2026 年最常见的 25 道 MongoDB 面试题与答案

MongoDB 基础面试题

本节将聚焦 MongoDB 面试中常见的基础性问题。

解释一下 BSON 存储格式。

BSON 是二进制的 JavaScript 对象表示法。它以二进制编码格式存储序列化的 JSON 文档，并通过支持额外的数据类型（如 Date、ObjectId 和正则表达式）来扩展 JSON 的能力。 

一个 BSON 文档通常包含三部分：文档大小、字段元素（如数据类型、名称和值）以及空字符终止符，全部以二进制格式编码。

下表展示了 BSON 与 JSON 的差异，尤其是 BSON 对 JSON 能力的扩展：

MongoDB 中的集合是什么？

MongoDB 集合是存储在同一数据库中的一组文档。它类似于关系型数据库中的表，其中集合中的每个文档相当于表中的一行。但集合没有固定的模式，这意味着集合中的文档可以具有不同的数据类型。 

如何在 MongoDB 中查询文档？

在 MongoDB 中，您可以使用 find() 方法查询文档。要查询集合中的所有文档，使用 db.collection_name.find()。find 方法有两个输入参数：query 和 projection。query 参数用于筛选满足特定条件的文档。 

query 参数语法：

db.collection_name.find({condition}) 技术支持

第二个是投影参数，用于指示在输出中包含或排除哪些列。将 1 赋给您想要获取的列。语法如下：

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

find() 和 findOne() 有什么区别？

find() 方法返回一个指向多个匹配查询条件的文档的游标。它通过遍历所有结果并获取匹配的文档来工作。相比之下，findOne() 方法只返回首个匹配的文档。

MongoDB 中的 _id 字段是什么？

存储在集合中的每个文档都需要一个唯一标识符。该 _id 字段充当主键，用于唯一地标识集合中的文档。 

MongoDB 中级面试题

现在，我们来看一些面试官通常期望您掌握的 MongoDB 核心概念。 

MongoDB 如何存储大型图片和视频？

传统上，MongoDB 不允许存储大于 16 MB 的文档。不过，它有一项名为 GridFS 的特殊规范，用于存储和检索超过 16 MB 的文件。它会将文件拆分为更小且大小相等的块，并在内部将这些块作为独立文档存储。 

下表总结了 MongoDB 如何使用 GridFS 存储大文件：

MongoDB 如何确保高可用性？

MongoDB 通过副本集实现高可用性。副本集在多个节点上存储数据的不同副本，这样当某个节点发生故障时，其他节点可以接管。

MongoDB 中的分片（sharding）是什么？

分片使 MongoDB 实现水平扩展。当单个实例无法管理庞大的数据集时，MongoDB 会将数据拆分为更小的分块，并分布到多个服务器（即分片）上。 

下表阐明了复制与分片之间的差异：

MongoDB 中的副本集（replica set）是什么？

MongoDB 的副本集是一组维护相同数据集的实例。它们用于需要高可用性的应用，因为当某个实例出现问题时，系统会自动切换到副本集中下一个可用节点。 

解释 MongoDB 的聚合（aggregation）概念。

MongoDB 可以从多个文档中汇总数据并处理后返回单一结果。这涉及聚合管道，文档会经过若干阶段——每个阶段的输出作为下一个阶段的输入。一个典型的管道可能包括 match、group 和 sort 等阶段：

• Match：根据给定条件筛选文档。
• Group：执行聚合操作。
• Sort：按所需方式对最终结果排序。 

什么是 MongoDB 的固定集合（capped collection）？ 

固定集合具有固定大小和文档数量上限。当达到上限时，它会自动覆盖最旧的文档，存储最新信息。该特性使其非常适合日志和缓存等使用场景。 

MongoDB 高级面试题

本节我们来看一些常见的 MongoDB 高级面试题与答案。

MongoDB 是否支持 ACID 事务？

在 4.0 版本之前，MongoDB 仅对单个文档支持 ACID 事务。引入多文档 ACID 事务后，开发者现在可以在同一集合内的多文档之间确保ACID 属性。 

什么是 MongoDB 中的 map-reduce？

Map-reduce 是一种数据处理范式，可对大型数据集执行操作并输出聚合结果。MongoDB 提供内置的 mapReduce() 函数，包含 map 和 reduce 两个阶段。 

