Die 25 wichtigsten Fragen und Antworten zu MongoDB für 2026

Grundlegende Fragen zum Thema MongoDB für Vorstellungsgespräche

In diesem Abschnitt schauen wir uns grundlegende Fragen an, die oft in MongoDB-Vorstellungsgesprächen gestellt werden.

Erkläre das BSON-Speicherformat.

BSON steht für „Binary JavaScript Object Notation”. Es speichert serialisierte JSON-Dokumente in einem binär kodierten Format und erweitert die JSON-Funktionen, indem es zusätzliche Datentypen wie Date, ObjectId und reguläre Ausdrücke unterstützt. 

Ein BSON-Dokument hat normalerweise drei Teile: die Größe des Dokuments, Feldelemente (wie Datentyp, Name und Wert) und ein Null-Terminator, die alle im Binärformat verschlüsselt sind.

Die folgende Tabelle zeigt die Unterschiede zwischen BSON und JSON, vor allem weil BSON die Funktionen von JSON erweitert:

Was ist eine Sammlung in MongoDB?

Eine MongoDB-Sammlung ist eine Gruppe von Dokumenten, die in einer einzigen Datenbank gespeichert sind. Es ist wie eine Tabelle in einer relationalen Datenbank, wo jedes Dokument in einer Sammlung eine Zeile in der Tabelle ist. Die Sammlung hat aber kein festes Schema, was bedeutet, dass die Dokumente in einer Sammlung verschiedene Datentypen haben können. 

Wie kann man ein Dokument in MongoDB abfragen?

In MongoDB kannst du Dokumente mit der Methode „ find() “ abfragen. Um alle Dokumente in einer Sammlung abzufragen, benutze db.collection_name.find(). Die Methode „find“ hat zwei Eingabeparameter: „ query “ und „ projection “. Der Parameter „ query “ wird benutzt, um Dokumente zu filtern, die einer bestimmten Bedingung entsprechen. 

Syntax für Abfrageparameter:

db.collection_name.find({condition}) 

Der zweite ist ein Projektionsparameter, der angibt, welche Spalten in die Ausgabe aufgenommen oder aus ihr ausgeschlossen werden sollen. Gib den Spalten, die du abrufen möchtest, den Wert 1. Hier ist die Syntax:

db.collection_name.find({},{column1: 1, column2: 1})

Was ist der Unterschied zwischen find() und findOne()?

Die Methode „ find() “ gibt einen Cursor für mehrere Dokumente zurück, die den Suchkriterien entsprechen. Das funktioniert, indem alle Ergebnisse durchlaufen und die passenden Dokumente geholt werden. Die Methode „ findOne() “ gibt dagegen das erste passende Dokument zurück.

Was ist das Feld „_id“ in MongoDB?

Jedes Dokument, das in einer Sammlung gespeichert ist, braucht eine eindeutige Kennung. Das Feld „ _id “ ist der Primärschlüssel, der Dokumente in einer Sammlung eindeutig identifiziert. 

Fragen für Fortgeschrittene im MongoDB-Interview

Kommen wir jetzt zu ein paar wichtigen MongoDB-Begriffen, von denen der Interviewer vielleicht erwartet, dass du sie kennst. 

Wie speichert MongoDB große Bilder und Videos?

Normalerweise lässt MongoDB keine Dokumente zu, die größer als 16 MB sind. Es hat aber eine spezielle Funktion namens GridFS, um Dateien, die größer als 16 MB sind, zu speichern und abzurufen. Es teilt die Datei in kleinere, gleiche Teile auf und speichert sie intern als separate Dokumente. 

Die Tabelle unten zeigt, wie MongoDB große Dateien mit GridFS speichert:

Wie sorgt MongoDB für hohe Verfügbarkeit?

MongoDB macht das mit Replikation möglich. Replikatsätze speichern verschiedene Kopien von Daten auf verschiedenen Knoten, sodass bei Ausfall eines Knotens ein anderer die Aufgaben übernehmen kann.

Was ist Sharding in MongoDB?

Sharding macht horizontale Skalierung in MongoDB möglich. Wenn eine einzelne Instanz einen großen Datensatz nicht verarbeiten kann, teilt MongoDB die Daten in kleinere Teile auf und verteilt sie auf mehrere Server, die als Shards bezeichnet werden. 

Die folgende Tabelle zeigt die Unterschiede zwischen Replikation und Sharding:

Was ist ein Replikatsatz in MongoDB?

