MongoDB 面试高频问题汇总

MongoDB 是面试中的高频考点，尤其是分布式和性能优化相关的问题。

这一篇，汇总了 MongoDB 面试中最常见的问题和参考答案。

一、基础概念

Q1：MongoDB 是什么？它和 MySQL 有什么区别？

参考答案：

MongoDB 是一款开源的面向文档的 NoSQL 数据库，使用 BSON 格式存储数据。

对比项	MongoDB	MySQL
数据模型	文档（BSON）	关系表（行）
Schema	灵活，无模式	固定，需要预定义
主键	_id（自动 ObjectId）	自增 ID 或 UUID
事务	4.0+ 支持多文档事务	原生 ACID 事务
扩展性	原生水平分片	垂直扩展为主

Q2：MongoDB 的数据存储结构是什么？

参考答案：

MongoDB 的数据组织结构是 Database → Collection → Document：

• Database：数据库实例
• Collection：集合，类似于 MySQL 的表
• Document：文档，类似于 MySQL 的行，但可以是嵌套结构

// MongoDB 文档示例
{
  "_id": ObjectId("..."),
  "name": "张三",
  "address": {
    "city": "北京",
    "district": "朝阳"
  },
  "orders": [
    {product: "iPhone", amount: 8999}
  ]
}

Q3：BSON 是什么？和 JSON 有什么区别？

参考答案：

BSON（Binary JSON）是 JSON 的二进制表示，主要区别：

特性	JSON	BSON
数据类型	有限（string、number、boolean、null、array、object）	丰富（额外支持 Date、Binary、ObjectId、Decimal128 等）
存储效率	低	高（二进制编码）
可读性	高	低（但对程序友好）

二、索引与查询

Q4：MongoDB 有哪些索引类型？

参考答案：

索引类型	说明	示例
单字段索引	最基本的索引	{age: 1}
复合索引	多字段组合	{age: 1, name: 1}
多键索引	数组字段索引	自动为 {tags: []} 创建
地理空间索引	地理位置查询	{location: "2dsphere"}
文本索引	全文搜索	{content: "text"}
哈希索引	哈希分片键	{_id: "hashed"}
唯一索引	唯一约束	{email: 1}, {unique: true}
稀疏索引	只索引存在字段	{phone: 1}, {sparse: true}

Q5：什么是复合索引的最左前缀原则？

参考答案：

复合索引 {age: 1, city: 1, name: 1} 相当于创建了三个索引：

• {age: 1}
• {age: 1, city: 1}
• {age: 1, city: 1, name: 1}

查询必须从最左边的字段开始，才能使用索引：

// 这些查询可以使用索引
db.users.find({age: 25})                    // ✅ 使用 age
db.users.find({age: 25, city: "北京"})      // ✅ 使用 age + city
db.users.find({age: 25, city: "北京", name: "张三"})  // ✅ 使用全部

// 这些查询不能使用全部索引
db.users.find({city: "北京"})              // ❌ 只用不了 age 前缀
db.users.find({name: "张三"})              // ❌ 根本用不了

Q6：MongoDB 的慢查询如何优化？

参考答案：

1. 使用 explain() 分析执行计划

   db.orders.find({...}).explain("executionStats")

2. 检查是否使用 IXSCAN（索引扫描）而不是 COLLSCAN（全表扫描）

3. 优化步骤：

   • 添加合适的索引
   • 确保查询条件包含分片键（分片集群）
   • 使用投影只返回需要的字段
   • 避免深度分页，使用游标分页

三、事务与并发

Q7：MongoDB 4.0 之前如何保证原子性？

参考答案：

MongoDB 单文档操作是原子性的。如果需要跨文档原子性，有以下方案：

1. 嵌入式设计：将相关数据放在同一文档中

   // 用户和账户在同一文档
   {
     userId: "123",
     balance: 1000,
     transactions: [{...}]
   }

