As 25 principais perguntas e respostas da entrevista com o MongoDB para 2025

Perguntas básicas da entrevista com o MongoDB

Nesta seção, vamos nos concentrar nas perguntas básicas que costumam ser feitas nas entrevistas do MongoDB.

Explique o formato de armazenamento BSON.

BSON significa notação de objeto Javascript binário. Ele armazena documentos JSON serializados em um formato de codificação binária e amplia os recursos JSON ao oferecer suporte a tipos de dados adicionais, como Date, ObjectId e expressões regulares. 

Normalmente, um documento BSON contém três componentes: o tamanho do documento, elementos de campo (como tipo de dados, nome e valor) e um terminador nulo, todos codificados em formato binário.

A tabela a seguir ilustra as diferenças entre BSON e JSON, especialmente porque o BSON amplia os recursos do JSON:

O que é uma coleção no MongoDB?

Uma coleção do MongoDB é um grupo de documentos armazenados em um único banco de dados. É semelhante a uma tabela em um banco de dados relacional, em que cada documento em uma coleção representa uma linha em uma tabela. No entanto, a coleção não tem um esquema fixo, o que significa que os documentos de uma coleção podem ser de diferentes tipos de dados. 

Como consultar um documento no MongoDB?

No MongoDB, você pode consultar documentos usando o método find(). Para consultar todos os documentos em uma coleção, use db.collection_name.find(). O método de localização tem dois parâmetros de entrada: query e projection. O parâmetro query é usado para filtrar documentos que correspondem a uma condição específica. 

Sintaxe do parâmetro de consulta:

db.collection_name.find({condition}) 

O segundo é um parâmetro de projeção que indica as colunas a serem incluídas ou excluídas na saída. Atribua 1 às colunas que você deseja buscar. Aqui está a sintaxe:

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

Qual é a diferença entre find() e findOne()?

O método find() retorna um cursor para vários documentos que correspondem aos critérios da consulta. Isso funciona por meio da iteração de todos os resultados e da busca dos documentos correspondentes. Por outro lado, o método findOne() retorna o primeiro documento correspondente.

O que é o campo _id no MongoDB?

Cada documento armazenado em uma coleção requer um identificador exclusivo. Esse campo _id funciona como uma chave primária para identificar exclusivamente os documentos em uma coleção. 

Perguntas intermediárias para entrevistas com o MongoDB

Agora, vamos passar para alguns conceitos básicos do MongoDB que o entrevistador espera que você conheça. 

Como o MongoDB armazena imagens e vídeos grandes?

Tradicionalmente, o MongoDB não permite o armazenamento de documentos com mais de 16 MB. No entanto, ele tem uma especificação especial chamada GridFS para armazenar e recuperar arquivos com mais de 16 MB. Ele divide o arquivo em partes menores e iguais e as armazena internamente como documentos separados. 

A tabela abaixo resume como o MongoDB armazena arquivos grandes usando o GridFS:

Como o MongoDB garante a alta disponibilidade?

O MongoDB obtém alta disponibilidade por meio da replicação. Os conjuntos de réplicas armazenam diferentes cópias de dados entre os nós para que, se um nó falhar, outro possa assumir o controle.

O que é sharding no MongoDB?

O sharding permite o dimensionamento horizontal no MongoDB. Quando uma única instância não consegue gerenciar um grande conjunto de dados, o MongoDB divide os dados em pedaços menores e os distribui em vários servidores, conhecidos como shards. 

A tabela a seguir esclarece as diferenças entre replicação e sharding:

O que é um conjunto de réplicas no MongoDB?

Um conjunto de réplicas no MongoDB é um grupo de instâncias que mantêm o mesmo conjunto de dados. Eles são implantados em aplicativos que exigem alta disponibilidade porque, se uma instância apresentar problemas, o sistema mudará automaticamente para o próximo nó disponível no conjunto de réplicas. 

Explicar o conceito de agregação no MongoDB.

