罗罗编程学习记录
本页内容 展开查看

05.5.2.1 MongoDB 文档模型与索引

所属:全栈开发面试题库 / 05 数据库与存储 / 05.5 NoSQL 与专用存储 / 05.5.2 文档、搜索与向量存储

覆盖范围

  • BSON 文档模型、collection、_id 与动态 schema
  • 嵌入 vs 引用建模、反范式与文档大小限制
  • 索引类型:单键/复合/多键/唯一/TTL/文本/地理/部分稀疏
  • 复合索引前缀与排序、explain、选择性与覆盖索引
  • 聚合管道、事务边界、$lookup 与选型边界

高频题速览

编号 题目 难度 频率
05.5.2.1-001 BSON 与文档模型 基础 ★★★★☆
05.5.2.1-003 嵌入 vs 引用 进阶 ★★★★★
05.5.2.1-004 索引类型 进阶 ★★★★☆
05.5.2.1-006 复合索引前缀与排序 高级 ★★★★☆
05.5.2.1-007 explain 执行阶段 进阶 ★★★★☆
05.5.2.1-012 聚合管道 进阶 ★★★☆☆
05.5.2.1-015 事务边界 高级 ★★★☆☆
05.5.2.1-018 MongoDB 选型边界 进阶 ★★★☆☆

模型与索引概览

Database → Collection → Document(BSON)
文档:字段灵活、嵌套对象/数组、_id 主键
建模:嵌入(读聚合少、文档不宜过大)/ 引用(关系独立更新)
索引:单键、复合、多键、唯一、TTL、文本、2dsphere、部分/稀疏

05.5.2.1-001 BSON、collection 和 _id 是什么?

频率 ★★★★☆ | 难度 基础

一句话结论

MongoDB 以 BSON(二进制 JSON)存文档,文档归入 collection;每个文档必须有 _id 唯一主键,默认 ObjectId。

概念解释

  • BSON:二进制编码,支持类型、嵌套与数组,可高效遍历。
  • collection:文档集合,类似关系表,但文档结构不必一致。
  • _id:主键,集合内唯一;未指定时自动生成 ObjectId(含时间戳等信息)。

原理流程

应用写入文档 → BSON 编码 → 存入 collection → _id 唯一索引

代码 / 命令

// 插入文档
db.products.insertOne({ name: "phone", price: 999, tags: ["a", "b"] });

// 查看 _id 与类型
db.products.findOne();

常见误区

  • 误区:BSON 就是 JSON 存磁盘。正解:BSON 是二进制格式,带类型与索引友好结构。
  • 误区:collection 必须先定义字段类型。正解:schema 动态,字段可逐文档不同。

追问

  • 问:ObjectId 包含什么?答:时间戳、机器/进程标识、计数器等,可从 _id 提取创建时间。
  • 问:_id 能改吗?答:插入后 _id 不可变更,需替换文档。

05.5.2.1-002 动态 schema 有什么利弊?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

动态 schema 便于快速迭代与异构数据;但缺乏约束易产生脏数据,需应用层或 schema 校验兜底。

概念解释

  • 利:字段灵活、无 DDL 迁移成本、适合多变业务。
  • 弊:字段类型/命名不一致,查询与聚合易踩坑。
  • 约束手段:应用层校验、JSON Schema 校验(版本支持)、规范文档。

原理流程

写入 → 无强制列约束 → 文档字段各异
查询 → 需按实际字段类型处理

代码 / 命令

// 同一 collection 可存在不同字段结构
db.items.insertOne({ a: 1 });
db.items.insertOne({ b: "x", c: true });

常见误区

  • 误区:动态 schema 等于不需要数据规范。正解:生产仍需字段约定与校验。
  • 误区:异构文档对查询无影响。正解:缺失字段、类型混用会导致索引与聚合异常。

追问

  • 问:怎么约束文档结构?答:应用层统一模型,必要时用 schema 校验规则。
  • 问:类型混用举例风险?答:同字段既存数字又存字符串,范围查询结果不符预期。

05.5.2.1-003 嵌入(embed)和引用(reference)怎么选?