Ein Replikatsatz in MongoDB ist eine Gruppe von Instanzen, die denselben Datensatz verwalten. Sie werden in Anwendungen eingesetzt, die eine hohe Verfügbarkeit brauchen, denn wenn eine Instanz Probleme hat, wechselt das System automatisch zum nächsten verfügbaren Knoten im Replikatsatz. 

Erklär mal das Konzept der Aggregation in MongoDB.

MongoDB sammelt Daten aus mehreren Dokumenten und macht was damit, um ein einziges Ergebnis zu liefern. Hier geht's um eine Aggregationspipeline, wo Dokumente durch verschiedene Phasen gehen – das Ergebnis jeder Phase wird dann als Input für die nächste Phase genutzt. Eine typische Pipeline könnte Schritte wie Abgleichen, Gruppieren und Sortieren haben:

• Match: Filtert Dokumente nach den angegebenen Kriterien.
• Gruppe: Führt eine Aggregationsoperation durch.
• Sort: Sortiert die Endergebnisse so, wie wir es brauchen. 

Was ist eine begrenzte Sammlung in MongoDB? 

Eine begrenzte Sammlung hat eine feste Größe und eine Obergrenze für die Anzahl der Dokumente. Wenn das Limit erreicht ist, wird automatisch das älteste Dokument überschrieben und die neuesten Infos gespeichert. Dieses Konzept macht es für Sachen wie Protokollierung und Zwischenspeicherung super. 

Fragen für Fortgeschrittene zum Thema MongoDB

In diesem Abschnitt schauen wir uns ein paar beliebte fortgeschrittene MongoDB-Interviewfragen und -Antworten an.

Unterstützt MongoDB ACID-Transaktionen?

Bis Version 4.0 hat MongoDB ACID-Transaktionen nur für einzelne Dokumente unterstützt. Mit den ACID-Transaktionen für mehrere Dokumente können Entwickler jetzt sicherstellen, dass die ACID-Eigenschaften für mehrere Dokumente innerhalb einer Sammlung gelten. 

Was ist Map-Reduce in MongoDB?

Map-Reduce ist ein Datenverarbeitungsparadigma, das Operationen an großen Datensätzen durchführt und aggregierte Ergebnisse ausgibt. MongoDB hat eine eingebaute Funktion namens „ mapReduce() “, die aus zwei Schritten besteht: „map“ und „reduce“. 

Während der Map-Phase schaut sich die Funktion jedes Dokument in der Sammlung an und macht Schlüssel-Wert-Paare. Diese Schlüssel-Wert-Paare werden in der Reduzierungsphase zusammengefasst und die Operationen werden durchgeführt. 

Wenn du zum Beispiel eine Sammlung von Textdokumenten hast, würde die Map-Funktion jedes Wort in einen Schlüssel umwandeln und ihm den Wert 1 zuweisen. Die Reduzierfunktion addiert dann die Werte jedes Schlüssels, um die Häufigkeit jedes Wortes in der gesamten Sammlung zu zählen.

Erkläre TTL-Indizes in MongoDB.

Die generierten Daten sollten regelmäßig überprüft und gelöscht werden, wenn sie nicht mehr gebraucht werden. Sonst hast du bald nicht mehr genug Speicherplatz für die neuesten Infos. 

MongoDB hat Time-to-Live-Indizes (TTL), die das Löschen abgelaufener Dokumente einfacher machen. Du musst nur angeben, wie lange ein Dokument aufbewahrt werden soll, und TTL löscht es automatisch, sobald die angegebene Zeit abgelaufen ist.

Die folgende Tabelle zeigt die verschiedenen Indexarten, die in MongoDB verfügbar sind, und wofür man sie benutzt:

Bietet MongoDB Funktionen für Backups und Wiederherstellung?

MongoDB macht Datensicherungen mit dem Tool „ mongodump “ möglich. Dieses Tool erstellt binäre Backups deiner Daten, die du jederzeit importieren kannst, wenn du sie brauchst. Eine andere Möglichkeit ist, Cloud-Lösungen von Drittanbietern wieoder MongoDB Atlas(Cloud-Dienst) zu nutzen, um den Backup-Prozess zu automatisieren. 

MongoDB hat das Tool „ mongorestore “, mit dem man Daten aus gesicherten BSON-Dateien importieren kann. Außerdem bieten Cloud-Lösungen von Drittanbietern automatische Wiederherstellungsfunktionen, die Ausfallzeiten minimieren. 

Wie kannst du MongoDB-Abfragen optimieren?

