25 câu hỏi phỏng vấn MongoDB hàng đầu và đáp án cho năm 2026

Câu hỏi phỏng vấn MongoDB cơ bản

Trong phần này, chúng ta sẽ tập trung vào những câu hỏi nền tảng thường gặp trong phỏng vấn MongoDB.

Giải thích định dạng lưu trữ BSON.

BSON là viết tắt của Binary JavaScript Object Notation. Nó lưu các tài liệu JSON đã tuần tự hóa ở định dạng mã hóa nhị phân và mở rộng khả năng của JSON bằng cách hỗ trợ các kiểu dữ liệu bổ sung như Date, ObjectId và biểu thức chính quy.

Một tài liệu BSON thường có ba thành phần: kích thước tài liệu, các phần tử trường (như kiểu dữ liệu, tên và giá trị) và ký tự kết thúc null, tất cả đều được mã hóa ở định dạng nhị phân.

Bảng sau minh họa sự khác biệt giữa BSON và JSON, đặc biệt là vì BSON mở rộng khả năng của JSON:

Collection trong MongoDB là gì?

Một collection trong MongoDB là một nhóm tài liệu được lưu trong một cơ sở dữ liệu. Nó tương tự như bảng trong cơ sở dữ liệu quan hệ, nơi mỗi tài liệu trong collection đại diện cho một hàng trong bảng. Tuy nhiên, collection không có lược đồ cố định, nghĩa là các tài liệu trong cùng một collection có thể thuộc các kiểu dữ liệu khác nhau.

Cách truy vấn một tài liệu trong MongoDB?

Trong MongoDB, bạn có thể truy vấn tài liệu bằng phương thức find(). Để truy vấn tất cả tài liệu trong một collection, dùng db.collection_name.find(). Phương thức find có hai tham số đầu vào: query và projection. Tham số query dùng để lọc các tài liệu khớp với điều kiện cụ thể.

Cú pháp cho tham số query:

db.collection_name.find({condition}) 

Tham số thứ hai là projection, chỉ định các cột sẽ bao gồm hoặc loại trừ trong đầu ra. Gán 1 cho các cột bạn muốn lấy. Cú pháp như sau:

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

Sự khác biệt giữa find() và findOne() là gì?

Phương thức find() trả về một con trỏ tới nhiều tài liệu khớp với tiêu chí truy vấn. Cách hoạt động là lặp qua tất cả kết quả và lấy các tài liệu phù hợp. Trong khi đó, phương thức findOne() trả về tài liệu khớp đầu tiên.

Trường _id trong MongoDB là gì?

Mỗi tài liệu lưu trong một collection cần một định danh duy nhất. Trường _id đóng vai trò khóa chính để định danh duy nhất các tài liệu trong collection.

Câu hỏi phỏng vấn MongoDB trung cấp

Giờ hãy chuyển sang một số khái niệm cốt lõi của MongoDB mà nhà tuyển dụng có thể kỳ vọng bạn nắm vững.

MongoDB lưu trữ hình ảnh và video lớn như thế nào?

Theo truyền thống, MongoDB không cho phép lưu trữ tài liệu lớn hơn 16 MB. Tuy nhiên, nó có một đặc tả đặc biệt gọi là GridFS để lưu và truy xuất tệp lớn hơn 16 MB. Nó chia tệp thành các phần nhỏ, bằng nhau và lưu trữ chúng như những tài liệu riêng biệt ở bên trong.

Bảng dưới đây tóm tắt cách MongoDB lưu tệp lớn bằng GridFS:

MongoDB đảm bảo tính sẵn sàng cao như thế nào?

MongoDB đạt tính sẵn sàng cao thông qua nhân bản (replication). Replica set lưu các bản sao dữ liệu trên nhiều nút để nếu một nút gặp sự cố, nút khác có thể tiếp quản.

Sharding trong MongoDB là gì?

Sharding cho phép mở rộng ngang trong MongoDB. Khi một phiên bản đơn lẻ không thể quản lý một bộ dữ liệu lớn, MongoDB chia dữ liệu thành các phần nhỏ hơn và phân phối chúng trên nhiều máy chủ, gọi là shard.

Bảng sau làm rõ sự khác biệt giữa replication và sharding:

Replica set trong MongoDB là gì?

Replica set trong MongoDB là một nhóm phiên bản duy trì cùng một bộ dữ liệu. Chúng được triển khai trong các ứng dụng yêu cầu tính sẵn sàng cao, vì nếu một phiên bản gặp trục trặc, hệ thống tự động chuyển sang nút khả dụng tiếp theo trong replica set.

Giải thích khái niệm aggregation trong MongoDB.

