Top 25 MongoDB Interview Fragen und Antworten für 2025

Grundlegende MongoDB Interview Fragen

In diesem Abschnitt konzentrieren wir uns auf grundlegende Fragen, die in MongoDB-Interviews häufig gestellt werden.

Erkläre das BSON-Speicherformat.

BSON steht für Binary Javascript Object Notation. Sie speichert serialisierte JSON-Dokumente in einem binär kodierten Format und erweitert die JSON-Fähigkeiten durch die Unterstützung zusätzlicher Datentypen wie Datum, ObjectId und reguläre Ausdrücke. 

Ein BSON-Dokument enthält in der Regel drei Komponenten: die Größe des Dokuments, Feldelemente (z. B. Datentyp, Name und Wert) und einen Nullterminator, die alle im Binärformat kodiert sind.

Die folgende Tabelle verdeutlicht die Unterschiede zwischen BSON und JSON, zumal BSON die Möglichkeiten von JSON erweitert:

Was ist eine Sammlung in MongoDB?

Eine MongoDB-Sammlung ist eine Gruppe von Dokumenten, die in einer einzigen Datenbank gespeichert sind. Sie ist vergleichbar mit einer Tabelle in einer relationalen Datenbank, in der jedes Dokument einer Sammlung eine Zeile in einer Tabelle darstellt. Die Sammlung hat jedoch kein festes Schema, d.h. die Dokumente innerhalb einer Sammlung können unterschiedliche Datentypen haben. 

Wie kann ich ein Dokument in MongoDB abfragen?

In MongoDB kannst du Dokumente mit der Methode find() abfragen. Um alle Dokumente in einer Sammlung abzufragen, verwendest du db.collection_name.find(). Die Suchmethode hat zwei Eingabeparameter: query und projection. Der Parameter query wird verwendet, um Dokumente zu filtern, die eine bestimmte Bedingung erfüllen. 

Syntax für Abfrageparameter:

db.collection_name.find({condition}) 

Der zweite ist ein Projektionsparameter, der angibt, welche Spalten in der Ausgabe enthalten oder ausgeschlossen werden sollen. Weise den Spalten, die du abrufen willst, eine 1 zu. 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 auf mehrere Dokumente zurück, die den Abfragekriterien entsprechen. Dabei werden alle Ergebnisse durchlaufen und die übereinstimmenden Dokumente abgerufen. Die Methode findOne() hingegen gibt das erste übereinstimmende Dokument zurück.

Was ist das _id-Feld in MongoDB?

Jedes in einer Sammlung gespeicherte Dokument benötigt einen eindeutigen Bezeichner. Dieses _id Feld dient als Primärschlüssel, um Dokumente in einer Sammlung eindeutig zu identifizieren. 

MongoDB-Interview-Fragen für Fortgeschrittene

Kommen wir nun zu einigen grundlegenden MongoDB-Konzepten, deren Kenntnis der Interviewer von dir erwarten könnte. 

Wie speichert MongoDB große Bilder und Videos?

Traditionell erlaubt MongoDB die Speicherung von Dokumenten, die größer als 16 MB sind, nicht. Es hat jedoch eine spezielle Spezifikation namens GridFS für das Speichern und Abrufen von Dateien, die größer als 16 MB sind. Es teilt die Datei in kleinere, gleiche Teile auf und speichert sie intern als separate Dokumente. 

Die folgende Tabelle fasst zusammen, wie MongoDB große Dateien mit GridFS speichert:

Wie stellt MongoDB Hochverfügbarkeit sicher?

MongoDB erreicht Hochverfügbarkeit durch Replikation. Replikatsätze speichern verschiedene Kopien von Daten auf verschiedenen Knoten, so dass bei einem Ausfall eines Knotens ein anderer übernehmen kann.

Was ist Sharding in MongoDB?

Sharding ermöglicht die horizontale Skalierung in MongoDB. Wenn eine einzelne Instanz einen großen Datenbestand nicht verwalten kann, teilt MongoDB die Daten in kleinere Stücke auf und verteilt sie auf mehrere Server, die so genannten Shards. 

Die folgende Tabelle verdeutlicht die Unterschiede zwischen Replikation und Sharding:

Was ist ein Replikatset in MongoDB?

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

Erkläre das Konzept der Aggregation in MongoDB.