Hier sind ein paar Tipps, die du nutzen kannst, um deine MongoDB-Abfragen zu optimieren:

• Indizes speichern Infos über Dokumente, was dabei hilft, die richtigen Daten schnell zu finden. Also, das Erstellen von Indizes kann die Abfrageleistung verbessern.
• Wenn du weißt, welche Spalten du brauchst, kannst du Projektionsmethoden verwenden, um nur diese Felder zurückzugeben und so die Leistung zu verbessern.
• Vermeide teure Operationen wie reguläre Ausdrücke; benutze stattdessen Präfixsuchen oder indizierte Felder.
• Wähle den richtigen Shard-Schlüssel, vor allem bei leseintensiven Workloads.

Erkläre das Journaling in MongoDB.

Wenn ein Schreibvorgang gemacht wird, speichert MongoDB ihn in den Journal-Dateien, bevor er in die Datenbankdateien geschrieben wird. Diese Protokolle sorgen dafür, dass festgeschriebene Schreibvorgänge bei Systemausfällen oder Abstürzen schnell wiederhergestellt werden können. 

Fragen zum Thema MongoDB-Programmierung für Vorstellungsgespräche

Fragen in Programmier-Vorstellungsgesprächen drehen sich oft darum, wie gut du MongoDB-Konzepte in Code umsetzen kannst. Sie checken deine Syntax, deine Programmierpraktiken und wie gut du die Tools und Funktionen von MongoDB nutzen kannst. 

Wie erstellt man einen Index in MongoDB?

MongoDB hat eine Funktion namens „ createIndex() “, mit der man verschiedene Arten von Indizes erstellen kann, wie z. B. Einfeldindizes, Textindizes und 2D-Indizes. Die Methode hat zwei Eingabeparameter: Schlüssel, die die zu indizierenden Spalten festlegen, und andere Optionen.

Syntax:

db.collection.createIndex(keys, options)

• Schlüssel: „ { field1: 1, field2: -1, ... } “, 1 für aufsteigende Reihenfolge und -1 für absteigende Reihenfolge
• Optionen: {unique: true}, {sparse: true}, { expireAfterSeconds: 3600 }

Beispiel:

db.users.createIndex({ email: 1 }, { unique: true });

Wie setzt man Aggregation in MongoDB um?

Die Aggregation läuft normalerweise in drei Schritten ab: Abgleichen, Gruppieren und Sortieren. Schauen wir mal, wie wir das im Code umsetzen können.

Beispiel für ein Dokument „Produkte“:

[
  { "_id": 1, "product_id": "t2409", "amount": $250, "status": "done" },
  { "_id": 2, "product_id": "t2009", "amount": $300, "status": "done" },
  { "_id": 3, "product_id": "t1309", "amount": $150, "status": "pending" },
  { "_id": 4, "product_id": "t1919", "amount": $480, "status": "done" },
  { "_id": 5, "product_id": "t5459", "amount": $120, "status": "pending" },
  { "_id": 6, "product_id": "t3829", "amount": $280, "status": "done" }
]

• $match: Um Dokumente nach einer Bedingung zu filtern
• $group: Das gruppiert die Daten und macht eine Aggregationsoperation.
• $sort: Ordne die Ausgabedokumente nach Bedarf

Beispiel:

db.products.aggregate([
  { $match: { status: "completed" } },
  { $group: { _id: "$product_id", totalAmount: { $sum: "$amount" },
  { $sort
]);

Wie machst du in MongoDB eine SQL-Join-Äquivalenz?

MongoDB hat Aggregationsoperatoren wie „ $lookup “, mit denen man SQL-ähnliche Verknüpfungen machen kann.

Syntax:

db.collection_1_name.aggregate([
  {
    $lookup: {
      from: "collection_2_name",  // The other collection to join with
      localField: "field_in_collection_1", // The field on which you want to join
      foreignField: "field_in_collection_2", // The field from the second collection you want to perform join operation
      as: "result_field" // The name of the new field to store the joined result
    }
  }
])

Beispiel: 

Angenommen, du hast Bestell- und Produktsammlungen mit folgenden Daten:

Kollektion „Orders“:

[
  { "_id": 1, "product_id": 101, "order_amount": 250 },
  { "_id": 2, "product_id": 102, "order_amount": 300 },
  { "_id": 3, "product_id": 101, "order_amount": 150 }
]

„Produkte“-Kollektion:

[
   { "_id": 3789, "product_id": 102, "product_price": $100},
   { "_id": 3970, "product_id": 103, "product_price": $297},
   { "_id": 3509, "product_id": 101, "product_price": $300},
]

Mach mit bei der Aktion:

db.orders.aggregate([
  {
    $lookup: {
      from: "products",              
      localField: "customer_id",       
      foreignField: "_id",             
      as: "customer_info"             
    }
  }
])

Wie modelliert man eine Eins-zu-Viele-Beziehung in MongoDB?

