As 25 principais perguntas e respostas da entrevista sobre MongoDB para 2026

Perguntas básicas para entrevistas sobre MongoDB

Nesta seção, vamos focar em perguntas básicas que costumam aparecer nas entrevistas sobre MongoDB.

Explique o formato de armazenamento BSON.

BSON significa notação binária de objeto Javascript. Ele guarda documentos JSON serializados num formato codificado em binário e amplia as capacidades do JSON ao suportar tipos de dados adicionais, como Data, ObjectId e expressões regulares. 

Um documento BSON geralmente tem três partes: o tamanho do documento, elementos de campo (como tipo de dados, nome e valor) e um terminador nulo, tudo codificado em formato binário.

A tabela a seguir mostra as diferenças entre BSON e JSON, principalmente porque o BSON amplia as capacidades do JSON:

O que é uma coleção no MongoDB?

Uma coleção MongoDB é um grupo de documentos guardados em um único banco de dados. É tipo uma tabela em um banco de dados relacional, onde cada documento em uma coleção representa uma linha na tabela. Mas, a coleção não tem um esquema fixo, ou seja, os documentos dentro de uma coleção podem ter tipos de dados diferentes. 

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 find tem dois parâmetros de entrada: query e projection. O parâmetro query é usado para filtrar documentos que correspondem a uma condição específica. 

Sintaxe para 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 quer 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 iterando sobre todos os resultados e buscando os documentos correspondentes. Por outro lado, o método ` findOne() ` mostra o primeiro documento que bate com o que você está procurando.

O que é o campo _id no MongoDB?

Cada documento guardado numa coleção precisa de um identificador único. Esse campo _id funciona como uma chave primária para identificar documentos de forma única em uma coleção. 

Perguntas intermediárias para entrevistas sobre MongoDB

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

Como o MongoDB guarda imagens e vídeos grandes?

Normalmente, o MongoDB não deixa guardar documentos maiores que 16 MB. Mas tem uma especificação especial chamada GridFS pra guardar e pegar arquivos com mais de 16 MB. Ele divide o arquivo em partes menores e iguais e guarda cada uma como um documento separado. 

A tabela abaixo mostra como o MongoDB guarda arquivos grandes usando o GridFS:

Como o MongoDB garante alta disponibilidade?

O MongoDB consegue alta disponibilidade por meio da replicação. Os conjuntos de réplicas armazenam diferentes cópias dos dados em vários nós, de modo que, se um nó falhar, outro possa assumir o controle.

O que é fragmentação no MongoDB?

O sharding permite o escalonamento horizontal no MongoDB. Quando uma única instância não consegue lidar com um grande conjunto de dados, o MongoDB divide os dados em pedaços menores e distribui por vários servidores, conhecidos como fragmentos. 

A tabela a seguir mostra as diferenças entre replicação e fragmentação:

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 usados em aplicativos que precisam de alta disponibilidade, porque se uma instância der problema, o sistema muda automaticamente para o próximo nó disponível no conjunto de réplicas. 

Explique o conceito de agregação no MongoDB.

O MongoDB junta dados de vários documentos e processa tudo para dar um único resultado. Isso envolve um pipeline de agregação, onde os documentos passam por várias etapas — a saída de cada etapa vira a entrada da próxima. Um pipeline típico pode incluir etapas como correspondência, agrupamento e classificação:

• Correspondência: filtra documentos com base nos critérios fornecidos.
• Grupo: Faz a operação de agregação.
• Classificar: Organiza os resultados finais do jeito que a gente precisa. 

O que é uma coleção limitada 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 guarda as informações mais recentes. Esse conceito torna-o adequado para casos de uso como registro em log e armazenamento em cache. 

Perguntas avançadas sobre MongoDB para entrevistas

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

O MongoDB suporta transações ACID?

Até a versão 4.0, o MongoDB só aceitava transações ACID para documentos individuais. Com suas transações ACID para vários documentos, os desenvolvedores agora podem garantir as propriedades ACID em vários documentos dentro de uma coleção. 

O que é map-reduce no Mongodb?