2. 应用层补偿机制：先执行操作，记录日志，失败后回滚

3. 升级到 MongoDB 4.0+：使用多文档事务

Q8：MongoDB 的事务和 MySQL 的事务有什么区别？

参考答案：

特性	MongoDB	MySQL
事务范围	单文档（4.0 前）、多文档（4.0+）	多表
隔离级别	snapshot（快照）	可配置（RC/RR/Serializable）
性能	跨文档事务开销较大	成熟优化
使用场景	简单场景优先	强一致性场景

Q9：MongoDB 的锁机制是什么？

参考答案：

MongoDB 4.0+ 使用文档级锁（Document-Level Locking）：

• WiredTiger 引擎支持文档级锁
• 不同文档的写入可以并发
• 锁粒度比 MMAPv1 的集合级锁更细

// 不同文档可以并发写入
db.orders.updateOne({_id: 1}, {$inc: {count: 1}})  // 锁文档 1
db.orders.updateOne({_id: 2}, {$inc: {count: 1}})  // 可以并发执行

四、集群与高可用

Q10：副本集（Replica Set）是什么？

参考答案：

副本集是一组 MongoDB 实例组成的集群，提供数据冗余和高可用：

角色	说明
Primary	主节点，处理所有写操作
Secondary	从节点，复制主节点数据
Arbiter	仲裁节点，只参与选举，不存储数据

故障转移过程：

1. 主节点不可达（心跳超时）
2. 从节点发起选举
3. 得票超过半数成为新主节点
4. 应用自动重连

Q11：副本集的选举机制是怎样的？

参考答案：

MongoDB 使用类 Raft 算法进行选举：

// 成为主节点的条件：
// 1. 得票超过半数
// 2. 数据最新（optime 最接近原主节点）
// 3. 优先级 > 0

常见问题：

• 2 节点副本集：单节点故障后无法选举（需要仲裁节点或第三节点）
• 脑裂问题：网络分区后，可能出现两个主节点，MongoDB 通过选举代数（election term）解决

Q12：分片集群（Sharded Cluster）是什么？

参考答案：

分片集群通过将数据分布到多个分片实现水平扩展：

┌─────────────────────────────────────────────┐
│                 mongos（路由节点）              │
│          接收请求，路由到正确的分片              │
└─────────────────────────────────────────────┘
                    │
     ┌──────────────┼──────────────┐
     ▼              ▼              ▼
┌─────────┐   ┌─────────┐   ┌─────────┐
│ Shard 1 │   │ Shard 2 │   │ Shard 3 │
│ ReplicaSet│   │ ReplicaSet│   │ ReplicaSet│
└─────────┘   └─────────┘   └─────────┘

核心组件：

• mongos：路由节点
• Config Server：存储元数据
• Shard：数据分片

Q13：范围分片和哈希分片有什么区别？

参考答案：

特性	范围分片	哈希分片
数据分布	按值范围	随机分布
写入热点	可能（单调递增键）	无
范围查询	高效	低效（广播）
适用场景	时序数据	用户 ID、订单 ID

// 范围分片
sh.shardCollection("logs", {timestamp: 1})  // 按时间范围查询高效

// 哈希分片
sh.shardCollection("orders", {orderId: "hashed"})  // 写入分散

Q14：分片键选择的原则是什么？

参考答案：

1. 查询导向：分片键应该是查询条件中最常用的字段
2. 高基数：分片键的基数（不同值数量）要足够大
3. 避免单调递增：单调递增的键会导致写入热点
4. 复合分片键：单一字段基数不够时使用复合分片键

// 差：低基数
sh.shardCollection("users", {country: 1})  // 国家数有限，分片效果差

// 好：高基数 + 哈希
sh.shardCollection("orders", {orderId: "hashed"})

五、存储引擎

Q15：WiredTiger 存储引擎有哪些特性？

参考答案：

WiredTiger 是 MongoDB 3.0+ 的默认存储引擎：

特性	说明
B+Tree 索引	默认索引结构
MVCC	多版本并发控制，文档级锁
压缩	支持 snappy、zlib、zstd
Checkpoint	定期刷盘，保证一致性
Journal	WAL 日志，保证持久性