MongoDB tổng hợp dữ liệu từ nhiều tài liệu và xử lý để trả về một kết quả duy nhất. Điều này liên quan đến pipeline tổng hợp, nơi các tài liệu đi qua nhiều giai đoạn — đầu ra của mỗi giai đoạn trở thành đầu vào cho giai đoạn tiếp theo. Một pipeline điển hình có thể bao gồm các giai đoạn như match, group và sort:

• Match: lọc tài liệu theo tiêu chí đã cho.
• Group: Thực hiện phép tổng hợp.
• Sort: Sắp xếp kết quả cuối theo cách chúng ta cần.

Capped collection trong MongoDB là gì?

Capped collection có kích thước cố định và giới hạn số tài liệu. Khi đạt giới hạn, nó tự động ghi đè tài liệu cũ nhất và lưu thông tin mới nhất. Khái niệm này phù hợp với các trường hợp như logging và caching.

Câu hỏi phỏng vấn MongoDB nâng cao

Trong phần này, chúng ta xem một số câu hỏi và đáp án phỏng vấn MongoDB nâng cao phổ biến.

MongoDB có hỗ trợ giao dịch ACID không?

Cho đến phiên bản 4.0, MongoDB chỉ hỗ trợ giao dịch ACID cho tài liệu đơn. Với giao dịch ACID đa tài liệu, các nhà phát triển giờ có thể đảm bảo các thuộc tính ACID trên nhiều tài liệu trong một collection.

Map-reduce trong MongoDB là gì?

Map-reduce là một mô hình xử lý dữ liệu thực hiện thao tác trên các bộ dữ liệu lớn và xuất ra kết quả tổng hợp. MongoDB cung cấp hàm dựng sẵn mapReduce() gồm hai giai đoạn: map và reduce.

Trong giai đoạn map, hàm xử lý từng tài liệu trong collection và tạo cặp khóa-giá trị. Các cặp này được tổng hợp ở giai đoạn reduce và thực hiện các phép tính.

Ví dụ, nếu bạn có một collection các tài liệu văn bản, hàm map sẽ chuyển mỗi từ thành một khóa và gán giá trị 1 cho nó. Hàm reduce sau đó cộng các giá trị của mỗi khóa để đếm số lần xuất hiện của từng từ trong toàn bộ collection.

Giải thích chỉ mục TTL trong MongoDB.

Dữ liệu được tạo ra nên được xem xét liên tục và loại bỏ khi không còn cần thiết; nếu không, bạn sẽ cạn kiệt tài nguyên để chứa thông tin mới.

MongoDB cung cấp chỉ mục Time-to-Live (TTL), giúp đơn giản hóa việc xóa các tài liệu hết hạn. Bạn chỉ cần chỉ định thời gian một tài liệu nên được giữ lại, và TTL sẽ tự động xóa nó khi hết thời gian đã định.

Bảng sau giải thích các loại chỉ mục có sẵn trong MongoDB và trường hợp sử dụng của chúng:

MongoDB có tính năng sao lưu và khôi phục không?

MongoDB cho phép sao lưu dữ liệu thông qua tiện ích mongodump. Công cụ này tạo bản sao lưu nhị phân dữ liệu của bạn, bạn có thể nhập lại khi cần. Một lựa chọn khác là dùng các giải pháp đám mây của bên thứ ba hoặc MongoDB Atlas(dịch vụ đám mây) để tự động hóa quy trình sao lưu.

MongoDB cung cấp tiện ích mongorestore để nhập dữ liệu từ các tệp BSON đã sao lưu. Ngoài ra, các giải pháp đám mây của bên thứ ba cung cấp khả năng khôi phục tự động, giảm thiểu thời gian chết.

Làm thế nào để tối ưu hóa truy vấn MongoDB?

Dưới đây là một vài giải pháp có thể áp dụng để tối ưu hóa truy vấn MongoDB của bạn:

• Chỉ mục lưu thông tin về các tài liệu, giúp định vị dữ liệu đúng nhanh chóng. Vì vậy, tạo chỉ mục có thể cải thiện hiệu năng truy vấn.
• Nếu bạn biết cần những cột nào, hãy dùng projection để chỉ trả về các trường đó nhằm có hiệu năng tốt hơn.
• Tránh các thao tác tốn kém như biểu thức chính quy; thay vào đó, dùng tìm kiếm theo tiền tố hoặc các trường đã được lập chỉ mục.
• Chọn khóa shard phù hợp, đặc biệt khi làm việc với khối lượng công việc nặng về đọc.

Giải thích journaling trong MongoDB.

Khi một thao tác ghi được thực hiện, MongoDB ghi lại vào các tệp journal trước khi khắc vào các tệp cơ sở dữ liệu. Những bản ghi này đảm bảo rằng các thao tác ghi đã cam kết có thể được khôi phục nhanh chóng khi hệ thống gặp sự cố hoặc sập.