在 map 阶段，函数处理集合中的每个文档并生成键值对。在 reduce 阶段，这些键值对被聚合并执行相关操作。 

例如，如果您有一个文本文档集合，map 函数会将每个单词转换为一个键，并为其赋值 1。reduce 函数随后对每个键的值求和，以统计整个集合中各个单词的出现次数。

解释 MongoDB 中的 TTL 索引。

生成的数据应定期审查并在不再需要时移除；否则，您将耗尽用于容纳最新信息的资源。 

MongoDB 提供生存时间（TTL）索引，用于简化过期文档的删除。您只需指定文档的保留时长，TTL 会在指定时间过去后自动将其删除。

下表介绍了 MongoDB 可用的索引类型及其使用场景：

MongoDB 是否具备备份与恢复功能？

MongoDB 可通过 mongodump 工具进行数据备份。该工具会创建数据的二进制备份，您可在需要时导入。另一种选择是使用第三方云解决方案或MongoDB Atlas（云服务）来自动化备份流程。 

MongoDB 提供 mongorestore 工具，用于从备份的 BSON 文件中导入数据。此外，第三方云解决方案还提供自动化恢复功能，从而最大限度减少停机时间。 

如何优化 MongoDB 查询？

以下是一些可用于优化 MongoDB 查询的做法：

• 索引会存储关于文档的信息，有助于快速定位所需数据。因此，创建索引可以提升查询性能。
• 如果您知道所需的列，请使用投影方法仅返回这些字段，以获得更好的性能。
• 避免使用代价高昂的操作（如正则表达式）；请改用前缀搜索或已建立索引的字段。
• 选择合适的分片键，尤其是在读取密集的工作负载下。

解释 MongoDB 的预写日志（journaling）。

当执行写操作时，MongoDB 会先将其记录到日志文件，然后再写入数据库文件。这些日志可确保在系统故障或崩溃时，已提交的写操作能够被快速恢复。 

MongoDB 编码类面试题

编码题通常考察您将 MongoDB 概念用代码实现的能力。它们会测试您的语法、编码实践，以及您对 MongoDB 工具与函数的高效运用。 

如何在 MongoDB 中创建索引？

MongoDB 通过 createIndex() 函数创建多种类型的索引，如单字段索引、文本索引和二维索引。该方法有两个输入参数：用于定义索引字段的 keys，以及其他选项。

语法：

db.collection.createIndex(keys, options)技术支持

• Keys：{ field1: 1, field2: -1, ... }，1 表示升序，-1 表示降序
• Options：{unique: true}、{sparse: true}、{ expireAfterSeconds: 3600 }

示例：

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

如何在 MongoDB 中实现聚合？

聚合通常包含三个阶段：match、group 和 sort。下面看看如何用代码实现。

“products” 文档示例：

[
  { "_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" }
]技术支持

• $match：根据条件筛选文档
• $group：对数据分组并执行聚合操作
• $sort：按需对输出文档排序

示例：

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

如何在 MongoDB 中实现等价于 SQL 的连接（join）？

MongoDB 提供如 $lookup 等聚合运算符来实现与 SQL join 等价的操作。

语法：

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
    }
  }
])技术支持

示例： 

假设您有订单与产品两个集合，数据如下：

“Orders” 集合：

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

“Products” 集合：

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

连接操作：

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

如何在 MongoDB 中建模一对多关系？

您可以使用嵌入式文档的数据模型来表示一对多关系。例如，一个团队可以有多名员工，您可以如下进行嵌入：

数据：

// 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
}技术支持

一对多嵌入式文档：

{
    "_id": "Datascience",
    "company_name": "DataCamp",
    "team_name": "Data leaders",
    "employees": [
        {
            "name": "John",
            "employee_id": "t009456",
            "email": "[email protected]"
        },
        {
            "name": "Emily",
            "employee_id": "t8068ms",
            "email": "[email protected]"
        }
    ]
}技术支持

