MongoDB 学习笔记

LuLaLuLaLeLLLLLL2025-07-16 12:53

1. MongoDB 与传统关系型数据库的区别？

MongoDB 是一种 NoSQL 的文档型数据库，和传统关系型数据库（如 MySQL、PostgreSQL）在以下几个方面存在显著差异：

    1. 数据模型
      MongoDB：以 BSON 文档形式存储数据，结构灵活，字段可以嵌套对象和数组，天然适合非结构化或半结构化数据。

关系型数据库：采用表结构，字段和类型固定，严格遵守行与列的二维模型，数据之间通过外键等方式关联。

    1. 模式（Schema）
      MongoDB：默认是 schema-less（无固定模式），可以存储结构不同的文档；也可以通过 JSON Schema 进行约束。

关系型数据库：必须先定义表结构（字段、类型、约束等），插入数据必须符合表定义。

    1. 查询语言
      MongoDB：使用类 JSON 的查询语法，操作方式更接近编程对象操作。

关系型数据库：使用标准的 SQL 语言，具备强大的 JOIN、子查询、事务等能力。

2. MongoDB 的数据模型和基本结构？

MongoDB 是一个基于文档的 NoSQL 数据库，核心的数据模型是「数据库 → 集合 → 文档」的三层结构：

    • 数据库（Database）：就像关系型数据库中的一个库。
    • 集合（Collection）：类似表，但不需要提前定义字段结构，可以存储结构不同的文档。
    • 文档（Document）：是实际存储的数据单元，格式是类 JSON 的 BSON，可以包含嵌套对象和数组。

每个文档默认有一个 _id 主键字段，类型是 ObjectId，也可以自定义。文档中的字段不要求统一，MongoDB 的 schema 是灵活的。

MongoDB 的集合可以隐式创建，也可以使用 db.createCollection() 显式创建；一般情况下是自动创建的，但如果需要添加 schema 验证或者配置固定集合（如 capped collection），就会使用显式方式。

这种模型非常适合处理非结构化、变化频繁的数据，比如内容管理系统、用户行为日志等场景。

3. MongoDB 如何实现主键自增？

MongoDB 默认使用 ObjectId 作为 _id 主键，是全局唯一但不自增。如果需要自增主键，可以在应用层用 Redis ，UUID 或雪花算法生成唯一 ID。

4. MongoDB 如何实现索引？常见索引类型有哪些？

MongoDB 支持多种索引类型，包括单字段、复合索引、唯一索引、文本索引、TTL索引、地理空间索引等。我们可以通过 createIndex() 创建索引，通过 explain() 查看是否命中。使用索引可以大幅提升查询性能，但也会带来写入开销，需要权衡使用。

  • 索引会加快读取，但会增加写入开销（写时需要更新索引）；
  • 应避免滥用索引，尤其是重复索引、低选择性字段索引；
  • 查询语句应尽量命中索引前缀（尤其是复合索引）；
  • 可通过 explain() 分析查询是否使用了索引；
  • MongoDB 的 _id 字段默认自带唯一索引。

5. MongoDB 如何进行聚合查询？

使用 Spring Data MongoDB 的 Aggregation API

复制代码 
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.mongodb.core.MongoTemplate;
import org.springframework.data.mongodb.core.aggregation.Aggregation;
import org.springframework.data.mongodb.core.aggregation.AggregationResults;
import org.springframework.stereotype.Service;

import java.util.Date;
import java.util.List;

@Service
public class SearchHistoryService {

    @Autowired
    private MongoTemplate mongoTemplate;

    public List<UserSearchCount> aggregateSearchCountsLast7Days() {
        Date sevenDaysAgo = new Date(System.currentTimeMillis() - 7L * 24 * 60 * 60 * 1000);

        Aggregation aggregation = Aggregation.newAggregation(
                Aggregation.match(org.springframework.data.mongodb.core.query.Criteria.where("createdAt").gte(sevenDaysAgo)),
                Aggregation.group("userId").count().as("count"),
                Aggregation.sort(org.springframework.data.domain.Sort.Direction.DESC, "count"),
                Aggregation.limit(10)
        );