O MongoDB agrega dados de vários documentos e os processa para retornar um único resultado. Isso envolve um pipeline de agregação, em que os documentos passam por vários estágios - a saída de cada estágio torna-se a entrada para o próximo. Um pipeline típico pode incluir estágios como correspondência, grupo e classificação:

• Match: filtra documentos com base nos critérios fornecidos.
• Grupo: Executa a operação de agregação.
• Você pode classificar: Classifica os resultados finais da maneira que você precisa. 

O que é uma coleção com limite no MongoDB? 

Uma coleção limitada tem um tamanho fixo e um limite para o número de documentos. Quando o limite é atingido, ele substitui automaticamente o documento mais antigo e armazena as informações mais recentes. Esse conceito o torna adequado para casos de uso como registro e armazenamento em cache. 

Perguntas avançadas para entrevistas com o MongoDB

Nesta seção, daremos uma olhada em algumas perguntas e respostas populares de entrevistas avançadas sobre o MongoDB.

O MongoDB oferece suporte a transações ACID?

Até a versão 4.0, o MongoDB suportava transações ACID somente para documentos únicos. Com as transações ACID para vários documentos, os desenvolvedores agora podem garantir propriedades ACID em vários documentos de uma coleção. 

O que é map-reduce no Mongodb?

Map-reduce é um paradigma de processamento de dados que realiza operações em grandes conjuntos de dados e gera resultados agregados. O MongoDB oferece uma função integrada mapReduce() que consiste em dois estágios: mapear e reduzir. 

Durante a fase de mapeamento, a função processa cada documento na coleção e gera pares de valores-chave. Esses pares de valores-chave são agregados na fase de redução e as operações são executadas. 

Por exemplo, se você tiver uma coleção de documentos de texto, a função map converterá cada palavra em uma chave e atribuirá a ela o valor 1. Em seguida, a função reduce soma os valores de cada chave para contar as ocorrências de cada palavra em toda a coleção.

Explicar os índices TTL no MongoDB.

Os dados gerados devem ser revisados de forma consistente e removidos quando não forem necessários; caso contrário, você ficará sem recursos para acomodar as informações mais recentes. 

O MongoDB fornece índices TTL (Time-to-Live), que simplificam a exclusão de documentos expirados. Tudo o que você precisa fazer é especificar por quanto tempo um documento deve ser retido, e o TTL o removerá automaticamente quando o período de tempo especificado tiver passado.

A tabela a seguir explica os tipos de índices disponíveis no MongoDB e seus casos de uso:

O MongoDB oferece backup e recuperação?

O MongoDB permite o backup de dados por meio do utilitário mongodump. Essa ferramenta cria backups binários dos seus dados, que você pode importar sempre que precisar. Outra opção é usar soluções de nuvem de terceiros, como oou o MongoDB Atlas(serviço de nuvem), para automatizar o processo de backup .

O MongoDB fornece o utilitário mongorestore para importar dados de arquivos BSON com backup. Além disso, as soluções de nuvem de terceiros oferecem recursos de restauração automatizada, minimizando o tempo de inatividade. 

Como você pode otimizar as consultas do MongoDB?

Aqui estão algumas soluções que podem ser aplicadas para otimizar suas consultas no MongoDB:

• Os índices armazenam informações sobre documentos, o que ajuda a localizar rapidamente os dados corretos. Portanto, a criação de índices pode melhorar o desempenho da consulta.
• Se você souber de quais colunas precisa, use os métodos de projeção para retornar somente esses campos para obter melhor desempenho.
• Evite operações caras, como expressões regulares; em vez disso, use pesquisas de prefixo ou campos indexados.
• Escolha a chave de fragmento correta, especialmente quando você estiver trabalhando com cargas de trabalho de leitura intensa.

Explique o registro em diário no MongoDB.

Quando uma operação de gravação é realizada, o MongoDB a registra nos arquivos de diário antes que eles sejam gravados nos arquivos do banco de dados. Esses logs garantem que as operações de gravação confirmadas possam ser recuperadas rapidamente em caso de falhas ou travamentos do sistema. 

