元婴期

15. 如何优化 MongoDB 查询性能？有哪些常见的优化策略？

使用索引：
- 为常用查询字段创建索引，避免全表扫描。
- 使用组合索引加速复杂查询，并确保索引字段顺序与查询条件匹配。
避免不必要的索引：
- 尽量减少不常用或冗余的索引，因为每个索引都会增加插入和更新的开销。
使用 covered query：
- 查询时只获取被索引的字段，这样可以避免访问文档，MongoDB 只需通过索引返回结果。
合理使用聚合管道：
- 聚合查询时尽量将 $match 阶段放在管道的开头，减少后续数据处理量。
限制返回字段：
- 使用 projection（投影）只返回必要的字段，减少网络带宽消耗。
避免大的 $or 查询：
- 在查询中避免使用过多的 $or 条件，可以拆分查询，分批次获取数据。

示例

# 为 users 集合中的 email 字段创建索引，并使用索引优化查询
db.users.createIndex({ email: 1 })
db.users.find({ email: "example@example.com" }).explain("executionStats")

16. MongoDB 的写关注（Write Concern）是什么？它如何影响数据的一致性？

写关注 是 MongoDB 中的一种机制，用于控制数据写入时的确认级别，它影响写操作的可靠性和一致性。

常见的写关注级别

w: 1：默认设置，写操作只需主节点确认，写入效率高，但可能会在主节点故障后丢失数据。
w: majority：写操作必须得到大多数节点的确认，确保数据持久化，即使主节点故障，也不会丢失数据。
w: 0：不需要确认，异步写入，最快，但有数据丢失风险。

示例

db.users.insert({ name: "Alice" }, { writeConcern: { w: "majority", j: true } })

该操作要求写入必须得到大多数节点的确认，并且在写入日志文件后才算成功。

写关注对一致性的影响

较高的写关注级别可以确保数据的强一致性，但会增加延迟。
较低的写关注则可以提高写入速度，但存在数据丢失的风险。

17. MongoDB 中的读关注（Read Concern）和读偏好（Read Preference）有什么区别？

读关注 和 读偏好 都是 MongoDB 中影响数据读取行为的机制，但它们关注的侧重点不同。

读关注：

控制读操作的数据一致性级别，决定查询时能够读取哪些数据。
常见级别：
- local：返回最新可用的数据（默认）。
- majority：返回已在多数节点上确认的数据，保证读取到的数据是已持久化的。
- linearizable：提供最强一致性，确保返回的结果是最新的写入。

读偏好

决定从哪些节点读取数据，尤其在复制集中发挥作用。
常见级别：
- primary：始终从主节点读取数据（默认）。
- secondary：始终从从节点读取数据，适合只读操作。
- primaryPreferred：优先从主节点读取，若主节点不可用则从从节点读取。

示例

# 使用读关注和读偏好进行查询
db.users.find().readConcern("majority").readPreference("secondary")

该查询要求返回已在多数节点确认的数据，并且优先从从节点读取。

18. 如何使用 MongoDB 进行数据备份和恢复？

使用 mongodump 和 mongorestore

mongodump：用于导出数据库的二进制数据。

mongorestore：用于从备份文件恢复数据。

示例

# 备份 `myDatabase` 数据库
mongodump --db myDatabase --out /backups/myDatabaseBackup

恢复数据库：

mongorestore --db myDatabase /backups/myDatabaseBackup/myDatabase

快照备份
- 对于分布式集群或副本集，使用快照技术进行物理备份是一种常用方式。
复制集备份
- 在复制集中，从节点可以在读取操作中被独立备份，不影响主节点的正常运行。

19. MongoDB 的锁机制是怎样的？如何处理并发问题？

MongoDB 使用 多粒度锁机制，它提供了一种细化的锁控制，从而提高并发性。

锁类型：

全局锁：MongoDB 的早期版本（3.0 之前）主要使用全局锁。
数据库锁：从 MongoDB 3.0 开始，锁粒度细化到数据库级别，每个数据库拥有独立的锁。
集合锁：MongoDB 3.2 之后进一步支持集合级别的锁。
文档锁：从 MongoDB 3.6 开始，MongoDB 支持基于文档的锁机制，极大地提高了并发能力。

如何处理并发问题

写冲突检测：在事务中，MongoDB 检测到写冲突时，会自动重试事务，直到成功。
锁升级与降级：MongoDB 自动管理锁的升级与降级，确保锁粒度合适，以提升性能。

20. 如何在 MongoDB 中监控性能？有哪些工具可以帮助监控 MongoDB 实例？

mongostat
- 实时监控 MongoDB 实例的关键性能指标，如插入、查询、更新、删除、读写锁等。
- 命令：
```
  mongostat --host localhost --port 27017
```
mongotop
- 显示每个集合的读写操作耗时，帮助分析哪些集合是性能瓶颈。
- 命令：
```
  mongotop 5  # 每 5 秒更新一次
```
MongoDB Ops Manager / Cloud Manager：
- 官方提供的图形化监控工具，可以全面监控 MongoDB 集群的健康状况，包括 CPU、内存、磁盘 I/O、操作数量等。
日志分析：
- 通过分析 MongoDB 日志文件，可以找到慢查询、错误或性能瓶颈。
- 配置慢查询日志：
```
  db.setProfilingLevel(1, { slowms: 100 })  # 记录超过 100 毫秒的慢查询
```

21. 如何设计 MongoDB 的数据模型？有哪些最佳实践？

设计 MongoDB 的数据模型时，需要根据应用的需求选择合适的存储结构。MongoDB 不强制固定模式，因此需要合理设计以提升性能和简化查询。

嵌入式文档

对于 1:1 或 1:多的关系，使用嵌入式文档将相关数据存储在同一个文档中，可以减少查询时的 JOIN 操作。

示例

{
"name": "Alice",
"orders": [
  { "order_id": 1, "amount": 100 },
  { "order_id": 2, "amount": 150 }
]
}

引用文档

对于 多:多 或 数据量较大 的关系，可以使用文档引用，将相关文档的 _id 进行关联，必要时通过 $lookup 实现关联查询。

示例

{
"_id": 1,
"customer_id": 123,
"product_ids": [1001, 1002]
}

优化模式以支持查询

在设计文档结构时，考虑应用中最常用的查询模式，确保常用字段可以通过索引快速访问。

避免过大的文档

单个文档的大小不应超过 16 MB。对于大型数据，使用 GridFS 或拆分数据到多个文档。

预分片设计：

对于大规模系统，可以在初始设计时规划好分片键，避免数据倾斜。

元婴期

元婴期