MongoDB面试专题33道解析

咱们好，我是 V 哥。今日给咱们共享 MongoDB的道 V 哥收拾的面试题，保藏起来，必定会对你有协助。

1. 你说的 NoSQL 数据库是什么意思？NoSQL 与 RDBMS 直接有什么差异？为什么要运用和不运用NoSQL 数据库？说一说 NoSQL 数据库的几个长处？

NoSQL（"Not Only SQL"）数据库是与传统联系型数据库（RDBMS）不同的数据库办理体系。NoSQL的规划初衷是为了处理结构化、半结构化和非结构化的大规划数据，供给了更灵敏的数据存储办法。它不遵从联系型数据库的“表-行-列”结构，常用的数据模型有键值、列族、文档和图等类型。

NoSQL 与 RDBMS 的差异

1. 数据结构：

   • RDBMS 运用表格结构，数据被安排成行和列，并且不同表之间可经过外键进行相关。
   • NoSQL 供给多种数据模型，如文档、键值、列族和图等。数据可所以半结构化的或无结构的，灵敏性更高。

2. 数据共同性：

   • RDBMS 遵从ACID特性（原子性、共同性、阻隔性、耐久性），保证强共同性。
   • NoSQL 更倾向于CAP定理中的可用性和分区忍受性，在某些体系中能够忍受弱共同性以进步功用。

3. 扩展性：

   • RDBMS 大多支撑纵向扩展（经过添加硬件功用）。
   • NoSQL 一般支撑水平扩展（经过添加更多的一般服务器），更适宜大规划数据。

4. 查询言语：

   • RDBMS 运用规范SQL查询言语。
   • NoSQL 一般不运用SQL，查询办法多样化，例如运用MongoDB的查询语法或Cassandra的CQL。

运用 NoSQL 的原因

1. 适宜海量数据存储：NoSQL能有用处理很多数据、快速读写，适用于交际媒体、物联网等大数据场景。

2. 支撑水平扩展：NoSQL数据库能够经过添加服务器来扩展，本钱较低，更适宜散布式架构。

3. 灵敏的数据模型：NoSQL数据库支撑文档存储、键值存储、列族存储、图存储等多种数据模型，数据的结构灵敏度高，适宜需求快速迭代的运用场景。

4. 高功用与可扩展性：关于低推迟、高并发的需求，NoSQL往往比传统联系型数据库体现更好。

不适用 NoSQL 的场景

1. 强共同性要求：假如运用需求强共同性和杂乱业务处理（如银行转账），联系型数据库的ACID特色更适宜。

2. 杂乱查询：关于杂乱的SQL查询（如多表相关、杂乱聚合）和结构化数据，RDBMS体现优于NoSQL。

3. 数据规范化：需求高度规范化的数据办理时（防止数据冗余等），RDBMS是更好的挑选。

NoSQL 的长处

1. 灵敏的数据结构：NoSQL不强制数据方法，能够依据需求存储多种不同格局的数据。

2. 易于扩展：支撑散布式架构和水平扩展，更好地习惯云核算和大数据运用场景。

3. 高功用：针对特定数据拜访方法优化，特别是在高读写场景中功用较好。

4. 习惯快速迭代：在开发进程中，假如数据结构改动频频，NoSQL的灵敏性更能满意需求。

2. NoSQL 数据库有哪些类型?

NoSQL 数据库的类型一般依据数据模型的不同来分类，首要有以下四大类：

1. 键值存储（Key-Value Store）

• 特色：选用简略的键值对存储办法，相似于字典或哈希表。
• 长处：查询速度快，扩展性好，十分适宜简略的读写操作。
• 缺陷：仅支撑简略查询操作，数据模型简略，不适宜杂乱查询。
• 运用场景：适用于会话办理、缓存、简略的装备文件等。
• 代表数据库：Redis、Memcached、DynamoDB（亚马逊）等。

2. 文档存储（Document Store）

• 特色：运用相似 JSON 或 BSON 格局的文档结构存储数据，每条记载能够有不同的字段，数据结构灵敏。
• 长处：支撑嵌套结构，数据查询灵敏，适宜非结构化和半结构化的数据。
• 缺陷：跨文档查询支撑有限，不适宜杂乱的业务。
• 运用场景：适宜内容办理体系、日志办理、交际网络等。
• 代表数据库：MongoDB、CouchDB、RavenDB 等。

3. 列族存储（Column-Family Store）

• 特色：数据以列的办法存储，每一行能够包含不同数量的列，列数据按列族存储。可用于大规划数据散布式存储。
• 长处：能够高效地处理大规划数据，支撑水平扩展，查询特定列族数据速度快。
• 缺陷：数据结构较为杂乱，不适宜频频更新和杂乱查询。
• 运用场景：适宜时刻序列数据、物联网数据、数据剖析等。
• 代表数据库：Cassandra、HBase、ScyllaDB 等。

4. 图数据库（Graph Database）

• 特色：以图结构存储数据，包含节点、边和特色，适宜存储杂乱联系。
• 长处：十分适宜处理联系密布的数据查询，支撑快速的图遍历。
• 缺陷：数据存储杂乱，数据散布在多节点上时功用或许受影响。
• 运用场景：适宜交际网络、引荐体系、途径优化等需求杂乱联系查询的场景。
• 代表数据库：Neo4j、JanusGraph、TigerGraph 等。