频率 ★★★★★ | 难度 进阶

一句话结论

一对一/一对少、随父文档一起读的数据嵌入;多对多、独立高频更新、数量大的子数据用引用。

概念解释

  • 嵌入:子文档放在父文档内,一次查询取出,读快;文档变大、子数据重复更新成本高。
  • 引用:存 _id 关联,需二次查询/$lookup;结构独立、灵活。
  • 判断:访问模式、基数、更新频率、文档大小上限。

原理流程

随父读 + 数量少 → 嵌入
独立实体 + 多对多 + 大基数 → 引用

代码 / 命令

// 嵌入:订单内嵌地址快照
db.orders.insertOne({
  _id: 1,
  address: { city: "CS", detail: "road-1" }
});

// 引用:用户引用
db.posts.insertOne({ title: "t", authorId: ObjectId("...") });

常见误区

  • 误区:一对多一律嵌入。正解:子文档数量无限增长会撑大父文档,应引用。
  • 误区:嵌入数据天然一致。正解:嵌入子文档更新需重写整个父文档。

追问

  • 问:嵌入适合存评论吗?答:评论少且随文章读可嵌入;评论量大应独立 collection。
  • 问:引用查询怎么补全?答:应用层二次查或聚合 $lookup。

05.5.2.1-004 MongoDB 有哪些索引类型?

频率 ★★★★☆ | 难度 进阶

一句话结论

常用单键、复合、多键(数组)、唯一、TTL;另有文本、地理空间、通配符与部分/稀疏索引。

概念解释

类型 用途
单键 单字段查询/排序
复合 多字段组合查询
多键 数组字段建索引
唯一 字段值集合内唯一
TTL 到期自动删除文档
文本 全文检索
2dsphere 地理空间查询
部分/稀疏 仅索引满足条件/存在字段的文档

原理流程

查询条件/排序 → 匹配索引字段 → 索引定位文档

代码 / 命令

db.products.createIndex({ category: 1 });
db.products.createIndex({ category: 1, price: -1 });
db.products.createIndex({ tags: 1 });            // 多键
db.products.createIndex({ sku: 1 }, { unique: true });
db.sessions.createIndex({ createdAt: 1 }, { expireAfterSeconds: 3600 });

常见误区

  • 误区:数组字段不能建索引。正解:多键索引为数组每个元素建条目。
  • 误区:TTL 索引能立即删除过期文档。正解:后台线程周期清理,有延迟。

追问

  • 问:唯一索引对数组怎么约束?答:数组元素也参与唯一性,按版本语义核对。
  • 问:TTL 能建在复合索引上吗?答:TTL 为单字段索引,过期字段单独建。

05.5.2.1-005 文本、地理、通配符索引分别解决什么?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

文本索引做词级全文检索;2dsphere 做球面距离/范围查询;通配符索引覆盖动态字段路径,减少为每个字段建索引。

概念解释

  • 文本:分词后按词匹配,支持权重与语言。
  • 地理:经纬度球面计算,附近/范围查询。
  • 通配符:$** 匹配动态嵌套字段,代价是索引体积与维护成本。

原理流程

全文:分词 → 倒排条目 → $text 匹配
地理:GeoJSON → 球面索引 → $near/$geoWithin
动态字段:通配路径 → 统一索引

代码 / 命令

db.articles.createIndex({ content: "text" });
db.places.createIndex({ loc: "2dsphere" });
db.docs.createIndex({ "attributes.$**": 1 });

常见误区

  • 误区:文本索引等同 Elasticsearch。正解:MongoDB 文本能力有限,复杂相关性分析用 ES。
  • 误区:通配符索引可替代所有字段索引。正解:体积大、效率有限,仅适合动态字段兜底。

追问

  • 问:地理查询数据格式?答:GeoJSON 点 {type:"Point", coordinates:[lng,lat]}。
  • 问:文本索引能做中文分词吗?答:分词能力受版本与语言支持限制,复杂中文检索应选 ES。

05.5.2.1-006 复合索引的前缀与排序规则是什么?

