入门：文档模型、索引与聚合
基于 MongoDB 7.x/8.x · 核于 2026-08
速查
- 定义：MongoDB 是面向文档的 NoSQL 数据库，数据存成 BSON（Binary JSON）文档。文档 = 类 JSON 对象（嵌套对象 + 数组），同一集合（collection，对应表）的文档字段可不同（动态 schema）。2009 年由 MongoDB Inc.（原 10gen）开源。
- BSON：二进制编码的 JSON 超集——在 JSON 基础上加类型（Date/ObjectId/Binary/Decimal128/RegExp），解析快、支持更多类型，但每文档重复存字段名（比关系库列存储胖）。
- 核心术语映射：关系库
database → table → row → column，MongoDBdatabase → collection → document → field。没有 JOIN（用$lookup左外连接或嵌入），没有 schema 强约束（可加 validator）。 - Schema 设计：嵌入 vs 引用：①嵌入（embedding）——把关联数据塞进一个文档（如订单嵌入商品项），一次读取，适合一对一/一对少量、读多写少；②引用（referencing）——分开存按
id关联（像外键），适合多对多、数据量大、需独立更新。优先嵌入，必要时引用。 - 索引：默认
_id有索引。可建单字段、复合、文本、地理空间（2dsphere）、TTL（自动过期）。复合索引遵循 ESR 规则：Equality（等值）字段在前，Sort（排序）字段居中，Range（范围）字段在后。索引建错（如顺序错）会退化全表扫描。 - 聚合管道（Aggregation Pipeline）：
db.coll.aggregate([{阶段1}, {阶段2}, ...])，常用阶段：$match（过滤，对应 WHERE）、$group（分组，对应 GROUP BY）、$project（投影）、$sort（排序）、$lookup（左外连接）、$unwind（展开数组）、$limit/$skip。是 MongoDB 的「SQL GROUP BY + JOIN + 子查询」等价物。 - 副本集（Replica Set）：一主（primary）多从（secondary），主写从异步复制，主挂自动选举新主（基于 Raft 变体）。提供高可用与读分流（读偏好 ReadPreference：primary/primaryPreferred/secondary/secondaryPreferred/nearest）。
- 分片（Sharding）：按 shard key 把数据分散到多个 shard（每个 shard 是一个副本集），横向扩展到 PB。shard key 选择决定数据分布与查询路由，选错难更改（6.0 起支持 reshardCollection 但开销大）。配合 mongos 路由 + config server 元数据。
- Atlas：MongoDB 官方云托管（DBaaS），免运维、自动备份、多云部署（AWS/GCP/Azure）、内置搜索（Atlas Search，基于 Lucene）。
- 变更流（Change Stream）：应用用
db.coll.watch()实时订阅数据变更（insert/update/delete），基于 oplog，对标数据库触发器/CDC，常用于同步到 Elasticsearch/缓存、触发业务事件。 - 事务：4.0 起支持多文档/多集合分布式事务（副本集内），4.2 起扩展到分片集群。但开销大，仍不适合高频强一致金融场景。
- 进阶顺序：文档模型与索引详解 → 聚合管道、副本集与分片 → 参考。
一、MongoDB 是什么：文档数据库
MongoDB 的本质是「存文档而非存行」的数据库。一个文档就是一个类 JSON 的对象：
javascript
// 一个「订单」文档
{
_id: ObjectId("..."), // 自动生成的唯一 ID
orderNo: "ORD20260807001",
user: { // 嵌套对象
id: "u1001",
name: "alice"
},
items: [ // 数组，每个元素又是对象
{ sku: "A1", name: "书", qty: 2, price: 50 },
{ sku: "B2", name: "笔", qty: 5, price: 10 }
],
total: 150,
status: "paid",
createdAt: ISODate("2026-08-07T10:00:00Z")