Perguntas da entrevista sobre codificação do MongoDB

As perguntas da entrevista sobre codificação geralmente se concentram em sua capacidade de implementar conceitos do MongoDB por meio de código. Eles testam sua sintaxe, práticas de codificação e a eficiência com que você pode usar as ferramentas e funções do MongoDB. 

Como criar um índice no MongoDB?

O MongoDB tem uma função createIndex() para criar vários tipos de índices, como índices de campo único, índices de texto e índices 2D. O método tem dois parâmetros de entrada: chaves que definem as colunas a serem indexadas e outras opções.

Syntax:

db.collection.createIndex(keys, options)

• Teclas: { field1: 1, field2: -1, ... }, 1 para ordem crescente e -1 para ordem decrescente
• Opções: {unique: true}, {sparse: true}, { expireAfterSeconds: 3600 }

Exemplo:

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

Como implementar a agregação no MongoDB?

Normalmente, a agregação contém três estágios: correspondência, grupo e classificação. Vamos ver como podemos implementá-los no código.

Exemplo de documento "produtos":

[
  { "_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: Para filtrar documentos com base em uma condição
• $group: Isso agrupa os dados e aplica a operação de agregação
• $sort: Ordene os documentos de saída conforme você precisar

Exemplo:

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

Como você executa uma junção SQL equivalente no MongoDB?

O MongoDB fornece operadores de agregação, como $lookup, para que você possa realizar uniões equivalentes ao SQL.

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
    }
  }
])

Exemplo: 

Digamos que você tenha coleções de pedidos e produtos com os dados a seguir:

Coleção "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 }
]

Coleção "Products":

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

Operação de união:

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

Como você modela um relacionamento de um para muitos no MongoDB?

Você pode criar um modelo de dados que use documentos incorporados para descrever um relacionamento de um para muitos. Por exemplo, uma única equipe pode ter vários funcionários, então você pode incorporá-los da seguinte forma:

Dados:

// 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
}

Documento incorporado de um para muitos:

{
    "_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"
        }
    ]
}

Perguntas de entrevista baseadas em cenários do MongoDB para DBAs

Os entrevistadores o colocarão em situações desafiadoras e avaliarão como você as abordaria. Isso os ajuda a entender sua capacidade de lidar com problemas em tempo real ao trabalhar com o MongoDB. 

Imagine que você esteja realizando uma operação de pesquisa no banco de dados "orders" da seguinte forma. Como você depura por que a consulta está lenta?

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

Primeiro, você deve definir o nível 1 de criação de perfil para selecionar apenas as consultas de execução lenta:

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

Agora, o código a seguir nos fornece detalhes adicionais, como o tipo de operação, o tempo gasto e as chaves ou os documentos digitalizados. Essas informações ajudam você a encontrar as consultas de execução lenta:

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

No cenário acima, como você melhora o desempenho das consultas de execução lenta?

A partir da saída do código acima, se a consulta varrer a coleção inteira, crie índices em customer_id e ordered_items. Os índices podem reduzir o número de documentos digitalizados, melhorando o tempo de execução da consulta.

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

No sharding, se um shard estiver sobrecarregado e os outros permanecerem ociosos, você poderá ter que fazer uma nova análise. Como você equilibra isso?

Dois possíveis problemas podem ser a seleção inadequada da chave do fragmento e a distribuição desigual de dados entre os fragmentos.

Consertar 1: Escolha a chave de fragmento correta

• Escolha colunas de alta cardinalidade como chaves de fragmentos. Ou seja, uma chave de fragmento deve ter muitos valores exclusivos.
• Se a sua carga de trabalho tiver muitas gravações, certifique-se de que a chave do fragmento não direcione todas as gravações para um único fragmento.
• Escolha uma chave de fragmento que se alinhe com suas consultas mais frequentes. Por exemplo, se suas consultas se unem com frequência em um campo específico, esse campo pode ser uma chave de fragmento eficaz.

