基础
mongodb是什么？
一个基于分布式文件存储的开源NoSQL数据库系统。
MongoDB的存储引擎
与mysql一样，mongo也是采用的插件式的存储引擎架构，支持不同类型的存储引擎。不同的存储引擎解决不同场景的问题。在创建数据库或集合时，可以指定存储引擎。
主要是有两种存储引擎：
- WiredTiger 存储引擎：自mongo3.2版本以后，默认的就是WiredTiger存储引擎。
- In-Memory 存储引擎：在mongodb Enterprise中可用。它不是将文档存储在磁盘上，而是将他们保留在内存中以获得更可预测的数据延迟。
WiredTiger是基于LSM Tree 还是 B+Tree？
参考资料：WiredTiger存储引擎之一：基础数据结构分析
WiredTiger默认配置的是B-Tree结构。
在B-Tree中，从上往下依次为Root节点、内部节点和叶子节点，每个节点就是一个Page，数据以Page为单位在内存和磁盘间进行调度，每个Page的大小决定了相应节点的分支数量，每条索引记录会包含一个数据指针，指向一条数据记录所在文件的偏移量。
磁盘上的基础数据结构：
对于WiredTiger存储引擎来说，集合所在的数据文件和相应的索引文件都是按B-Tree结构来组织的，不同之处在于数据文件对应的B-Tree叶子结点上除了存储键名外(keys)，还会存储真正的几何数据(values)，所以数据文件的存储结构也可以说是一种B+Tree,如下图：
从图中可以看到，B+Tree中的leaf page包含一个页头(page header)、块头(block header)和真正的数据(key/value)，其中页头定义了页的类型、叶总实际荷载数据的大小、页中记录的条数等信息；块头定义了此页的checksum、块在磁盘上的寻址位置等信息。
WiredTiger有一个块设备管理的模块，用来为page分配block。如果要定位某一行数据(key/value)的位置，可以先通过block的位置找到此page(相对于文件起始位置的偏移量)，再通过page找到行数据的相对位置，最后可以得到行数据相对于文件起始位置的偏移量offsets。由于offsets是一个8字节大小的变量，所以WiredTiger磁盘文件的大小，其最大值可以非常大(2^64 bit)。
内存上的基础数据结构
WiredTiger会按需将磁盘的数据以page为单位加载到内存，同时在内存会构造相应的B Tree来存储这些数据。为了高效的支撑CRUD等操作以及将内存里面发生变化的数据持久化到磁盘上，WiredTiger也会在内存里面维护其他几种数据结构，如图：
- 内存中B-Tree包含三种类型的page，即rootpage、internal page和 leaf page，前两者包含指向其子叶的page index指针，不包含集合中的真正数据，leaf page包含集合中的真正数据即keys/value和指向父页的home指针。
MongoDB的存储结构是什么？
由三个单元组成：
- 文档(Document)：MongoDB中最基本的单元，由BSON键值对(key-value)组成，类似于关系型数据库中的行(row)。
- 集合(Collection)：一个集合可以包含多个文档，类似于关系型数据库中的表(table)。
- 数据库(Database)：一个数据库中可以包含多个集合，可以在MongoDB中创建多个数据库，类似于关系型数据库中的数据库(Batabase)。
也就是说，MongoDB将数据记录存储为文档(更具体来说是BSON文档)，这些文档在集合中聚集在一起，数据库中存储一个或者多个文档集合。
MongoDB的优势有哪些？
- 面向集合和文档的存储，以json格式的文档保存数据。
- 高性能，支持document中嵌入document减少了数据库系统上的I/O操作以及具有完整的索引支持，支持快速查询。
- 高效的传统存储方式：支持二进制数据及大型对象。
- 高可用性，数据复制集，MongoDB数据库支持服务器之间的数据复制来提供自动故障转移。
- 高可扩展性，分片将数据分布在多个数据中心，MongoDB支持基于分片创建数据区域。
- 丰富的查询功能，聚合管道、全文搜索以及地理空间查询。
- 支持多个存储引擎。WiredTiger存储引擎、In-Memory存储引擎。
索引类型有哪些？
- 单字段索引(Single Field Indexes)
- 复合索引(Compound Indexes)
- 多键索引(Multikey Indexes)
- 全文索引(text Indexes)
- Hash索引(Hash Indexes)
- 通配符索引(Wildcard Indexes)
- 2dsphere索引(2dsphere Indexes)
如何优化MongoDB查询性能？
为查询字段创建索引：在查询频繁的字段上创建索引，能够提高查询速度。
限制查询结果的数量：可以使用skip()和limit()方法分页，减少查询结果的大小。
只查询需要的字段：使用projection或者特定字段查询的方式，避免查询所有字段，减少网络传输带宽。
使用聚合查询：使用聚合查询代替多个单独的查询语句，可以提高性能。
为数据结构优化设计：为了优化结构设计，尽可能减少重复的数据。
MongoDB的复制如何工作？
复制工作是基于主从复制实现的。其中一个节点被定义为主节点，使用replica set的方式，其他的节点被定义为备份节点，数据会进行实时同步。在某些情况下，主节点可能会失效或消失。这时候从节点将被提升为主节点继续工作。
MongoDB的副本集是什么？
副本集是一组备份节点，用于实现高度的可用性。副本集维护多个数据节点，其中的 一个被定义为主节点，其他的节点都被定义为备份节点。如果主节点在崩溃，选择另外一个节点作为主节点。
在哪些场景使用MongoDB?
- 大数据
- 内容管理系统
- 移动端Apps
- 数据管理
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可以将大问价分割成多个小文档存放，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。
复制集节点类型有哪些？
- 优先级0型(Priority 0)节点
- 隐藏型(Hidden)节点
- 延迟型(Delayed)节点
- 投票型(Vote)节点以及不可投票节点
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60s内)后到达磁盘。例如，如果1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。
MongoDB支持存储过程吗？如果支持的话，怎么用？
MongoDB支持存储过程，它是javascript写的，保存在db.system.js表中。
如果一个分片(shard)停止或者很慢的时候，发起一个查询会怎样？
如果一个分片停止了，除非查询设置了partial选项，否则查询会返回一个错误。
如果一个分片响应很慢，MongoDB会等待它的响应。
