MongoDB面试题

1、MongoDB是什么？

MongoDB是由C++语言编写的，是一个基于分布式文件存储的开源数据库系统。在高负载的情况下，添加更多

的节点，可以保证服务器性能。 MongoDB旨在为WEB应用提供可扩展的高性能数据存储解决方案，将数据存

储为一个文档，数据结构由键值(key=>value)对组成。MongoDB文档类似于 JSON 对象。字段值可以包含

其他文档，数组及文档数组。

2、MongoDB有哪些特点？

（1）MongoDB 是一个面向文档存储的数据库，操作起来比较简单和容易；

（2）可以在MongoDB记录中设置任何属性的索引；

（3）可以通过本地或者网络创建数据镜像，这使得MongoDB有更强的扩展性：

（4）如果负载的增加（需要更多的存储空间和更强的处理能力），它可以分布在计算机网络中的其他节点上

这就是所谓的分片；

（5）支持丰富的查询表达式，查询指令使用JSON形式的标记，可轻易查询文档中内嵌的对象及数组。

3、MySQL与MongoDB之间最基本的差别是什么?

MySQL和MongoDB两者都是免费开源的数据库。MySQL和MongoDB有许多基本差别包括数据的表示查询、关

系、事务、schema的设计和定义、标准化、速度和性能。通过比较MySQL和MongoDB，实际上我们是在比较

关系型和非关系型数据库，即数据存储结构不同。

4、monogodb中的分片什么意思？

分片是将数据水平切分到不同的物理节点，当应用数据越来越大的时候，数据量也会越来越大。当数据量增长

时，单台机器有可能无法存储数据或可接受的读取写入吞吐量，利用分片技术可以添加更多的机器来应对数据

量增加以及读写操作的要求。

5、MongoDB中的命名空间是什么意思?

mongodb存储bson对象在丛集(collection)中，数据库名字和丛集名字以句点连结起来叫做名字空间，一

个集合命名空间又有多个数据域(extent)，集合命名空间里存储着集合的元数据，比如集合名称，集合的第

一个数据域和最后一个数据域的位置等等。而一个数据域由若干条文档(document)组成，每个数据域都有一

个头部，记录着第一条文档和最后一条文档的为知，以及该数据域的一些元数据。extent之间，document之

间通过双向链表连接，索引的存储数据结构是B树，索引命名空间存储着对B树的根节点的指针。

6、在MongoDb中索引是什么？

索引用于高效的执行查询，没有索引的MongoDB将扫描整个集合中的所有文档，这种扫描效率很低，需要处理

大量的数据，索引是一种特殊的数据结构,将一小块数据集合保存为容易遍历的形式。索引能够存储某种特殊

字段或字段集的值，并按照索引指定的方式将字段值进行排序。

7、MongoDB成为最好NoSQL数据库的原因是什么?

以下特点使得MongoDB成为最好的NoSQL数据库：面向文件的；高性能；高可用性；易扩展性；丰富的查询语

言。

8、解释一下什么是MongoDB中的GridFS ?

为了存储和检索大文件，例如图像，视频文件和音频文件，使用GridFS。默认情况下，它使用两个文件

fs.files和fs.chunks来存储文件的元数据和块

9、分析器在MongoDB中的作用是什么?

MongoDB中包括了一个可以显示数据库中每个操作性能特点的数据库分析器。通过这个分析器你可以找到比预

期慢的查询(或写操作);利用这一信息，比如，可以确定是否需要添加索引。

10、MongoDB更新操作会立刻 fsync 到磁盘?

不会，磁盘写操作默认是延迟执行的。写操作可能在两三秒(默认在 60 秒内)后到达磁盘。例如，如果一秒

内数据库收到一千个对一个对象递增的操作，仅刷新磁盘一次。(注意，尽管 fsync 选项在命令行和经过

getLastError_old 是有效的）

11、MongoDB副本集选举条件有那些？

1.复制集初始化。

2.主节点挂掉。

3.主节点脱离副本集（可能是网络原因）。

4.参与选举的节点数量必须大于副本集总节点数量的一半，如果已经小于一半了所有节点保持只读状态。 

12、简单的描述下MongoDB选举流程

1、副本集中的主节点选举必须满足“大多数”的原则，所谓“大多数”是指副本中一半以上的成员。副本集中成员只有在得到大多数成员投票支持时，才能成为主节点。例如：有N个副本集成员节点，必须有N/2+1个成员