频率 ★★★★☆ | 难度 高级

一句话结论

复合索引按字段顺序形成前缀;查询需覆盖前缀才能高效使用;排序方向需与索引一致或可反向扫描。

概念解释

  • 前缀:索引 {a:1,b:1} 支持 a、a+b,不支持只按 b。
  • 排序:{a:1,b:-1} 对应查询 a 升 b 降;全反向也可走索引。
  • 等值 + 排序:等值字段在前,排序字段在后。

原理流程

索引 (a asc, b desc)
查询 a=? order by b desc  → 走索引
查询只按 b 排序          → 前缀不匹配,可能全表扫描

代码 / 命令

db.orders.createIndex({ userId: 1, createdAt: -1 });
// 命中:db.orders.find({ userId: 1 }).sort({ createdAt: -1 })

常见误区

  • 误区:复合索引字段顺序无所谓。正解:前缀决定能服务哪些查询。
  • 误区:排序方向必须和索引完全相同。正解:整段反向也能扫描利用索引。

追问

  • 问:多字段排序怎么设计索引?答:等值过滤字段在前,排序字段按方向排列。
  • 问:索引能服务跨字段范围查询吗?答:复合索引中范围字段之后的字段利用受限。

05.5.2.1-007 explain 怎么看查询是否走索引?

频率 ★★★★☆ | 难度 进阶

一句话结论

explain("executionStats") 看 stage:IXSCAN 走索引,COLLSCAN 集合扫描;同时检查 totalDocsExamined 与返回行数。

概念解释

  • stage:COLLSCAN 全扫、IXSCAN 索引扫描、FETCH 回表取文档。
  • 检查项:扫描行数 vs 返回行数、索引命中、是否排序内存限制。
  • 阶段:queryPlanner 计划、executionStats 实际执行统计。

原理流程

explain → 计划阶段选索引 → 执行阶段统计扫描/返回/耗时

代码 / 命令

db.orders.find({ userId: 1 }).explain("executionStats");
// 关注 winningPlan.stage、totalDocsExamined、nReturned

常见误区

  • 误区:出现索引名就一定高效。正解:还需看扫描行数与回表代价。
  • 误区:IXSCAN 后不需要 FETCH。正解:非覆盖索引仍需回表取文档。

追问

  • 问:扫描行数远大于返回行数说明什么?答:索引选择性差或条件未命中好索引。
  • 问:排序没走索引有什么表现?答:SORT 阶段内存排序,超限制报错/降效。

05.5.2.1-008 什么是索引选择性与覆盖索引?

频率 ★★★☆☆ | 难度 进阶

一句话结论

选择性指条件区分度,高选择性索引过滤效果好;覆盖索引包含查询所需全部字段,无需回表 FETCH。

概念解释

  • 选择性:等值字段不同值比例,性别类低选择性字段单独建索引效果差。
  • 覆盖索引:查询字段都在索引中,explain 无 FETCH。
  • 复合设计:把过滤与返回字段纳入索引。

原理流程

高选择性字段 → 索引快速缩小范围
覆盖索引 → 索引内取齐字段 → 不回表

代码 / 命令

// 覆盖:查询字段均在复合索引中
db.orders.createIndex({ userId: 1, status: 1, createdAt: -1 });
db.orders.find({ userId: 1, status: "paid" }, { _id: 0, createdAt: 1 });

常见误区

  • 误区:索引建得越多查询越快。正解:低选择性索引收益小且增加写维护成本。
  • 误区:覆盖索引包含 _id 之外任意字段即可。正解:投影字段必须都在索引键中。

追问

  • 问:低选择性字段怎么用索引?答:与高选择性字段组成复合索引前置/配合。
  • 问:覆盖索引能避免排序吗?答:排序字段在索引顺序中即可走索引排序。

05.5.2.1-009 部分索引和稀疏索引有什么区别?