Câu hỏi phỏng vấn mã hóa với MongoDB

Các câu hỏi phỏng vấn về mã hóa thường tập trung vào khả năng hiện thực hóa các khái niệm MongoDB qua mã. Chúng kiểm tra cú pháp, thói quen viết mã, và cách bạn sử dụng hiệu quả các công cụ và hàm của MongoDB.

Cách tạo chỉ mục trong MongoDB?

MongoDB có hàm createIndex() để tạo nhiều loại chỉ mục, như chỉ mục một trường, chỉ mục văn bản và chỉ mục 2D. Phương thức có hai tham số đầu vào: keys xác định các cột cần lập chỉ mục và các tùy chọn khác.

Cú pháp:

db.collection.createIndex(keys, options)

• Keys: { field1: 1, field2: -1, ... }, 1 cho thứ tự tăng dần và -1 cho thứ tự giảm dần
• Options: {unique: true}, {sparse: true}, { expireAfterSeconds: 3600 }

Ví dụ:

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

Cách triển khai aggregation trong MongoDB?

Aggregation thường gồm ba giai đoạn: match, group và sort. Hãy xem cách chúng ta hiện thực trong mã.

Ví dụ tài liệu “products”:

[
  { "_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: Lọc tài liệu theo điều kiện
• $group: Nhóm dữ liệu và áp dụng phép tổng hợp
• $sort: Sắp xếp các tài liệu đầu ra theo nhu cầu

Ví dụ:

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

Làm thế nào để thực hiện phép nối tương đương SQL trong MongoDB?

MongoDB cung cấp các toán tử aggregation như $lookup để thực hiện phép nối tương đương SQL.

Cú pháp:

db.collection_1_name.aggregate([
  {
    $lookup: {
      from: "collection_2_name",  // Collection khác để nối
      localField: "field_in_collection_1", // Trường ở collection 1 dùng để nối
      foreignField: "field_in_collection_2", // Trường ở collection 2 dùng trong phép nối
      as: "result_field" // Tên trường mới để lưu kết quả nối
    }
  }
])

Ví dụ:

Giả sử bạn có collection đơn hàng và sản phẩm với dữ liệu như sau:

Collection “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 }
]

Collection “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},
]

Phép nối:

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

Bạn mô hình hóa quan hệ một-nhiều trong MongoDB như thế nào?

Bạn có thể tạo mô hình dữ liệu dùng tài liệu lồng nhau (embedded) để mô tả quan hệ một-nhiều. Ví dụ, một nhóm có thể có nhiều nhân viên, vì vậy bạn có thể nhúng như sau:

Dữ liệu:

// 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
}

Tài liệu embedded một-nhiều:

{
    "_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"
        }
    ]
}

Câu hỏi phỏng vấn theo tình huống về MongoDB cho DBA

Nhà tuyển dụng sẽ đặt bạn vào các tình huống thách thức và đánh giá cách bạn tiếp cận. Điều này giúp họ hiểu khả năng xử lý các vấn đề thời gian thực khi làm việc với MongoDB.

Hãy tưởng tượng bạn đang thực hiện thao tác tìm kiếm trên cơ sở dữ liệu “orders” như sau. Làm sao bạn gỡ lỗi tại sao truy vấn chậm?

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

Đầu tiên, bạn nên đặt mức profiling là 1 để chỉ chọn các truy vấn chạy chậm:

db.setProfilingLevel(1, { slowms: 100 }); // Ghi log các truy vấn chậm hơn 100ms

Giờ đây, đoạn mã sau cung cấp thêm chi tiết như loại thao tác, thời gian thực hiện, và số khóa hoặc tài liệu được quét. Thông tin này giúp bạn tìm các truy vấn chạy chậm:

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

Trong kịch bản trên, làm sao bạn cải thiện hiệu năng của các truy vấn chạy chậm?

Từ đầu ra của đoạn mã trên, nếu truy vấn quét toàn bộ collection, hãy tạo chỉ mục trên customer_id và ordered_items. Chỉ mục có thể giảm số tài liệu cần quét, cải thiện thời gian thực thi truy vấn.

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

Trong sharding, nếu một shard bị quá tải còn các shard khác nhàn rỗi. Làm sao bạn cân bằng điều này?

Hai vấn đề tiềm ẩn có thể là chọn khóa shard không phù hợp và phân phối dữ liệu không đều giữa các shard.

Cách khắc phục 1: Chọn khóa shard phù hợp

• Chọn các cột có độ phân biệt cao làm khóa shard. Tức là khóa shard nên có nhiều giá trị duy nhất.
• Nếu khối lượng công việc nặng về ghi, đảm bảo khóa shard của bạn không dồn toàn bộ thao tác ghi vào một shard.
• Chọn khóa shard phù hợp với các truy vấn thường xuyên nhất của bạn. Ví dụ, nếu truy vấn của bạn thường nối trên một trường cụ thể, trường đó có thể là khóa shard hiệu quả.