        AggregationResults<UserSearchCount> results = mongoTemplate.aggregate(aggregation, "searchHistory", UserSearchCount.class);
        return results.getMappedResults();
    }

    public static class UserSearchCount {
        private String userId;
        private int count;

        // getters and setters

        public String getUserId() {
            return userId;
        }
        public void setUserId(String userId) {
            this.userId = userId;
        }
        public int getCount() {
            return count;
        }
        public void setCount(int count) {
            this.count = count;
        }
    }
}

6. MongoDB 是否支持事务？实现机制是什么？

MongoDB 自 4.0 起支持多文档 ACID 事务，基于客户端会话和 WiredTiger 的 MVCC 实现，支持副本集和分片集群环境。分布式事务采用两阶段提交协议，保证跨分片操作的原子性和一致性。事务使用时需启动会话，写操作提交或回滚，性能开销较大，应慎重使用。

7. MongoDB 如何实现高可用？

MongoDB 通过副本集实现高可用，副本集包含主节点和多个从节点，主节点写入数据后同步到从节点；当主节点故障时，自动通过选举产生新的主节点，实现自动故障转移。结合分片集群，可以实现数据的高可用和水平扩展。

8. MongoDB 如何做分片？分片的原理是什么？

MongoDB 分片机制类似 Kafka 的分区概念，都是将数据划分为多个分区（分片），但 MongoDB 的分片是针对 collection 的数据做水平切分，每个分片本身是一个副本集，保证高可用。客户端通过 mongos 路由器把请求按 shard key 路由到对应分片，实现分布式存储和负载均衡。

|------------|-------------------------------|-----------------------------------|
| 方面 | MongoDB 分片（Sharding） | Kafka 分区（Partition） |
| 划分粒度 | 一个数据库中的每个 collection 可以分成多个分片 | 一个 topic 可以划分成多个分区 |
| 分片含义 | 分片是数据水平切分，分片内存储部分数据 | 分区是消息队列的基本单位，每个分区存储部分消息 |
| 副本机制 | 每个分片本身是一个副本集，分片有主节点和多个从节点 | 分区有一个 leader（主节点）和多个 follower（副本） |
| 数据分布方式 | 根据 shard key（分片键）决定数据路由到哪个分片 | 生产者根据 key 决定消息写入哪个分区 |
| 扩展性 | 通过增加分片节点实现水平扩展，分片数目固定不轻易变动 | 分区数在 topic 创建时定义，运行中不易变 |
| 主要目的 | 解决数据量大、读写压力高的问题，实现大规模分布式存储 | 实现高吞吐、高可用的消息传递 |

9. MongoDB 性能优化常见措施有哪些？

1.合理设计索引

建立常用查询字段的索引，避免全表扫描

利用复合索引覆盖多个查询条件

使用唯一索引保证数据唯一性和快速定位

避免索引过多，防止写入性能下降

利用TTL 索引自动过期数据，减小数据量

2.集群与硬件层面优化

使用副本集实现读写分离，读取从节点，减轻主节点压力

合理配置分片集群，实现水平扩展和负载均衡

3.优化查询

避免使用不支持索引的查询操作，如正则表达式前缀不确定的查询

使用 explain() 分析查询执行计划，发现慢查询

避免在大文档里返回不必要的字段，使用 投影（projection）减少数据传输

合理分页，避免大偏移量分页带来的性能损耗，推荐基于条件的"游标"分页

10. MongoDB 和 Elasticsearch 如何配合使用？

MongoDB 负责存储，Elasticsearch 负责搜索，通过同步机制保持数据一致，实现高性能、高可用的搜索架构。

典型流程示例：

用户发起搜索请求

前端将搜索关键词发送到后端。

ES 执行全文检索

后端调用 ES，快速定位相关文档（例如文章、商品等），并返回匹配结果。

MongoDB 记录搜索历史

将用户搜索关键词、时间戳、用户ID 等信息异步写入 MongoDB，方便后续做热搜、个性化推荐等。

MySQL 作为主数据源

存储业务核心数据，如用户信息、订单、权限等，确保数据完整性和事务一致。

方式 1：应用层双写（同步写入）

  • 代码中同时写入 MongoDB 和 Elasticsearch。

  • 优点：实现简单。

  • 缺点：耦合高、失败处理复杂。

    articleRepository.save(article); // MongoDB
    esClient.index(articleDoc); // Elasticsearch