MongoDB aggregiert Daten aus mehreren Dokumenten und verarbeitet sie, um ein einziges Ergebnis zu liefern. Dazu gehört eine Aggregationspipeline, in der die Dokumente mehrere Stufen durchlaufen - die Ausgabe jeder Stufe wird zur Eingabe für die nächste. Eine typische Pipeline kann Phasen wie Abgleich, Gruppierung und Sortierung enthalten:

• Übereinstimmung: filtert Dokumente anhand der angegebenen Kriterien.
• Gruppe: Führt einen Aggregationsvorgang durch.
• Sort: Sortiert die Endergebnisse so, wie wir sie brauchen. 

Was ist eine Capped Collection in MongoDB? 

Eine begrenzte Sammlung hat eine feste Größe und ein Limit für die Anzahl der Dokumente. Wenn das Limit erreicht ist, überschreibt es automatisch das älteste Dokument und speichert die neuesten Informationen. Durch dieses Konzept eignet es sich für Anwendungsfälle wie Logging und Caching. 

Erweiterte MongoDB Interview Fragen

In diesem Abschnitt werfen wir einen Blick auf einige beliebte Fragen und Antworten zu fortgeschrittenen MongoDB-Interviews.

Unterstützt MongoDB ACID-Transaktionen?

Bis Version 4.0 unterstützte MongoDB ACID-Transaktionen nur für einzelne Dokumente. Mit den ACID-Transaktionen für mehrere Dokumente können Entwickler jetzt ACID-Eigenschaften für mehrere Dokumente innerhalb einer Sammlung sicherstellen. 

Was ist Map-Reduce in Mongodb?

Map-Reduce ist ein Datenverarbeitungsparadigma, das Operationen auf großen Datensätzen durchführt und aggregierte Ergebnisse ausgibt. MongoDB bietet eine integrierte mapReduce() Funktion, die aus zwei Stufen besteht: map und reduce. 

In der Map-Phase verarbeitet die Funktion jedes Dokument in der Sammlung und erzeugt Schlüssel-Wert-Paare. Diese Schlüssel-Wert-Paare werden in der Reduktionsphase aggregiert und es werden Operationen 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 Funktion reduce summiert dann die Werte jedes Schlüssels, um die Vorkommen jedes Wortes in der gesamten Sammlung zu zählen.

Erkläre die TTL-Indizes in MongoDB.

Erstellte Daten sollten konsequent überprüft und entfernt werden, wenn sie nicht benötigt werden. 

MongoDB bietet Time-to-Live (TTL)-Indizes, die das Löschen von abgelaufenen Dokumenten vereinfachen. Du musst nur angeben, wie lange ein Dokument aufbewahrt werden soll, und TTL entfernt es automatisch, sobald die angegebene Zeitspanne abgelaufen ist.

In der folgenden Tabelle werden die in MongoDB verfügbaren Indexarten und ihre Anwendungsfälle erläutert:

Verfügt MongoDB über eine Sicherungs- und Wiederherstellungsfunktion?

MongoDB ermöglicht die Datensicherung über das Dienstprogramm mongodump. Dieses Tool erstellt binäre Backups deiner Daten, die du bei Bedarf importieren kannst. Eine weitere Option ist die Verwendung von Cloud-Lösungen von Drittanbietern wieoder MongoDB Atlas(Cloud Service), um den Backup-Prozess zu automatisieren .

MongoDB bietet das Dienstprogramm mongorestore, um Daten aus gesicherten BSON-Dateien zu importieren. Außerdem bieten Cloud-Lösungen von Drittanbietern automatische Wiederherstellungsfunktionen, die die Ausfallzeiten minimieren. 

Wie kannst du MongoDB-Abfragen optimieren?

Hier sind ein paar Lösungen, mit denen du deine MongoDB-Abfragen optimieren kannst:

• Indizes speichern Informationen über Dokumente, die dabei helfen, die richtigen Daten schnell zu finden. Die Erstellung von Indizes kann also die Abfrageleistung verbessern.
• Wenn du weißt, welche Spalten du brauchst, kannst du Projektionsmethoden verwenden, die nur diese Felder zurückgeben, um die Leistung zu verbessern.
• Vermeide teure Operationen wie reguläre Ausdrücke; verwende stattdessen Präfix-Suchen oder indizierte Felder.
• Wähle den richtigen Shard-Schlüssel, vor allem wenn du mit leseintensiven Workloads arbeitest.

Erkläre das Journaling in MongoDB.

Wenn ein Schreibvorgang durchgeführt wird, zeichnet MongoDB ihn in den Journal-Dateien auf, bevor er in die Datenbankdateien geätzt wird. Diese Protokolle stellen sicher, dass übertragene Schreibvorgänge im Falle von Systemausfällen oder -abstürzen schnell wiederhergestellt werden können. 