Cách khắc phục 2: Cân bằng lại phân phối không đều

Lệnh dưới đây cung cấp tổng quan về dữ liệu phân phối trên các shard. Nếu các chunk không được phân phối tốt, hãy bật trình cân bằng (balancer).

sh.status()

Lệnh dưới đây lấy trạng thái của balancer. Nếu nó bị vô hiệu hóa, dùng lệnh sau để bật.

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

Bạn có thể gặp những thách thức nào khi di chuyển từ RDBMS sang MongoDB?

Việc ánh xạ các thao tác của cơ sở dữ liệu quan hệ sang các thao tác tương ứng trong NoSQL có thể là một thách thức.

• Chẳng hạn, các phép nối SQL không đơn giản trong MongoDB; thay vào đó, bạn cần dùng khung aggregation để đạt chức năng tương tự.
• Một thách thức khác là dữ liệu lưu trong các bảng có cấu trúc sẽ cần được chuyển đổi để phù hợp với định dạng lưu trữ BSON của MongoDB.
• Ngoài ra, trong khi RDBMS cung cấp khả năng tuân thủ ACID mạnh mẽ, MongoDB chỉ cung cấp thuộc tính ACID ở cấp tài liệu, tức là các giao dịch ACID phức tạp có thể cần được chú ý thêm.

Mẹo chuẩn bị cho phỏng vấn MongoDB

Vượt qua phỏng vấn MongoDB đòi hỏi hiểu biết sâu sắc về các khái niệm và kinh nghiệm thực hành với chủ đề này. Điều quan trọng là củng cố kiến thức về cơ sở dữ liệu NoSQL, thành thạo cú pháp MongoDB, và có trải nghiệm với nhiều tình huống sự cố MongoDB cũng như cách khắc phục.

Dưới đây là những mẹo tốt nhất của tôi để giúp bạn vượt qua buổi phỏng vấn MongoDB tiếp theo:

• Vững nền tảng: Dù bạn ứng tuyển vị trí mới vào nghề hay cấp cao, các kiến thức nền tảng luôn được kiểm tra. Hãy hiểu kiến trúc MongoDB, kiểu lưu trữ, cú pháp và các thao tác hỗ trợ.
• Chủ đề nâng cao: Bạn nên biết cách các khái niệm nâng cao như replication, aggregation, sharding và indexing hoạt động trong MongoDB và có thể hiện thực khi cần.
• Tình huống thực tế: Nhà tuyển dụng thường kiểm tra cách bạn quản lý cơ sở dữ liệu MongoDB trong các tình huống nơi làm việc khác nhau. Ví dụ, bạn có thể được hỏi cách chuyển một cơ sở dữ liệu RDBMS hiện có sang MongoDB. Trong các buổi phỏng vấn nâng cao hơn, bạn có thể được đưa một kịch bản và yêu cầu viết mã để giải quyết.
• Đọc trải nghiệm trước đây: Tìm hiểu các trải nghiệm phỏng vấn trước tại công ty cho bạn ý tưởng về loại câu hỏi có thể gặp và cách thức phỏng vấn, giúp bạn chuẩn bị phù hợp. Cá nhân tôi dùng các nền tảng như Glassdoor, Blind, YouTube và LinkedIn để xem trải nghiệm phỏng vấn trước đây.
• Phỏng vấn thử: Phỏng vấn thử giúp bạn tự đánh giá điểm mạnh và điểm yếu. Chúng cũng giúp bạn làm quen với môi trường phỏng vấn, từ đó tự tin và thoải mái hơn trong buổi phỏng vấn thật.
• Kỹ năng mềm: Khả năng truyền đạt các chủ đề phức tạp là điều cần thiết để gây ấn tượng với nhà tuyển dụng. Vì vậy, hãy rèn luyện kỹ năng giao tiếp và thuyết trình.
• Chứng chỉ: Chứng chỉ MongoDB là bằng chứng về chuyên môn của bạn. Chúng giúp bạn hiểu sâu hơn về chủ đề và tăng cơ hội được tuyển dụng. Đây là hướng dẫn đầy đủ để lấy chứng chỉ MongoDB.

Kết luận

MongoDB là một cơ sở dữ liệu NoSQL mạnh mẽ với lược đồ linh hoạt, hỗ trợ các ứng dụng hiện đại. Do đó, chuyên môn về nó rất được săn đón trong phát triển phần mềm.

Trong bài viết này, chúng ta đã khám phá các câu hỏi phỏng vấn thiết yếu, từ cơ bản đến mã hóa và theo tình huống. Hơn nữa, các mẹo ở phần cuối sẽ tăng cơ hội thành công của bạn trong các buổi phỏng vấn.

Để đào sâu hiểu biết về MongoDB, hãy cân nhắc khám phá các khóa học như MongoDB trong Python và các khái niệm NoSQL.