Du kannst ein Datenmodell erstellen, das eingebettete Dokumente nutzt, um eine Eins-zu-Viele-Beziehung zu beschreiben. Zum Beispiel kann ein einzelnes Team mehrere Mitarbeiter haben, also kannst du sie wie folgt einbetten:

Daten:

// team details
{
    _id: "Datascience"
   company_name: "DataCamp"
   team_name: "Data leaders"
}

// employee one
{
   name: "John"
   employee_id: "t009456"
email: johnsmith@datacamp.com
}
// employee two
{
  name: "Emily"
  employee_id: "t8068ms"
  email: emilyjones@datacamp.com
}

Eingebettetes Dokument „Eins-zu-viele“:

{
    "_id": "Datascience",
    "company_name": "DataCamp",
    "team_name": "Data leaders",
    "employees": [
        {
            "name": "John",
            "employee_id": "t009456",
            "email": "johnsmith@datacamp.com"
        },
        {
            "name": "Emily",
            "employee_id": "t8068ms",
            "email": "emilyjones@datacamp.com"
        }
    ]
}

MongoDB-Interviewfragen für DBAs, die auf realen Szenarien basieren

Die Interviewer werden dich in schwierige Situationen bringen und schauen, wie du damit umgehst. Das hilft ihnen zu verstehen, wie du mit Echtzeitproblemen umgehen kannst, während du mit MongoDB arbeitest. 

Stell dir vor, du machst eine Suchaktion in der Datenbank „orders” wie folgt. Wie findest du raus, warum die Abfrage so langsam ist?

df.orders.find({
	customer_id: 'yop89'
	ordered_items: {
		product_id: 'toi45'
		product_id: 'tac87'
	}
});

Zuerst solltest du die Profiling-Stufe 1 einstellen, um nur langsam laufende Abfragen auszuwählen:

db.setProfilingLevel(1, { slowms: 100 }); // Logs queries slower than 100ms

Der folgende Code gibt uns jetzt zusätzliche Infos wie die Art der Operation, die benötigte Zeit und die gescannten Schlüssel oder Dokumente. Diese Infos helfen dir dabei, die langsam laufenden Abfragen zu finden:

db.system.profile.find({ millis: { $gt: 100 } }).sort({ millis: -1 }).limit(10);

Wie kannst du in dem oben genannten Szenario die Leistung von langsam laufenden Abfragen verbessern?

Wenn die Abfrage die ganze Sammlung durchsucht, solltest du nach dem obigen Code Indizes für „ customer_id ” und „ ordered_items ” erstellen. Indizes können die Anzahl der gescannten Dokumente reduzieren und so die Ausführungszeit von Abfragen verbessern.

db.orders.createIndex({ customer_id: 1, "ordered_items.product_id": 1});

Beim Sharding passiert Folgendes: Wenn ein Shard überlastet ist, bleiben die anderen einfach untätig. Wie schaffst du da die Balance?

Zwei mögliche Probleme könnten die falsche Auswahl des Shard-Schlüssels und eine ungleichmäßige Datenverteilung über die Shards sein.

Lösung 1: Wähle den richtigen Shard-Schlüssel

• Wähle Spalten mit hoher Kardinalität als Shard-Schlüssel. Also, ein Shard-Schlüssel sollte viele eindeutige Werte haben.
• Wenn du viele Schreibvorgänge hast, pass auf, dass dein Shard-Schlüssel nicht alle Schreibvorgänge auf einen einzigen Shard lenkt.
• Such dir einen Shard-Schlüssel aus, der zu deinen häufigsten Abfragen passt. Wenn deine Abfragen zum Beispiel oft auf ein bestimmtes Feld zugreifen, könnte dieses Feld ein guter Shard-Schlüssel sein.

Lösung 2: Die ungleichmäßige Verteilung ausgleichen

Der folgende Befehl gibt dir einen Überblick über die Daten, die auf die Shards verteilt sind. Wenn die Chunks nicht gut verteilt sind, schalte den Balancer ein.

sh.status()

Der folgende Befehl zeigt den Status des Balancers an. Wenn es deaktiviert ist, schalte es mit dem folgenden Befehl ein.

sh.getBalancerState()
sh.enableBalancing("db_name.collection_name")

Welche Probleme könntest du bei der Umstellung von RDBMS auf MongoDB haben?