其他类型（弥补）

• 时序数据库（Time-Series Database）：专门用于存储时刻序列数据，比方物联网设备数据、金融市场数据。代表有 InfluxDB、TimescaleDB 等。
• 目标存储数据库（Object Store）：用于存储和办理很多非结构化数据，如图片、音频、视频等。常用的有 Amazon S3、MinIO 等。

不同的 NoSQL 数据库类型适用于不同的数据结构和场景，用户可依据运用需求挑选适宜的类型。

3. MySQL 与 MongoDB 之间最根本的不同是什么?

MySQL 和 MongoDB 是两种盛行的数据库体系，但它们的规划理念和数据处理办法存在一些根本的不同：

1. 数据模型

• MySQL：联系型数据库，选用表-行-列的结构来存储数据，强制履行固定的数据方法。数据之间能够经过外键进行相关，数据结构规范化。
• MongoDB：NoSQL文档型数据库，选用JSON或BSON格局的文档存储数据，每个文档能够有不同的结构，数据结构灵敏，支撑嵌套结构。

2. 查询言语

• MySQL：运用规范的SQL言语，支撑杂乱的多表衔接和业务，适宜结构化数据查询。
• MongoDB：运用其专有的查询言语，语法相似于JavaScript的目标查询。支撑简略的查询和聚合，但在跨调集的杂乱查询上有束缚。

3. 业务支撑

• MySQL：支撑ACID业务，能保证强共同性，适宜需求强业务保证的运用场景，如金融体系。
• MongoDB：也供给业务支撑（4.0及以上版别），但业务机制在散布式环境中较新，且在操作时功用或许稍逊于MySQL。

4. 扩展性

• MySQL：传统上倾向于笔直扩展（添加硬件资源来进步功用），尽管也能够经过分片等办法完结水平扩展，但完结相对杂乱。
• MongoDB：原生支撑水平扩展，经过分片机制轻松完结大规划数据散布式存储，扩展性较好。

5. 数据共同性

• MySQL：默许选用强共同性方法，数据更牢靠，适宜对共同性要求高的体系。
• MongoDB：默许选用终究共同性方法，适宜对高可用性和分区忍受性要求高的运用，能够依据需求装备共同性等级。

6. 适用场景

• MySQL：适宜结构化数据存储，有较强的数据共同性需求和杂乱查询要求的运用场景，比方银行体系、ERP体系。
• MongoDB：适宜处理大规划、非结构化数据，数据方法改动频频的场景，比方交际媒体、实时剖析、内容办理体系等。

MySQL 更适宜结构化数据和强共同性要求的运用，而 MongoDB 则适宜灵敏多变、数据量大、需求高扩展性的大数据运用场景。

4. 你怎样比较 MongoDB、CouchDB 及 CouchBase?
MongoDB、CouchDB 和 Couchbase 都是常见的 NoSQL 数据库，尽管它们都支撑文档存储，但在架构规划、功用、可扩展性、以及运用场景上存在显着差异。

1. 数据模型与存储结构

• MongoDB：运用 BSON 格局（相似 JSON 的二进制存储）存储文档，支撑嵌套结构和丰厚的数据类型。它选用动态架构，适宜需求频频改动的数据结构。
• CouchDB：运用 JSON 格局存储文档，具有较强的结构共同性，支撑嵌套文档。CouchDB 偏重数据完好性，选用多版别操控（MVCC）来处理并发。
• Couchbase：支撑 JSON 格局存储，结合了文档数据库和缓存功用。它更重视高功用数据拜访，能够供给高效的读写速度。

2. 查询言语与接口

• MongoDB：供给自己的查询言语和丰厚的查询才能，语法相似于 JavaScript。支撑杂乱查询、聚合结构和多字段索引，还支撑 MapReduce。
• CouchDB：选用 MapReduce 作为查询引擎，规划初衷是用于简略查询，杂乱查询才能相对有限。查询需求编写 JavaScript 代码，并且聚合才能较弱。
• Couchbase：供给 N1QL 查询言语，相似于 SQL，能够进行杂乱查询，一起保存 NoSQL 的灵敏性。它支撑全文检索、聚合查询等高档功用。

3. 数据共同性与同步机制

• MongoDB：默许供给终究共同性，支撑单文档业务（4.0及以上版别支撑多文档业务）。数据的分片机制协助完结高扩展性，但会影响强共同性。
• CouchDB：着重终究共同性，规划上更重视多节点同步，适宜散布式、多设备数据同步场景。支撑多主仿制和抵触处理。
• Couchbase：供给强共同性，并且在高功用的基础上支撑ACID业务，适宜对共同性要求高的运用。Couchbase 集成了缓存层，保证数据共同性和拜访速度。