Q16：MongoDB 的 Journal 日志有什么用？

参考答案：

Journal（预写日志）保证数据持久性：

// 写入流程：
// 1. 写入 Journal（顺序 I/O，很快）
// 2. 写入 WiredTiger Cache
// 3. Checkpoint 时刷盘

Write Concern 选项：

• w: 1：只等主节点确认
• w: "majority"：等多数节点确认
• j: true：Journal 必须刷盘

六、性能优化

Q17：如何监控 MongoDB 的性能？

参考答案：

工具	用途
mongostat	查看每秒操作数、索引命中率、队列长度
mongotop	查看集合级别的读写时间
serverStatus	查看内存、连接、缓存统计
Profiler	记录慢查询
db.currentOp()	查看当前正在执行的操作

Q18：如何优化 MongoDB 的写入性能？

参考答案：

1. 批量写入：减少网络往返

   collection.insertMany(docs);

2. 无序写入：允许并发处理

   collection.insertMany(docs, new InsertManyOptions().ordered(false));

3. 减少索引：避免每次写入更新索引

4. 使用 SSD：提高 I/O 性能

5. 合理分片：分散写入压力

七、安全

Q19：MongoDB 有哪些认证方式？

参考答案：

认证方式	说明
SCRAM	默认推荐，用户名密码认证
x.509 证书	证书双向认证
LDAP	企业统一认证
Kerberos	大型企业 AD 集成

八、综合应用

Q20：什么场景下选择 MongoDB 而不是 MySQL？

参考答案：

场景	推荐	原因
灵活 Schema	MongoDB	无需预定义表结构
嵌套数据	MongoDB	嵌入式文档减少 JOIN
水平扩展	MongoDB	原生分片支持
物联网/日志	MongoDB	高写入性能
强事务	MySQL	ACID 更成熟
复杂关联	MySQL	SQL JOIN 更强大
结构固定	MySQL	成熟稳定

Q21：MongoDB 的聚合管道是什么？

参考答案：

聚合管道是 MongoDB 的数据处理框架，类似于 SQL 的 GROUP BY、HAVING 等：

db.orders.aggregate([
  // $match：过滤
  {$match: {status: "paid"}},

  // $group：分组
  {$group: {
    _id: "$userId",
    totalAmount: {$sum: "$amount"}
  }},

  // $sort：排序
  {$sort: {totalAmount: -1}},

  // $limit：限制
  {$limit: 10}
])

面试追问方向

追问 1：分片键选择错误会导致什么问题？

• 数据分布不均匀（热点分片）
• 查询退化为广播查询
• 写入集中在单个分片

追问 2：副本集和主从复制的区别？

• 副本集支持自动故障转移，主从复制需要手动切换
• 副本集所有节点都可以是数据节点
• 副本集使用 oplog 同步，主从复制使用 binlog

追问 3：MongoDB 的 oplog 是什么？

• oplog（Operations Log）是主节点的操作日志
• 从节点通过重放 oplog 实现数据同步
• oplog 是固定集合，大小需要规划

追问 4：WiredTiger Cache 如何配置？

• 默认：机器 RAM 的 50%
• 建议：保留部分内存给操作系统
• 监控：db.serverStatus().wiredTiger.cache

总结

MongoDB 面试核心知识点：

模块	高频考点
基础概念	数据模型、BSON vs JSON
索引	索引类型、最左前缀原则、慢查询优化
事务	单文档原子性、多文档事务（4.0+）
集群	副本集、分片集群、分片键选择
存储	WiredTiger、Journal、Checkpoint
性能	监控工具、写入优化

---

推荐阅读：

• MongoDB 整体架构与适用场景
• MongoDB 分片键选择原则与常见错误
• MongoDB 常见性能瓶颈与优化思路