MongoDB Coding Interview Fragen

Die Fragen im Coding-Interview konzentrieren sich oft auf deine Fähigkeit, MongoDB-Konzepte in Code umzusetzen. Sie testen deine Syntax, deine Programmierpraktiken und wie effizient du die MongoDB-Tools und -Funktionen nutzen kannst. 

Wie erstellt man einen Index in MongoDB?

MongoDB verfügt über eine createIndex() Funktion, mit der du verschiedene Arten von Indizes erstellen kannst, wie z.B. Ein-Feld-Indizes, Text-Indizes und 2D-Indizes. Die Methode hat zwei Eingabeparameter: Schlüssel, die die zu indizierenden Spalten definieren, und andere Optionen.

Syntax:

db.collection.createIndex(keys, options)

• Stichwörter: { 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 implementiert man Aggregation in MongoDB?

Die Aggregation umfasst in der Regel drei Stufen: Abgleichen, Gruppieren und Sortieren. Schauen wir uns an, wie wir diese in Code umsetzen können.

Beispiel "Produkte" Dokument:

[
  { "_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: So filtern Sie Dokumente anhand einer Bedingung
• $group: Dies gruppiert die Daten und wendet eine Aggregationsoperation an
• $sort: Ordne die Ausgabedokumente nach deinem Bedarf an

Beispiel:

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

Wie führt man einen SQL-Join in MongoDB aus?

MongoDB bietet Aggregationsoperatoren wie $lookup, um SQL-äquivalente Joins durchzuführen.

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 Auftrags- und Produktsammlungen mit den folgenden Daten:

Sammlung "Aufträge":

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

Sammlung "Produkte":

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

Verbinde die Operation:

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

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

Du kannst ein Datenmodell erstellen, das eingebettete Dokumente verwendet, um eine Eins-zu-Viel-Beziehung zu beschreiben. Ein einzelnes Team kann zum Beispiel mehrere Mitarbeiter/innen haben, die du wie folgt einbinden kannst:

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
}

One-to-many eingebettetes Dokument:

{
    "_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"
        }
    ]
}

Szenariobasierte MongoDB-Interviewfragen für DBAs

Die Interviewer werden dich in herausfordernde Situationen bringen und beurteilen, wie du sie angehen würdest. Das hilft ihnen, deine Fähigkeit zu verstehen, Probleme in Echtzeit zu lösen, während du mit MongoDB arbeitest. 

Stell dir vor, du führst einen Suchvorgang in der Datenbank "Aufträge" wie folgt durch. Wie kannst du herausfinden, warum die Abfrage langsam ist?

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

Zunächst solltest du die Profilerstellungsstufe 1 einstellen, um nur langsam laufende Abfragen auszuwählen:

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

Der folgende Code gibt uns zusätzliche Informationen wie die Art des Vorgangs, die benötigte Zeit und die gescannten Schlüssel oder Dokumente. Diese Informationen helfen dir, die langsam laufenden Abfragen zu finden:

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

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

Aus der obigen Codeausgabe geht hervor, dass, wenn die Abfrage die gesamte Sammlung durchsucht, Indizes auf customer_id und ordered_items erstellt werden. Indizes können die Anzahl der gescannten Dokumente reduzieren und so die Ausführungszeit von Abfragen verkürzen.

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

Wenn beim Sharding ein Shard überlastet ist und die anderen untätig bleiben. Wie bringst du das unter einen Hut?

Zwei potenzielle Probleme könnten die falsche Auswahl des Shard-Schlüssels und die ungleichmäßige Verteilung der Daten auf die Shards sein.

Fix 1: Wähle den richtigen Splitterschlüssel

• Wähle Spalten mit hoher Kardinalität als Splitterschlüssel. Das heißt, ein Splitterschlüssel sollte viele eindeutige Werte haben.
• Wenn du viel schreibst, solltest du sicherstellen, dass dein Shard-Schlüssel nicht alle Schreibvorgänge auf einen einzigen Shard leitet.
• Wähle einen Shard-Schlüssel, der zu deinen häufigsten Abfragen passt. Wenn deine Abfragen zum Beispiel häufig auf ein bestimmtes Feld verweisen, könnte dieses Feld ein effektiver Splitterschlüssel sein.

