。热点列表做缓存，减少数据库查询。三、副本集与集群篇（中高级核心）11.什么是MongoDB副本集？作用是什么？答案：副本集是一组相互同步数据的MongoDB节点，标准架构为1主+多从+1仲裁。节点角色：主节点（Primary）：负责所有读写请求，唯一可写入的节点。从节点（Secondary）：同步主节点数据，提供读服务，主节点故障时参与选举。仲裁节点（Arbiter）：不存储数据、不提供服务，只参与投票选举，保证集群票数过半。核心作用：数据冗余备份、故障自动切换、读写分离、提升服务高可用。12.副本集选举机制是什么？主节点宕机后怎么切换？答案：副本集基于多数投票机制选举主节点。集群总票数过半的节点才能当选主节点。切换流程：主节点宕机，集群检测到心跳超时（默认10秒）。剩余从节点、仲裁节点发起投票。数据最新、票数过半的从节点升级为新主节点。旧主节点恢复后，自动降级为从节点，同步新主数据。重点：集群节点数必须是奇数，防止平票无法选举。13.什么是读写分离？MongoDB如何实现读写分离？优缺点？答案：读写分离就是写请求走主节点，读请求分摊到从节点，缓解主节点压力。通过设置读偏好（readPreference）实现：primary：默认，只读主节点。secondary：只读从节点。primaryPreferred：优先主节点，主宕机读从节点。secondaryPreferred：优先从节点，从节点不可用读主节点（生产最常用）。优点：分担主节点压力，提升整体读吞吐量。缺点：从节点数据同步存在延迟，会读到旧数据，不适合强一致性业务。14.什么是分片集群？分片的核心组件和作用？答案：副本集解决高可用问题，分片集群解决海量数据存储和高并发问题，将海量数据拆分到多个分片节点存储。三大核心组件：Shard（分片节点）：真实存储业务数据的节点，每个Shard本身是一个副本集，保证高可用。Mongos（路由节点）：客户端唯一入口，接收所有请求，根据分片规则路由到对应Shard，对业务透明。ConfigServer（配置节点）：存储集群元数据、分片规则、数据分布信息，必须部署副本集，保证数据可靠。15.分片键怎么选择？分片键的坑有哪些？答案：优质分片键原则：基数大、分布均匀，避免数据倾斜。业务查询高频字段，保证查询能精准路由到单个分片。写入分散，避免热点分片。常见坑：用自增字段、时间戳做分片键：新数据全部写入最后一个分片，造成分片热点，其他分片闲置。分片键基数太小：数据集中在少数分片，失去分片意义。查询不带分片键：变成广播查询，所有分片都要扫描，性能极差。四、事务、锁与底层原理篇（进阶）16.MongoDB的锁机制是什么？和MySQL有什么区别？答案：MongoDB3.2之后默认是文档级锁，粒度极细。区别：MySQL是行级锁+表级锁，InnoDB基于索引加行锁，无索引会降级表锁。MongoDB直接锁定单条文档，修改不同文档完全不冲突，并发能力远高于MySQL。注意：批量更新、批量删除如果未走索引，会升级为集合级锁，阻塞整个集合读写。17.MongoDB事务支持情况？使用限制？答案：4.0版本：支持单副本集事务。4.2版本：支持分片集群分布式事务。事务限制：事务内操作数据量有限制，不能处理超大批量数据。事务超时时间较短，不支持长事务。事务性能开销大，非必要不使用。不支持跨数据库事务。实战建议：简单一致性场景用唯一索引、原子操作替代事务，核心金融场景谨慎使用。18.MongoDB数据同步原理是什么？延迟怎么产生的？答案：核心依赖Oplog日志，Oplog是主节点的操作日志，记录所有增删改操作。同步流程：主节点执行写入，同时记录操作到Oplog。从节点实时拉取主节点Oplog。从节点重放日志，同步数据。同步延迟原因：主节点写入压力大，Oplog生成速度大于从节点消费速度。从节点机器配置低、内存不足、磁盘IO瓶颈。网络带宽、网络延迟问题。19.什么是Oplog？Oplog日志溢出会有什么问题？答案：Oplog是固定大小的循环日志，只存储近期操作记录，旧日志会被新日志覆盖。如果主节点写入量极大，从节点同步延迟太久，旧的Oplog被覆盖，从节点就会丢失同步位点，无法继续增量同步，只能全量重同步数据，严重影响业务。优化：生产环境需要合理调大Oplog容量，适配业务写入峰值。五、实战踩坑与优化总结（面试压轴）20.项目中MongoDB常见的性能坑有哪些？怎么解决？答案：无索引查询、批量操作不走索引：导致全表扫描、锁升级。解决：核心查询字段必建索引，禁止无索引批量更新删除。深度skip分页：越翻页越慢。解决：游标分页替代skip分页。分片键选择不当导致数据热点、数据倾斜：解决：更换高离散、读写均匀的分片键。从节点同步延迟大：导致读写分离读到旧数据。解决：优化机器配置、扩容带宽、调大Oplog。索引过多：写入性能极差。解决：精简无用索引，只保留高频查询索引。大文档存储、嵌套过深：查询解析慢、内存占用高。解决：拆分大文档