Map-reduce é um jeito de processar dados que faz operações em conjuntos de dados grandes e mostra resultados agregados. O MongoDB tem uma função integrada chamada “ mapReduce() ” que tem duas etapas: mapear e reduzir. 

Durante a fase de mapeamento, a função processa cada documento da coleção e gera pares de chave-valor. Esses pares de chave-valor são reunidos na fase de redução e as operações são feitas. 

Por exemplo, se você tem uma coleção de documentos de texto, a função map converteria cada palavra em uma chave e atribuiria um valor de 1 a ela. A função reduce soma os valores de cada chave para contar quantas vezes cada palavra aparece em toda a coleção.

Explique os índices TTL no MongoDB.

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

O MongoDB oferece índices Time-to-Live (TTL), que simplificam a exclusão de documentos expirados. Tudo o que você precisa fazer é dizer por quanto tempo um documento deve ficar guardado, e o TTL vai automaticamente removê-lo assim que o tempo que você definiu acabar.

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

O MongoDB tem backup e recuperação?

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

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

Como você pode otimizar as consultas do MongoDB?

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

• Os índices guardam informações sobre documentos, o que ajuda a encontrar os dados certos rapidinho. Então, criar índices pode melhorar o desempenho das consultas.
• Se você sabe quais colunas precisa, use métodos de projeção para retornar apenas esses campos e ter um desempenho melhor.
• Evite operações caras, como expressões regulares; use pesquisas por prefixo ou campos indexados.
• Escolha a chave de fragmentação certa, principalmente quando estiver lidando com cargas de trabalho com muitas leituras.

Explique o que é o registro em diário no MongoDB.

Quando uma operação de gravação é feita, o MongoDB registra isso nos arquivos de diário antes de gravar nos arquivos do banco de dados. Esses registros garantem que as operações de gravação confirmadas possam ser recuperadas rapidinho em caso de falhas ou travamentos do sistema. 

MongoDB Coding Interview Questions

As perguntas da entrevista de programação geralmente focam na sua habilidade de implementar conceitos do MongoDB por meio de código. Eles testam sua sintaxe, práticas de codificação e a eficiência com que você consegue usar as ferramentas e funções do MongoDB. 

Como criar um índice no MongoDB?

O MongoDB tem uma função chamada ` 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)

• Chaves: { 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?

A agregação geralmente tem três etapas: correspondência, agrupamento e classificação. Vamos ver como podemos implementar isso 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 faz a operação de agregação.
• $sort: Organize os documentos de saída como você precisar

Exemplo:

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

Como você faz uma junção SQL equivalente no MongoDB?

O MongoDB oferece operadores de agregação como $lookup para fazer junções 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 seguintes dados:

Coleção “Pedidos”:

[
  { "_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 “Produtos”:

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

Junte-se à operação:

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

Como você modela uma relação um-para-muitos no MongoDB?

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

Data:

// 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 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 vão te colocar em situações desafiadoras e avaliar como você lidaria com elas. Isso ajuda a entender sua capacidade de lidar com problemas em tempo real enquanto trabalha com o MongoDB. 

Imagina que você está fazendo uma busca no banco de dados “pedidos” assim. Como você descobre 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 de perfil 1 para selecionar apenas consultas de execução lenta:

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

Agora, o código a seguir nos dá mais detalhes, como o tipo de operação, o tempo gasto e as chaves ou documentos verificados. Essas informações ajudam você a encontrar as consultas lentas:

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

Nesse cenário, como você melhora o desempenho das consultas lentas?

Pela saída do código acima, se a consulta varre toda a coleção, 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 fragmento estiver sobrecarregado e os outros ficarem parados. Como você equilibra isso?

Dois problemas possíveis podem ser a escolha errada da chave de fragmentação e a distribuição desigual dos dados entre os fragmentos.