频率 ★★☆☆☆ | 难度 高级

一句话结论

稀疏索引跳过缺少该字段的文档;部分索引按过滤条件只索引满足规则的文档,可带更丰富的条件表达式。

概念解释

  • 稀疏(sparse):字段不存在的文档不进索引。
  • 部分(partial):partialFilterExpression 按条件(如状态、存在性)筛选索引范围。
  • 收益:减小索引体积、降低维护成本。

原理流程

写入文档 → 判断是否满足索引条件 → 满足才进索引

代码 / 命令

db.users.createIndex({ email: 1 }, { sparse: true });
db.orders.createIndex({ amount: 1 },
  { partialFilterExpression: { status: "paid" } });

常见误区

  • 误区:部分索引可服务不满足条件的查询。正解:只覆盖过滤条件内文档,范围外不走该索引。
  • 误区:稀疏索引不占空间就可多建。正解:仍需写维护,按查询需要建。

追问

  • 问:部分索引适合什么场景?答:只查某类状态/子集数据,其余文档不进索引。
  • 问:唯一部分索引怎么约束?答:唯一性只在索引覆盖范围内生效。

05.5.2.1-010 索引有哪些维护代价?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

索引占用内存与磁盘,写入时需同步维护;索引过多拖慢插入更新并增加内存压力,应按查询清单精简。

概念解释

  • 写代价:每个索引在增删改时更新。
  • 空间:索引键与条目占用存储/内存。
  • 冗余:重复前缀复合索引应合并。

原理流程

写入 → 主文档 + 各索引更新
索引越多 → 写放大越大 → 需评估收益

代码 / 命令

db.collection.getIndexes();
// 核对现有索引,找冗余与未使用索引

常见误区

  • 误区:为每个查询字段单独建索引。正解:优先复合索引覆盖组合查询。
  • 误区:未使用索引可永久保留。正解:定期清理长期未命中索引。

追问

  • 问:怎么判断索引未被使用?答:结合索引使用统计(版本提供)与慢查询分析。
  • 问:建索引在线上大表怎么做?答:后台构建,评估锁与复制影响(版本方式核对)。

05.5.2.1-011 常用查询操作符有哪些?

频率 ★★☆☆☆ | 难度 基础

一句话结论

比较 $eq/$gt/$lt/$in/$nin、逻辑 $and/$or/$not、数组 $elemMatch/$size、存在 $exists、正则 $regex 等。

概念解释

  • 比较:范围与集合匹配。
  • 逻辑:组合条件。
  • 数组:元素匹配与长度。
  • 存在/类型:字段是否存在、类型判断。

原理流程

查询文档 → 操作符解析条件 → 索引过滤或内存匹配

代码 / 命令

db.products.find({
  price: { $gte: 100, $lt: 500 },
  category: { $in: ["a", "b"] },
  tags: { $elemMatch: { $eq: "hot" } }
});

常见误区

  • 误区:$or 每个分支都能自动用索引。正解:分支条件需各自有索引支持。
  • 误区:正则前缀匹配也能走索引。正解:前缀固定正则可用索引,中间/后导通配无法高效利用。

追问

  • 问:$regex 什么时候走索引?答:以固定前缀开头的锚定正则。
  • 问:$exists:false 选择性如何?答:大量文档缺字段时过滤效果差。

05.5.2.1-012 聚合管道分哪些阶段?