面向 DBA 的 MongoDB 场景题

面试官会将您置于具有挑战性的情境中，评估您的应对方式。这有助于了解您在使用 MongoDB 处理实时问题时的能力。 

假设您在如下方式对数据库 “orders” 执行搜索操作。如何调试查询为何缓慢？

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

首先，您应将分析器级别设为 1，以仅记录慢查询：

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

现在，以下代码会给出更多细节，如操作类型、耗时，以及扫描的键或文档数。这些信息有助于找出运行缓慢的查询：

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

在上述场景中，如何提升慢查询的性能？

根据上述代码的输出，如果查询扫描了整个集合，请在 customer_id 和 ordered_items 上创建索引。索引可以减少被扫描的文档数量，从而提升查询执行时间。

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

在分片中，如果一个分片过载而其他分片空闲，如何进行平衡？

两种潜在问题是分片键选择不当，以及数据在分片间分布不均。

方案 1： 选择合适的分片键

• 选择高基数的列作为分片键，即分片键应具有大量唯一值。
• 如果您的工作负载以写为主，确保分片键不会将所有写入集中到单个分片。
• 选择与最常见查询相匹配的分片键。例如，如果您的查询经常在某个字段上进行连接，那么该字段可能是有效的分片键。

方案 2： 重新平衡不均匀的分布

下面的命令可提供分片间数据分布的概览。如果分块分布不均，请启用平衡器。

sh.status()技术支持

下面的命令可获取平衡器的状态。如果处于禁用状态，使用后一个命令将其启用。

sh.getBalancerState()
sh.enableBalancing("db_name.collection_name")技术支持

从 RDBMS 迁移到 MongoDB 可能会遇到哪些挑战？

将关系型数据库操作映射到 NoSQL 的对应实现可能会比较困难。

• 例如，在 MongoDB 中并没有像 SQL 那样直观的连接操作；您需要使用聚合框架来实现类似功能。
• 另一项挑战是，存储在结构化表中的数据需要转换为适配 MongoDB 的 BSON 存储格式。 
• 此外，虽然 RDBMS 提供健全的 ACID 合规性，但 MongoDB 仅在文档级别提供 ACID 属性，这意味着复杂的 ACID 事务可能需要额外关注。

MongoDB 面试准备技巧

要拿下 MongoDB 面试，既要深刻理解概念，也要具备扎实的实战能力。必须加强您对NoSQL 数据库的理解，熟练掌握MongoDB 语法，并接触多种 MongoDB 故障场景并学会解决。 

以下是我帮助您通过下一场 MongoDB 面试的最佳建议：

• 夯实基础： 无论是入门岗位还是高级职位，基础都必考。因此要理解 MongoDB 的架构、存储类型、语法及支持的操作。 
• 高级主题： 您需要了解复制、聚合、分片和索引等高级概念在 MongoDB 中如何工作，并在需要时能够实现。
• 真实场景： 面试官常常会考察您在不同职场场景下如何管理 MongoDB 数据库。例如，可能会问您如何将现有的 RDBMS 数据库迁移到 MongoDB。在更高级的面试中，您或许会被给出一个场景并要求编写代码来解决。
• 阅读过往经验： 了解该公司的过往面试经验有助于把握题型与流程，从而更有针对性地准备。我个人会使用 Glassdoor、Blind、YouTube 和 LinkedIn 等平台查阅过往面试经验。
• 模拟面试： 模拟面试有助于评估您的优势与短板，也能让您提前适应面试环境，从而在正式面试时更自信从容。 
• 软技能： 能清晰表达复杂主题对打动面试官至关重要。因此，请提升您的沟通与展示能力。
• 认证： MongoDB 认证可作为您专业能力的证明。它能加深您对该领域的理解，并提升被录用的机会。这里有一份获取 MongoDB 认证的完整指南。

结语

MongoDB 是一款功能强大的 NoSQL 数据库，具备灵活的模式，能够支持现代应用。因此，在软件开发领域，对其专业能力的需求非常旺盛。 

在本文中，我们梳理了从基础到编码以及情景题在内的关键面试问题。此外，文末的技巧将提升您在面试中的成功几率。

要进一步加深对 MongoDB 的理解，建议学习诸如 Python 中的 MongoDB与 NoSQL 概念等课程。