Fix 1: Escolha a chave de fragmentação certa

• Escolha colunas de alta cardinalidade como chaves de fragmentação. Ou seja, uma chave de fragmentação deve ter muitos valores únicos.
• Se você tem um monte de gravações, certifique-se de que sua chave de fragmentação não manda todas as gravações para um único fragmento.
• Escolha uma chave de fragmentação que combine com suas consultas mais frequentes. Por exemplo, se suas consultas costumam se unir em um campo específico, esse campo pode ser uma chave de fragmentação eficaz.

Fix 2: Reequilibrar a distribuição desigual

Esse comando abaixo mostra uma visão geral dos dados distribuídos pelos fragmentos. Se os blocos não estiverem bem distribuídos, ative o balanceador.

sh.status()

O comando abaixo mostra o estado do balanceador. Se estiver desativado, use o comando mais recente para ativá-lo.

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

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

Mapear as operações de bancos de dados relacionais para suas contrapartes em nosql pode ser complicado.

• Por exemplo, as junções SQL não são diretas no MongoDB; em vez disso, você precisa usar a estrutura de agregação para conseguir uma funcionalidade parecida.
• Outro desafio é que os dados guardados em tabelas estruturadas vão precisar de transformação para se encaixarem no formato de armazenamento BSON do MongoDB. 
• Além disso, enquanto o RDBMS oferece uma conformidade ACID robusta, o MongoDB só tem propriedades ACID no nível do documento, o que significa que transações ACID complexas podem precisar de um cuidado extra.

Dicas para se preparar para uma entrevista sobre MongoDB

Para se sair bem em uma entrevista sobre MongoDB, é preciso entender bem os conceitos e ter experiência práticano assunto. É essencial aprimorar seus conhecimentos sobre bancos de dados nosql, dominar a sintaxe do MongoDB, conhecer vários cenários de falha do MongoDB e aprender a resolvê-los. 

Aqui estão minhas melhores dicas para te ajudar a passar na próxima entrevista sobre MongoDB:

• Seja bom nos fundamentos: Se você se candidatar a um cargo inicial ou a uma posição sênior, os fundamentos sempre serão testados. Então, entenda a arquitetura do MongoDB, o tipo de armazenamento, a sintaxe e as operações suportadas. 
• Tópicos avançados: Você deve saber como conceitos avançados como replicação, agregação, fragmentação e indexação funcionam no MongoDB e ser capaz de implementá-los, se necessário.
• Cenários reais: Os entrevistadores costumam testar como você gerencia bancos de dados MongoDB em vários cenários de trabalho. Por exemplo, podem perguntar como fazer a transição de um banco de dados RDBMS existente para o MongoDB. Em entrevistas mais avançadas, você pode receber um cenário e ter que escrever um código para resolvê-lo.
• Dá uma olhada nas experiências anteriores: Conhecer as experiências de entrevistas anteriores na empresa dá uma ideia do tipo de perguntas que você pode esperar e dos padrões de entrevista, permitindo que você se prepare adequadamente. Eu uso plataformas como Glassdoor, Blind, YouTube e LinkedIn pra ver experiências de entrevistas anteriores.
• Entrevistas simuladas: Entrevistas simuladas ajudam você a avaliar seus pontos fortes e fracos. Eles também te preparam para o ambiente da entrevista, o que ajuda você a se sentir confiante e confortável durante a entrevista propriamente dita. 
• Habilidades interpessoais: A capacidade de falar sobre assuntos complexos é essencial para impressionar o entrevistador. Então, melhore suas habilidades de comunicação e apresentação.
• Certificações: As certificações MongoDB são a prova da sua experiência. Eles ajudam você a entender melhor o assunto e aumentam suas chances de ser contratado. Aqui está um guia completo para obter uma certificação MongoDB.

Conclusão

O MongoDB é um banco de dados nosql super eficiente, com um esquema flexível que dá suporte a aplicativos modernos. Por isso, sua experiência é super procurada no desenvolvimento de software. 

Neste artigo, a gente explorou perguntas essenciais para entrevistas, desde as mais básicas até perguntas sobre programação e baseadas em cenários. Além disso, as dicas no final vão aumentar suas chances de sucesso nas entrevistas.

Para entender melhor o MongoDB, dá uma olhada em cursoscomo MongoDB em Python e conceitos nosql.