投票支持某个节点，此节点才能成为主节点。注意：副本集中若有成员节点处于不可用状态，并不会影响副本

集中的“大多数”，“大多数”是以副本集的配置来计算的。

2、仲裁节点（Arbiter）它并不保存数据，并且不能被选举为主节点，但是具有投票权。仲裁节点使用最小

的资源，不能将Arbiter部署在同一个数据集节点中。

3、副本集中最好是有奇数个成员节点，如果有偶数个节点，最好加一个仲裁节点。若副本集中有偶数个成员

节点，如图2所示，IDC1网络连不通IDC2，IDC1和IDC2内的成员节点分别会发生选举主节点的行为，然而选

举因都无法满足大多数的原则，都不能选出主节点；加入一个仲裁节点之后，则副本集就能满足大多数原则，

从中选出主节点了。

4.如果副本集成员节点数量是奇数，就不再需要仲裁者。但是如果在成员节点是奇数时，强行使用仲裁者，会

导致选举耗时变长。由于添加了仲裁者就可能出现两个成员节点票数相同的情况，从而导致选举耗时变长。

5.若在一轮投票中，副本集中成员节点被投了反对票，则本轮不能被选为主节点。例如，在一个10个成员节点

的副本集，某轮投票中，成员节点A由于数据延迟较大被某个成员节点投了反对票，则A同时收到了9票赞成

票，然而A仍然不能被选为主节点。

6.集群中的优先级为0的节点不能成为主节点，并且不能触发选举，但是具有投票权，并且拥有与主节点一致

的数据集。

13、什么是MongoDB分片集群?

Sharding cluster是一种可以水平扩展的模式,在数据量很大时特给力,实际大规模应用一般会采用这种架

构去构建。sharding分片很好的解决了单台服务器磁盘空间、内存、cpu等硬件资源的限制问题，把数据水

平拆分出去，降低单节点的访问压力。每个分片都是一个独立的数据库，所有的分片组合起来构成一个逻辑上

的完整的数据库。因此，分片机制降低了每个分片的数据操作量及需要存储的数据量，达到多台服务器来应对

不断增加的负载和数据的效果。

14、MongoDB中为何需要水平分片？

1）减少单机请求数,将单机负载,提高总负载

2）减少单机的存储空间,提高总存空间

15、MongoDB中分片键的意义何在？

1、一个好的片键对分片至关重要。 片键必须是一个索引 ,通 过 sh.shardCollection 加会自动创建索

引。一个自增的片键对写入和数据均匀分布就不是很好, 因为自增的片键总会在一个分片上写入,后续达到某

个阀值可能会写到别的分片。但是按照片键查询会非常高效。随机片键对数据的均匀分布效果很好。注意尽量

避免在多个分片上进行查询。

2、在所有分片上查询,mongos 会对结果进行归并排序，提高查询效率和速度

16、什么情况下需要用到MongoDB的分片？

1）机器的磁盘不够用了。使用分片解决磁盘空间的问题。

2）单个mongod已经不能满足写数据的性能要求。通过分片让写压力分散到各个分片上面,使用分片服务器自

身的资源。

3）想把大量数据放到内存里提高性能。和上面一样,通过分片使用分片服务器自身的资源。

17、构建一个分片集群需要用的那些角色？分别是什么？

1）分片服务器（Shard Server）

  mongod 实例,用于存储实际的数据块,实际生产环境中一个 shard server 角色可由几台机器组个一

个 relica set 承担,防止主机单点故障

  这是一个独立普通的mongod进程,保存数据信息。可以是一个副本集也可以是单独的一台服务器。

2）配置服务器（Config Server）

  mongod 实例,存储了整个 Cluster Metadata,其中包括 chunk 信息。

  这是一个独立的mongod进程,保存集群和分片的元数据,即各分片包含了哪些数据的信息。最先开始建立,

启用日志功能。像启动普通的 mongod 一样启动

  配置服务器,指定configsvr 选项。不需要太多的空间和资源,配置服务器的 1KB 空间相当于真是数据

的 200MB。保存的只是数据的分布表。

3）路由服务器（Route Server）

  mongos实例,前端路由,客户端由此接入,且让整个集群看上去像单一数据库,前端应用

  起到一个路由的功能,供程序连接。本身不保存数据,在启动时从配置服务器加载集群信息,开启 mongos

进程需要知道配置服务器的地址,指定configdb选项。

18、如何执行事务/加锁?

MongoDB没有使用传统的锁或者复杂的带回滚的事务，因为它设计的宗旨是轻量，快速以及可预计的高性能。

可以把它类比成MySQL MylSAM的自动提交模式。通过精简对事务的支持，性能得到了提升，特别是在一个可

能会穿过多个服务器的系统里。

19、副本集角色有那些？做是什么？

1. 主节点（Primary）

接收所有的写请求，然后把修改同步到所有Secondary。一个Replica Set只能有一个Primary节点，当

Primary挂掉后，其他Secondary或者Arbiter节点会重新选举出来一个主节点。

默认读请求也是发到Primary节点处理的，可以通过修改客户端连接配置以支持读取Secondary节点。

2. 副本节点（Secondary）

与主节点保持同样的数据集。当主节点挂掉的时候，参与选主。

3. 仲裁者（Arbiter）

不保有数据，不参与选主，只进行选主投票。使用Arbiter可以减轻数据存储的硬件需求，Arbiter几乎没什

么大的硬件资源需求，但重要的一点是，在生产环境下它和其他数据节点不要部署在同一台机器上。

20、非关系型数据库有哪些类型？

1、 Key-Value 存储 Eg:Amazon S3

2、图表 Eg:Neo4J

3、文档存储 Eg:MongoDB

4、基于列存储 Eg:Cassandra

21、数据在什么时候才会扩展到多个分片(shard)里?