Consertar 2: Reequilibrar a distribuição desigual

Esse comando abaixo fornece a visão geral dos dados distribuídos entre os shards. Se os blocos não estiverem bem distribuídos, ative o balanceador.

sh.status()

O comando abaixo obtém o estado do balanceador. Se estiver desativada, use o comando posterior para ativá-la.

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

Que desafios você pode enfrentar ao migrar do RDBMS para o MongoDB?

Mapear as operações do banco de dados relacional para suas contrapartes no NoSQL pode ser um desafio.

• Por exemplo, as junções SQL não são simples no MongoDB; em vez disso, você precisa usar a estrutura de agregação para obter uma funcionalidade semelhante.
• Outro desafio é que os dados armazenados em tabelas estruturadas precisarão ser transformados para se ajustarem ao formato de armazenamento BSON do MongoDB. 
• Além disso, enquanto o RDBMS oferece conformidade ACID robusta, o MongoDB oferece apenas propriedades ACID em nível de documento, o que significa que transações ACID complexas podem exigir atenção extra.

Dicas para se preparar para uma entrevista com o MongoDB

Para quevocê seja bem-sucedido em uma entrevista sobre o MongoDB, é necessário entender profundamente os conceitos e ter experiência práticano assunto. É essencial que você aprimore seus conhecimentos sobre bancos de dados NoSQL, domine a sintaxe do MongoDB, tenha contato com vários cenários de falha do MongoDB e aprenda a resolvê-los. 

Aqui estão minhas melhores dicas para ajudar você a passar na próxima entrevista do MongoDB:

• Você deve ser bom em fundamentos: Independentemente de você se candidatar a uma função inicial ou a um cargo sênior, os fundamentos são sempre testados. Portanto, entenda a arquitetura do MongoDB, o tipo de armazenamento, a sintaxe e as operações compatíveis. 
• Tópicos avançados: Você deve saber como os conceitos avançados, como replicação, agregação, fragmentação e indexação, funcionam no MongoDB e ser capaz de implementá-los, se necessário.
• Cenários do mundo real: Os entrevistadores geralmente testam como você gerencia os bancos de dados MongoDB em vários cenários do local de trabalho. Por exemplo, você pode ser questionado sobre como fazer a transição de um banco de dados RDBMS existente para o MongoDB. Em entrevistas mais avançadas, talvez você receba um cenário e precise escrever um código para resolvê-lo.
• Leia as experiências anteriores: Conhecer as experiências de entrevistas anteriores na empresa dá a você uma ideia do tipo de perguntas que deve esperar e dos padrões de entrevista, permitindo que você se prepare adequadamente. Pessoalmente, uso plataformas como Glassdoor, Blind, YouTube e LinkedIn para experiências anteriores de entrevistas.
• Entrevistas simuladas: As entrevistas simuladas ajudam você a avaliar seus pontos fortes e fracos. Eles também o preparam para o ambiente da entrevista, o que ajuda você a se sentir confiante e confortável durante a entrevista. 
• Habilidades interpessoais: A capacidade de comunicar tópicos complexos é essencial para impressionar o entrevistador. Portanto, trabalhe em suas habilidades de comunicação e apresentação.
• Certificações: As certificações do MongoDB servem como prova de que você tem conhecimento especializado. Eles aprofundam sua compreensão do assunto e aumentam suas chances de ser contratado. Aqui você encontra um guia completo para obter uma certificação MongoDB.

Conclusão

O MongoDB é um banco de dados NoSQL avançado com um esquema flexível que oferece suporte a aplicativos modernos. Por isso, sua experiência é muito procurada no desenvolvimento de software. 

Neste artigo, exploramos as perguntas essenciais da entrevista, desde as básicas até as de codificação e as baseadas em cenários. Além disso, as dicas no final aumentarão suas chances de sucesso nas entrevistas.

Para aprofundar seu conhecimento sobre o MongoDB, considere a possibilidade de explorar cursoscomo MongoDB em Python e conceitos de NoSQL.