Fix 2: Die ungleiche Verteilung ausbalancieren

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

sh.status()

Der folgende Befehl ruft den Status des Balancers ab. Wenn sie deaktiviert ist, kannst du sie mit dem folgenden Befehl aktivieren.

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

Auf welche Herausforderungen könntest du bei der Migration von RDBMS zu MongoDB stoßen?

Die Abbildung relationaler Datenbankoperationen auf ihre Gegenstücke in NoSQL kann eine Herausforderung sein.

• Zum Beispiel sind SQL-Joins in MongoDB nicht so einfach möglich; stattdessen musst du das Aggregations-Framework verwenden, um eine ähnliche Funktionalität zu erreichen.
• Eine weitere Herausforderung ist, dass die in strukturierten Tabellen gespeicherten Daten transformiert werden müssen, damit sie in das BSON-Speicherformat von MongoDB passen. 
• Während RDBMS eine robuste ACID-Konformität bieten, bietet MongoDB nur ACID-Eigenschaften auf Dokumentenebene, was bedeutet, dass komplexe ACID-Transaktionen zusätzliche Aufmerksamkeit erfordern können.

Tipps zur Vorbereitung auf ein MongoDB-Interview

Um ein MongoDB-Interview zu bestehen, brauchst du ein tiefes Verständnis der Konzepte und praktisches Wissenüber das Thema. Es ist wichtig, dass du dein Wissen über NoSQL-Datenbanken vertiefst, die MongoDB-Syntax beherrschst und dich mit verschiedenen MongoDB-Fehlerszenarien auseinandersetzt und lernst, diese zu lösen. 

Hier sind meine besten Tipps, damit du das nächste MongoDB-Interview bestehst:

• Sei gut in den Grundlagen: Egal, ob du dich für eine Einstiegsposition oder eine Führungsposition bewirbst, die Grundlagen werden immer geprüft. Verstehe also die Architektur von MongoDB, den Speichertyp, die Syntax und die unterstützten Operationen. 
• Fortgeschrittene Themen: Du solltest wissen, wie fortgeschrittene Konzepte wie Replikation, Aggregation, Sharding und Indexierung in MongoDB funktionieren und sie bei Bedarf implementieren können.
• Szenarien aus der realen Welt: Interviewer testen oft, wie du MongoDB-Datenbanken in verschiedenen Arbeitsszenarien verwaltest. Du kannst zum Beispiel gefragt werden, wie du eine bestehende RDBMS-Datenbank auf MongoDB umstellen kannst. In fortgeschritteneren Vorstellungsgesprächen wird dir vielleicht ein Szenario vorgegeben, für das du einen Code schreiben sollst.
• Lies vergangene Erfahrungen: Wenn du dich über frühere Vorstellungsgespräche in dem Unternehmen informierst, bekommst du einen Eindruck von der Art der zu erwartenden Fragen und dem Gesprächsverlauf, so dass du dich entsprechend vorbereiten kannst. Ich persönlich nutze Plattformen wie Glassdoor, Blind, YouTube und LinkedIn für frühere Bewerbungsgespräche.
• Probeinterviews: Probeinterviews helfen dir, deine Stärken und Schwächen einzuschätzen. Sie bereiten dich auch auf das Vorstellungsgespräch vor, damit du dich während des eigentlichen Gesprächs sicher und wohl fühlst. 
• Soft Skills: Die Fähigkeit, komplexe Themen zu vermitteln, ist wichtig, um den Interviewer zu beeindrucken. Arbeite also an deinen Kommunikations- und Präsentationsfähigkeiten.
• Zertifizierungen: MongoDB-Zertifizierungen dienen als Nachweis für dein Fachwissen. Sie vertiefen dein Verständnis für das Thema und erhöhen deine Einstellungschancen. Hier ist ein kompletter Leitfaden für eine MongoDB-Zertifizierung.

Fazit

MongoDB ist eine leistungsstarke NoSQL-Datenbank mit einem flexiblen Schema, das moderne Anwendungen unterstützt. Daher ist ihre Expertise in der Softwareentwicklung sehr gefragt. 

In diesem Artikel haben wir uns die wichtigsten Fragen für ein Vorstellungsgespräch angeschaut, von grundlegenden Fragen bis hin zu Fragen zur Codierung und szenariobasierten Fragen. Außerdem werden die Tipps am Ende deine Erfolgschancen bei den Vorstellungsgesprächen erhöhen.

Um dein Verständnis von MongoDB zu vertiefen, solltest du Kursewie MongoDB in Python und NoSQL-Konzeptebesuchen.