方式 2：异步同步（推荐）

  • 写入 MongoDB 后发送事件（Kafka、RabbitMQ、RocketMQ）

  • 消费者异步同步数据到 Elasticsearch。

  • 优点：解耦、性能好、可靠性强。

    用户发请求 → MongoDB 存数据 → 发送同步事件 → 消费者写入 Elasticsearch

11. 搜索框的历史搜索记录，用 MongoDB 存储有什么好处？

  1. MongoDB 支持灵活字段、嵌套对象和数组，无需修改表结构即可扩展字段，开发迭代效率高。

  2. MongoDB 的写入性能优于传统关系型数据库，特别适合高并发、高速写入场景。搜索记录属于典型的"写多读少。

  3. MongoDB 支持 TTL 索引，可以自动删除过期数据，免维护清理脚本。

    db.searchHistory.createIndex(
    { createdAt: 1 }, // 对 createdAt 字段创建升序索引
    { expireAfterSeconds: 2592000 } // 设置文档在 createdAt 时间点后 2592000 秒自动过期（30 天）
    )

12. 如何在项目中使用 MongoDB?

  1. 添加依赖（Maven）

    <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-mongodb</artifactId> </dependency>

  2. 配置 application.properties

    spring.data.mongodb.uri=mongodb://localhost:27017/mydb

  3. 定义实体类

    import org.springframework.data.annotation.Id;
    import org.springframework.data.mongodb.core.mapping.Document;

    @Document(collection = "users")
    public class User {
    @Id
    private String id;
    private String name;
    private Integer age;

    复制代码 
     // getters and setters

    }

  4. 定义 Repository 接口

    import org.springframework.data.mongodb.repository.MongoRepository;

    public interface UserRepository extends MongoRepository<User, String> {
    User findByName(String name);
    }

  5. 使用示例

    import org.springframework.beans.factory.annotation.Autowired;
    import org.springframework.stereotype.Service;

    @Service
    public class UserService {
    @Autowired
    private UserRepository userRepository;

    复制代码 
     public void runExample() {
     User user = new User();
     user.setName("Alice");
     user.setAge(25);
     userRepository.save(user);

     User found = userRepository.findByName("Alice");
     System.out.println(found.getName() + ", " + found.getAge());
 }

    }

相关推荐
devops_sre7 分钟前
mongodb原理及其实现
数据库·mongodb
笑衬人心。1 小时前
Hashtable 与 HashMap 的区别笔记
java·数据结构·笔记
金心靖晨1 小时前
消息中间件优化高手笔记
java·数据库·笔记
鼠鼠我捏，要死了捏2 小时前
MongoDB性能优化实战指南：原理、实践与案例
数据库·mongodb·性能优化
心疼你的一切2 小时前
Unity 多人游戏框架学习系列一
学习·游戏·unity·c#·游戏引擎
__只是为了好玩__2 小时前
MongoDB 数据库 启用访问控制
数据库·mongodb
Chef_Chen3 小时前
从0开始学习R语言--Day47--Nomogram
学习
Pi_Qiu_3 小时前
Python初学者笔记第十三期 -- （常用内置函数）
java·笔记·python
毕设源码柳学姐5 小时前
计算机毕业设计Java医学生在线学习平台系统 基于 Java 的医学生在线学习平台设计与开发 Java 医学在线教育学习系统的设计与实现
java·学习·课程设计
不过普通话一乙不改名5 小时前
扩展：操作系统之高性能网络计算
网络·笔记
热门推荐
01全球最强模型Grok4，国内已可免费使用！（附教程）02KGG转MP3工具|非KGM文件|解密音频03Coze扣子平台完整体验和实践（附国内和国际版对比）04《深入设计模式》模式结构汇总05使用Ruby接入实时行情API教程06扣子（coze）实战|我用扣子搭建了一个自动分析小红薯笔记内容的AI应用|详细步骤拆解07LOT: 通过逻辑增强大型语言模型的零样本Chain-of-Thought推理能力08集群聊天服务器---MySQL数据库的建立09DeepSeek各版本说明与优缺点分析10基于odoo17的设计模式详解---单例模式