}- 文档 = 类 JSON 对象：支持任意嵌套（对象里有对象、对象里有数组、数组里有对象），这契合现代应用的对象模型——你在代码里把订单当对象，存进 MongoDB 也是这个对象，免去关系数据库 ORM 的对象-关系映射（关系库要把这个对象拆成订单表 + 订单明细表两张表 + 外键关联）。
- BSON（Binary JSON）：MongoDB 内部用 BSON 存储——在 JSON 基础上加类型（Date/ObjectId/Binary/Decimal128），解析快、支持更多类型。代价是每文档重复存字段名（
{"name":"alice"}和{"name":"bob"}各存一次"name"），所以 BSON 文档比关系库的列存储胖（关系库字段名只在表头存一次）。 - 动态 schema：同一 collection 的文档字段可以不同——
{name:"a"}和{name:"b", age:30}能存同一集合。这带来灵活性（字段不固定、需求变动加字段不必迁移），也是双刃剑（脏数据易混入，生产要加 validator 约束）。 - 术语映射：关系库
table → row → column，MongoDBcollection → document → field；关系库JOIN，MongoDB 用$lookup（左外连接）或嵌入；关系库schema 强约束，MongoDB动态 schema（可加 validator）。
一句话：MongoDB 是「存文档对象、查询灵活、能横向扩展」的数据库，适合字段不固定、需求多变、对象模型复杂的场景。
二、Schema 设计：嵌入 vs 引用
MongoDB 没有 JOIN 的强支持，所以数据如何组织进文档直接决定性能。两种核心策略：
| 策略 | 做法 | 适合 | 优点 | 缺点 |
|---|---|---|---|---|
| 嵌入（embedding） | 把关联数据塞进一个文档 | 一对一、一对少量、读多写少、关联数据总一起读 | 一次读取拿到全部（无 JOIN）、原子写一个文档 | 文档不能无限大（16MB 上限）、重复数据更新要改多处 |
| 引用（referencing） | 分开存，按 id 关联 | 多对多、数据量大、需独立更新、被多方引用 | 文档小、更新独立、避免数据重复 | 读取要多次查询或 $lookup（性能不如嵌入） |
- 嵌入示例：订单与其商品项——一个订单的商品项通常一起读，且项数有限，嵌入一个文档，读订单一次拿到全部明细。
- 引用示例：用户与订单——一个用户有几千个订单，且订单要独立查询/分页，应分开存（用户文档存基本信息，订单文档存 userId 引用），不能把几千订单嵌入用户文档（超 16MB 且更新低效）。
- 决策口诀：「一起读的嵌入，独立变的引用；一对一/一对少嵌入，多对多/海量引用」。关系库的思维是「全部拆开靠 JOIN 拼接」，MongoDB 的思维是「靠嵌入预先组织好，避免运行时 JOIN」。
三、索引：让查询快起来
MongoDB 默认只在 _id 上建索引，其他查询字段要手动建索引，否则全集合扫描（COLLSCAN，慢）。索引类型：
- 单字段索引：
db.coll.createIndex({name: 1})（1 升序，-1 降序）。适合单字段等值或范围查询。 - 复合索引：
db.coll.createIndex({status: 1, createdAt: -1})。遵循 ESR 规则：字段顺序按 Equality（等值过滤）→ Sort（排序）→ Range（范围过滤）排列。如查询status="paid"且按createdAt降序且createdAt > 某日，索引应{status:1, createdAt:-1}（status 等值在前，createdAt 同时承担 sort 与 range）。ESR 顺序错会让索引部分失效。 - 文本索引：
db.coll.createIndex({content: "text"})，支持全文搜索（$text查询，分词、词干、停用词）。适合简单全文搜索；重度搜索用 Atlas Search（基于 Lucene，更强大）。 - 地理空间索引（2dsphere）：
db.coll.createIndex({loc: "2dsphere"})，支持「找附近的点」查询（$near/$geoWithin）。适合 LBS 应用（附近的店、附近的司机）。 - TTL 索引：
db.coll.createIndex({createdAt: 1}, {expireAfterSeconds: 3600})，文档到期自动删除。适合会话、日志、临时数据。 - 索引代价：索引加速读但拖慢写（每次写要更新所有索引），占内存与磁盘。只建查询用得上的索引，定期用
$indexStats审查无用索引删除。
四、聚合管道：MongoDB 的「SQL」