频率 ★★★☆☆ | 难度 进阶

一句话结论

聚合是 stage 链式处理:$match 过滤、$group 分组、$project 投影、$sort/$limit/$skip、$lookup 关联、$unwind 拆数组等。

概念解释

  • $match:前置过滤,尽量早用以缩小数据。
  • $group:分组聚合 $sum/$avg/$push。
  • $project:裁剪/计算字段。
  • $unwind:数组拆成多行。

原理流程

collection → $match → $group → $project → 结果

代码 / 命令

db.orders.aggregate([
  { $match: { status: "paid" } },
  { $group: { _id: "$userId", total: { $sum: "$amount" }, cnt: { $sum: 1 } } },
  { $sort: { total: -1 } },
  { $limit: 10 }
]);

常见误区

  • 误区:聚合所有阶段都能下推索引。正解:只有前置 $match 等可利用索引,后续阶段在内存/磁盘处理。
  • 误区:$unwind 后数据量不变。正解:数组展开后行数膨胀。

追问

  • 问:聚合内存限制?答:单阶段默认内存上限,超出需 allowDiskUse(版本数值核对)。
  • 问:聚合 vs 应用层计算?答:能在库内过滤聚合的下推,减少传输。

05.5.2.1-013 文档 16MB 限制与 GridFS 是什么?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

单文档上限 16MB;更大文件用 GridFS 分块存储为多个 chunk 文档,支持分片读取与大文件元数据管理。

概念解释

  • 16MB:单 BSON 文档大小上限。
  • GridFS:把文件拆块存 fs.files 与 fs.chunks。
  • 适用:图片、视频、附件等超 16MB 文件。

原理流程

大文件 → 分块 → chunks 文档 + files 元数据
读取 → 按块拼回

代码 / 命令

// GridFS 由驱动 API 操作;查看分块集合
db.fs.files.find().limit(1);
db.fs.chunks.find({ files_id: ObjectId("...") }).limit(1);

常见误区

  • 误区:文档可以存任意大二进制。正解:超 16MB 必须走 GridFS 或对象存储。
  • 误区:GridFS 适合存小文本。正解:小文件直接存文档更高效。

追问

  • 问:大对象为什么不推荐全放 Mongo?答:文档膨胀影响读写与索引,大文件优先对象存储。
  • 问:GridFS 块大小可配吗?答:默认块大小可由上传参数调整(按驱动文档核对)。

05.5.2.1-014 文档数据库为什么常做反范式建模?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

嵌入冗余减少关联查询、提升读性能;代价是冗余数据更新需多处同步,需按读写频率权衡。

概念解释

  • 反范式:把子数据/快照字段嵌入父文档。
  • 收益:一次读取齐,避免 JOIN。
  • 代价:更新冗余字段需同步多文档。

原理流程

读多写少 → 嵌入冗余
写频繁、实体独立 → 引用 + 必要时冗余快照

代码 / 命令

// 订单内嵌商品快照(下单时点信息)
db.orders.insertOne({
  items: [{ sku: "A", name: "phone", price: 999 }]
});

常见误区

  • 误区:冗余快照和主数据必须实时一致。正解:快照记录时点值,主数据更新不回刷历史订单。
  • 误区:嵌入越多读越快。正解:文档过大反而增加读写成本。

追问

  • 问:哪些字段适合快照冗余?答:下单时的价格、地址等历史时点信息。
  • 问:冗余更新不一致怎么办?答:明确快照语义,必要时后台校正任务。

05.5.2.1-015 MongoDB 多文档事务的边界是什么?

频率 ★★★☆☆ | 难度 高级

一句话结论

副本集支持多文档事务(4.0 起),分片集群跨片事务(4.2 起);事务有性能与版本限制,简单原子操作优先用单文档操作。

概念解释

  • 单文档原子:文档内多字段更新天然原子,不需事务。
  • 多文档事务:跨文档/集合一致性,需事务会话。
  • 限制:跨片事务成本高、版本与引擎要求、运行时限制按官方核对。

原理流程

单文档更新 → 原子完成
跨文档一致性 → session 开启事务 → 提交/回滚

代码 / 命令

const session = db.getMongo().startSession();
session.startTransaction();
try {
  db.accounts.updateOne({ _id: 1 }, { $inc: { balance: -10 } }, { session });
  db.accounts.updateOne({ _id: 2 }, { $inc: { balance: 10 } }, { session });
  session.commitTransaction();
} catch (e) {
  session.abortTransaction();
}