MongoDB 分片是基于区域(range)的。所以一个集合(collection)中的所有的对象都被存放到一个块

(chunk)中。只有当存在多余一个块的时候，才会有多个分片获取数据的选项。现在，每个默认块的大小是

64Mb，所以你需要至少 64 Mb 空间才可以实施一个迁移。

22、如果在一个分片(shard)停止或者很慢的时候，我发起一个查询会怎样?

如果一个分片(shard)停止了，除非查询设置了“Partial”选项，否则查询会返回一个错误。如果一个分片

(shard)响应很慢，MongoDB则会等待它的响应。

23、如何理解MongoDB中的GridFS机制，MongoDB为

何使用GridFS来存储文件？

GridFS是一种将大型文件存储在MongoDB中的文件规范。使用GridFS可以将大文件分隔成多个小文档存放，

这样我们能够有效的保存大文档，而且解决了BSON对象有限制的问题。

24、我应该启动一个集群分片(sharded)还是一个非集群分片的 MongoDB 环境?

为开发便捷起见，我们建议以非集群分片(unsharded)方式开始一个 MongoDB 环境，除非一台服务器不足

以存放你的初始数据集。从非集群分片升级到集群分片(sharding)是无缝的，所以在你的数据集还不是很大

的时候没必要考虑集群分片(sharding)。

25、MongoDB适合应用在那些场景?

从目前阿里云 MongoDB 云数据库上的用户看，MongoDB 的应用已经渗透到各个领域，比如游戏、物流、电

商、内容管理、社交、物联网、视频直播等，以下是几个实际的应用案例。

游戏场景，使用 MongoDB 存储游戏用户信息，用户的装备、积分等直接以内嵌文档的形式存储，方便查询、

更新物流场景，使用 MongoDB 存储订单信息，订单状态在运送过程中会不断更新，以 MongoDB 内嵌数组的形

式来存储，一次查询就能将订单所有的变更读取出来。

社交场景，使用 MongoDB 存储存储用户信息，以及用户发表的朋友圈信息，通过地理位置索引实现附近的

人、地点等功能物联网场景，使用 MongoDB 存储所有接入的智能设备信息，以及设备汇报的日志信息，并对这些信息进行多维度的分析视频直播，使用 MongoDB 存储用户信息、礼物信息等

26、"ObjectID"有哪些部分组成

一共有四部分组成:时间戳、客户端ID、客户进程ID、三个字节的增量计数器。

_id是一个 12 字节长的十六进制数，它保证了每一个文档的唯一性。在插入文档时，需要提供_id。如果你

不提供，那么 MongoDB 就会为每一文档提供一个唯一的 id。_id的头 4 个字节代表的是当前的时间戳，

接着的后 3 个字节表示的是机器 id 号，接着的 2 个字节表示 MongoDB 服务器进程 id，最后的 3 个

字节代表递增值。

27、如何使用"AND"或"OR"条件循环查询集合中的文档

在 find() 方法中，如果传入多个键，并用逗号( , )分隔它们，那么 MongoDB 会把它看成是AND条件。

>db.mycol.find({key1:value1, key2:value2}).pretty()

若基于OR条件来查询文档，可以使用关键字$or。

>db.mycol.find(

{

$or: [

  {key1: value1}, {key2:value2}

]

}

).pretty()

28、在MongoDB中如何排序？

MongoDB 中的文档排序是通过 sort() 方法来实现的。 sort() 方法可以通过一些参数来指定要进行排序

的字段，并使用 1 和 -1 来指定排序方式，其中 1 表示升序，而 -1 表示降序。

>db.connectionName.find({key:value}).sort({columnName:1})

29、什么是聚合？

聚合操作能够处理数据记录并返回计算结果。聚合操作能将多个文档中的值组合起来，对成组数据执行各种操

作，返回单一的结果。它相当于 SQL 中的 count(*) 组合 group by。对于 MongoDB 中的聚合操作，

应该使用 aggregate() 方法。

>db.COLLECTION_NAME.aggregate(AGGREGATE_OPERATION)

30、raft选举过程，投票规则？

选举过程：

当系统启动好之后，初始选举后系统由1个Leader和若干个Follower角色组成。然后突然由于某个异常

原因，Leader服务出现了异常，导致Follower角色检测到和Leader的上次RPC更新时间超过给定阈值时间

时。此时Follower会认为Leader服务已出现异常，然后它将会发起一次新的Leader选举行为，同时将自身

的状态从Follower切换为Candidate身份。随后请求其它Follower投票选择自己。

投票规则：

当一个候选人获得了同一个任期号内的大多数选票，就成为领导人。

每个节点最多在一个任期内投出一张选票。并且按照先来先服务的原则。

一旦候选人赢得选举，立刻成为领导，并发送心跳维持权威，同时阻止新领导人的诞生