聚合管道（aggregation pipeline）是 MongoDB 表达复杂查询的核心——把多个阶段（stage）串联，每个阶段处理输入文档输出给下一阶段：
javascript
// 示例：统计每个用户已支付订单的总金额，取 Top 5
db.orders.aggregate([
{ $match: { status: "paid" } }, // 过滤（WHERE）
{ $group: { // 分组（GROUP BY）
_id: "$userId", // 按 userId 分组
total: { $sum: "$total" }, // 求和
count: { $sum: 1 }
}},
{ $sort: { total: -1 } }, // 排序（ORDER BY）
{ $limit: 5 }, // 取前 5（LIMIT）
{ $project: { user: "$_id", total: 1, count: 1, _id: 0 } // 投影（SELECT）
}
])$match：过滤，对应 SQL WHERE。尽早放管道前面（减少后续阶段处理量，且能用索引）。$group：分组聚合，对应 GROUP BY。_id是分组键，其余字段用聚合操作符（$sum/$avg/$max/$min/$push/$addToSet）。$lookup：左外连接，对应 LEFT JOIN。把另一个集合的文档按条件拼进来。性能不如关系库 JOIN，能嵌入就别 lookup。$unwind：展开数组——每个数组元素拆成一条文档（如把订单的商品项数组展开，每项一条），常配合$group做数组内聚合。$project：投影，对应 SELECT，控制输出哪些字段。$sort/$limit/$skip：排序、限制、跳过，对应 ORDER BY/LIMIT/OFFSET。
聚合管道表达力强，能完成 SQL 的 GROUP BY/JOIN/子查询/窗口函数等价操作，是 MongoDB 数据分析的利器。
五、副本集与分片
- 副本集（Replica Set）：一主（primary）多从（secondary）。所有写都进 primary，primary 把写操作记入 oplog，secondary 异步复制 oplog 应用。primary 挂时，secondary 们基于 Raft 变体选举新 primary（少数服从多数）。副本集提供：①高可用（自动故障转移）；②读分流（读偏好 ReadPreference 可让读走 secondary）；③数据冗余。
- 分片（Sharding）：当数据量超单机容量，按 shard key 把数据分散到多个 shard（每个 shard 是一个副本集）。架构：应用连 mongos（路由），mongos 从 config server 查元数据（哪个 shard key 范围在哪个 shard），把请求路由到对应 shard。分片策略：①范围分片（按 shard key 范围）；②哈希分片（shard key 哈希均匀分布，防热点）。shard key 一旦选好很难改（6.0 起 reshardCollection 支持改但开销大），选型要慎重（高基数、低频率、非单调递增）。
- 副本集 vs 分片：副本集解决高可用（数据不丢、服务不中断），不解决容量（数据还在一个 primary 上）。分片解决容量与吞吐（数据分散），每个 shard 内部是副本集保证高可用。小规模用副本集，数据量大了加分片。
六、Atlas 与变更流
- MongoDB Atlas：官方云托管（DBaaS），AWS/GCP/Azure 多云部署，免运维（自动备份、扩缩容、监控告警、安全加固）。内置 Atlas Search（基于 Lucene 的全文搜索，比内置 text 索引强大）、Atlas Vector Search（向量搜索，AI 场景）、Atlas Device Sync（移动端同步）。适合不想自己运维 MongoDB 的团队。
- 变更流（Change Stream）：应用用
db.coll.watch([{$match:...}])实时订阅集合的数据变更（insert/update/delete/replace），基于 oplog 实现。常用于：①数据变更后同步到 Elasticsearch/Redis；②触发业务事件（订单支付后发通知）；③审计日志。对标数据库触发器，但是在应用侧消费，比存储过程触发器更灵活。
下一步
理解了文档模型、Schema 设计、索引、聚合、副本集与分片后，下一步深入两个生产关键话题——文档模型与索引详解（BSON 细节、嵌入 vs 引用决策、各类索引与 ESR 规则）与聚合管道、副本集与分片（聚合阶段细节、副本集选举、分片 shard key 选择、Atlas 与变更流）。