常见误区

  • 误区:MongoDB 完全不支持事务。正解:副本集/分片按版本支持多文档事务。
  • 误区:所有跨文档操作都包事务。正解:能建模为单文档原子更新就不用事务。

追问

  • 问:事务性能代价?答:跨文档/跨片锁与提交协调,高并发下需评估。
  • 问:事务内超时限制?答:按版本配置的事务运行时限核对(待确认目标版本)。

05.5.2.1-016 $lookup 和关系 JOIN 是什么对应关系?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

$lookup 是左连接式聚合阶段,把另一 collection 文档按关联字段匹配嵌入结果;适合少量关联,不等同关系库强大 JOIN 优化器。

概念解释

  • 左连接语义:保留左集合文档,匹配右集合嵌入数组。
  • 关联字段:from/localField/foreignField/as。
  • 限制:关联效率、索引依赖与大数据量成本需评估。

原理流程

主文档 → $lookup 按字段匹配从集合 → 嵌入结果数组

代码 / 命令

db.orders.aggregate([
  { $lookup: {
      from: "users",
      localField: "userId",
      foreignField: "_id",
      as: "user"
  } }
]);

常见误区

  • 误区:$lookup 可做任意复杂多表关联。正解:深关联与大数据量应在建模阶段拆分。
  • 误区:$lookup 结果是标量。正解:嵌入为数组,单条需取首元素。

追问

  • 问:关联字段需要索引吗?答:foreignField 有索引可显著降低匹配成本。
  • 问:关联性能差怎么改?答:改嵌入/冗余,或应用层批量查询补全。

05.5.2.1-017 多键数组和深嵌套有哪些坑?

频率 ★★☆☆☆ | 难度 高级

一句话结论

数组多键索引条目随元素膨胀;深嵌套字段路径长、更新复杂;数组无限增长会让文档失控。

概念解释

  • 多键膨胀:数组每个元素产生索引条目。
  • 深嵌套:路径书写与更新定位复杂,查询易遗漏。
  • 数组增长:父文档持续变大,迁移与写入成本上升。

原理流程

数组元素增多 → 索引条目膨胀 → 写放大/体积上升
深嵌套 → 更新需定位完整路径 → 易错

代码 / 命令

// 避免无界数组嵌入;大基数子数据独立 collection
db.posts.findOne({ _id: 1 }, { comments: 1 });

常见误区

  • 误区:数组字段随便建多键索引。正解:大数组多键索引体积大,需评估。
  • 误区:嵌套层级深不影响使用。正解:深路径查询与维护成本高,建模应控制嵌套深度。

追问

  • 问:数组去重/更新单个元素怎么做?答:$addToSet、$pull、位置定位更新。
  • 问:评论/消息流怎么存?答:独立集合按父 id 分页查,避免父文档无界增长。

05.5.2.1-018 MongoDB 适合和不适合什么场景?

频率 ★★★☆☆ | 难度 进阶

一句话结论

适合文档型、schema 多变、读多写少、嵌套对象与水平扩展场景;强事务复杂关联、严格结构化报表与固定关系模型更适合关系库。

概念解释

  • 适合:内容管理、商品/订单文档、画像、日志、灵活 schema。
  • 不适合:复杂多表 JOIN、强一致跨实体事务、严格行列报表。
  • 选型:结合访问模式、数据关系与团队经验。

原理流程

数据形态 + 关系复杂度 + 事务要求 + 扩展方式 → 选型

代码 / 命令

// 选型前核对现有模型:关联数量、事务需求、查询模式
db.collection.getIndexes();

常见误区

  • 误区:文档库可以替代所有关系库。正解:关系密集、强事务场景关系库更稳。
  • 误区:MongoDB 自动解决所有扩展问题。正解:片键与建模不当仍会热点。

追问

  • 问:和 Redis 文档缓存区别?答:MongoDB 持久化查询能力强,Redis 低内存延迟缓存。
  • 问:复杂全文检索用什么?答:Elasticsearch,MongoDB 文本索引能力有限。

参考来源