Das Abbilden von relationalen Datenbankoperationen auf ihre Entsprechungen in nosql kann echt schwierig sein.

• Zum Beispiel sind SQL-Joins in MongoDB nicht so einfach; stattdessen musst du das Aggregations-Framework nutzen, um eine ähnliche Funktion zu kriegen.
• Eine weitere Herausforderung ist, dass die Daten, die in strukturierten Tabellen gespeichert sind, umgewandelt werden müssen, damit sie ins BSON-Speicherformat von MongoDB passen. 
• Außerdem bietet RDBMS eine starke ACID-Konformität, während MongoDB nur ACID-Eigenschaften auf Dokumentebene hat, was bedeutet, dass komplexe ACID-Transaktionen vielleicht mehr Aufmerksamkeit brauchen.

Tipps zur Vorbereitung auf ein Vorstellungsgespräch bei MongoDB

Um ein MongoDB-Vorstellungsgespräch zu meistern, braucht man echtes Verständnis der Konzepte und praktische Erfahrungin dem Bereich. Es ist wichtig, dass du dein Wissen über nosql-Datenbanken aufbaust, die MongoDB-Syntax beherrschst, dich mit verschiedenen MongoDB-Fehlerszenarien auskennst und lernst, wie man sie löst. 

Hier sind meine besten Tipps, damit du das nächste MongoDB-Vorstellungsgespräch rockst:

• Sei gut in den Grundlagen: Egal, ob du dich für 'ne Einstiegsposition oder 'ne leitende Stelle bewirbst, die Grundlagen werden immer geprüft. Also, mach dich mit der Architektur, dem Speichertyp, der Syntax und den unterstützten Operationen von MongoDB vertraut. 
• Fortgeschrittene Themen: Du solltest wissen, wie fortgeschrittene Konzepte wie Replikation, Aggregation, Sharding und Indizierung in MongoDB funktionieren, und sie bei Bedarf umsetzen können.
• Szenarien aus der Praxis: Interviewer checken oft, wie du mit MongoDB-Datenbanken in verschiedenen Arbeitssituationen umgehst. Du könntest zum Beispiel gefragt werden, wie man eine bestehende RDBMS-Datenbank auf MongoDB umstellt. In fortgeschritteneren Vorstellungsgesprächen bekommst du vielleicht ein Szenario vorgelegt und musst einen Code schreiben, um es zu lösen.
• Lies frühere Erfahrungen: Wenn du dich über frühere Erfahrungen mit Vorstellungsgesprächen in dem Unternehmen informierst, bekommst du eine Vorstellung davon, welche Art von Fragen dich erwarten und wie die Vorstellungsgespräche ablaufen, sodass du dich entsprechend vorbereiten kannst. Ich persönlich nutze Plattformen wie Glassdoor, Blind, YouTube und LinkedIn, um mir ein Bild von früheren Vorstellungsgesprächen zu machen.
• Probeinterviews: Probeinterviews helfen dir dabei, deine Stärken und Schwächen einzuschätzen. Außerdem bereiten sie dich auf die Situation beim Vorstellungsgespräch vor, damit du dich beim eigentlichen Gespräch sicher und wohl fühlst. 
• Soziale Kompetenzen: Die Fähigkeit, komplizierte Themen zu erklären, ist super wichtig, um beim Vorstellungsgespräch einen guten Eindruck zu machen. Also, arbeite an deinen Kommunikations- und Präsentationsfähigkeiten.
• Zertifizierungen: MongoDB-Zertifizierungen zeigen, dass du dich echt gut auskennst. Sie helfen dir, das Thema besser zu verstehen und deine Chancen auf einen Job zu verbessern. Hier findest du eine komplette Anleitung, wie du eine MongoDB-Zertifizierung bekommst.

Fazit

MongoDB ist eine leistungsstarke nosql-Datenbank mit einem flexiblen Schema, das moderne Anwendungen unterstützt. Deshalb ist sein Know-how in der Softwareentwicklung echt gefragt. 

In diesem Artikel haben wir uns mit wichtigen Interviewfragen beschäftigt, von grundlegenden Fragen bis hin zu Fragen zum Programmieren und zu bestimmten Szenarien. Außerdem helfen dir die Tipps am Ende, deine Chancen auf Erfolg bei den Vorstellungsgesprächen zu erhöhen.

Um dein Verständnis von MongoDB zu vertiefen, solltest du Kursewie „MongoDB in Python“ und „nosql-Konzepte“in Betracht ziehen.