4. 扩展性与散布式支撑

• MongoDB：原生支撑水平扩展，能够经过分片来办理大规划数据。其仿制和分片机制使得扩展性更高。
• CouchDB：更适宜多地散布式场景，支撑多主仿制，具有较好的数据同步和抵触处理机制。
• Couchbase：专心于横向扩展，运用散布式架构的存储层与缓存层别离，适宜高并发、高吞吐的运用场景。

5. 功用与运用场景

• MongoDB：适宜读写密布型、需求杂乱查询的运用场景，如交际网络、实时剖析、内容办理体系等。
• CouchDB：适宜散布式、多端数据同步场景，例如移动运用、物联网等。由于其数据同步特性，适宜对网络状况和数据离线忍受度较高的场景。
• Couchbase：功用杰出，适宜高并发、低推迟的场景，如在线游戏、电子商务、实时广告引荐等需求高功用数据存取的运用。

6. 优缺陷比照

总结

• MongoDB 适宜灵敏的数据模型和读写密布型运用，拿手处理大规划非结构化数据。
• CouchDB 拿手多设备或散布式运用的离线同步，适宜需求数据同步和抵触处理的运用场景。
• Couchbase 结合了缓存和文档存储的优势，适宜高并发、低推迟需求的场景。

5. MongoDB 成为最好 NoSQL 数据库的原因是什么?
MongoDB 被认为是最好的 NoSQL 数据库之一，首要原因在于它的灵敏性、高功用以及在大数据场景中的优异体现。以下是 MongoDB 成为顶尖 NoSQL 数据库的几个要害原因：

1. 灵敏的数据模型

• 动态架构：MongoDB 选用 BSON 格局存储数据，支撑文档结构灵敏且不需求预界说方法。这种动态架构使得 MongoDB 能够随时改动数据结构，习惯需求改动频频的场景。
• 嵌套数据结构：支撑嵌套文档和数组结构，能够更自然地表明杂乱的目标和联系，削减表相关的需求。

2. 丰厚的查询功用

• 灵敏的查询言语：MongoDB 的查询言语支撑多种查询条件、投影、排序、分页等功用，能够完结丰厚的查询操作。
• 聚合结构：MongoDB 供给强壮的聚合结构，支撑杂乱的聚合操作，能高效处理数据汇总、过滤和转化使命。
• 全文检索：内置全文检索功用，能够快速完结文本查找使命，这对一些查找类运用十分有用。

3. 高功用与扩展性

• 内置分片：MongoDB 原生支撑水平扩展，数据能够分片存储在多个节点上，经过分片战略能够轻松办理海量数据，且分片机制相对简略。
• 主动负载均衡：散布式集群支撑主动负载均衡，有用分配数据与负载，防止热门节点问题。
• 多副本集：经过仿制集（Replica Set）完结高可用性和容灾，保证数据在硬件毛病时仍旧可用。

4. 广泛的场景习惯性

• 适用于多种场景：MongoDB 能处理海量数据，并适用于大多数大数据和实时运用场景，如内容办理体系（CMS）、交际网络、实时数据剖析、物联网数据等。
• 散布式架构：支撑散布式数据库架构，十分适宜现代的散布式运用场景，如云端运用和全球布置。

5. 社区支撑与广泛运用

• 开源且有活泼社区：MongoDB 是开源的，具有全球活泼的开发者社区，资源丰厚，协助开发者更快地上手和处理问题。
• 商业支撑：MongoDB, Inc. 供给商业版别 MongoDB Atlas，支撑主动化、可办理、可扩展的云数据库服务。

6. 业务与共同性支撑

• 业务支撑：从 4.0 版别开端，MongoDB 支撑多文档业务，进一步进步其在杂乱运用场景中的习惯性，特别是金融、订单处理等需求业务支撑的体系。
• 可装备的共同性等级：支撑不同等级的读取共同性，能够在功用和共同性之间灵敏挑选，使得 MongoDB 在 CAP 理论中的体现更为全面。

7. 多言语驱动支撑

• MongoDB 供给多种言语驱动，包含 Python、Java、Node.js、C#、PHP 等，简直一切干流编程言语都能够无缝运用 MongoDB，适宜多种开发需求。

总结

MongoDB 成为优异 NoSQL 数据库的原因在于其灵敏的数据模型、高扩展性、超卓的查询功用和广泛的支撑与习惯性。在多种数据模型、多言语驱动、以及主动化布置等方面的优势，使得 MongoDB 成为许多开发者和企业的首选。

6. MongoDB 32 位体系上有什么细微不同?

在 32 位体系上运用 MongoDB 会有一些束缚，首要是由于 32 位体系的内存寻址束缚。以下是 MongoDB 在 32 位体系上的首要不同和束缚：

1. 数据存储巨细束缚

• 最大存储巨细：在 32 位体系上，MongoDB 的每个数据库（包含数据和索引）的存储巨细被束缚在约 2GB。这首要是由于 32 位体系的内存寻址空间有限，MongoDB 无法充分运用更多内存来办理更大规划的数据。
• 存储引擎束缚：在 32 位体系上，MongoDB 仅支撑 MMAPv1 存储引擎，而不支撑更现代的 WiredTiger 引擎，这进一步束缚了功用和功用。

2. 功用束缚

• 内存束缚：由于 32 位体系的内存寻址空间约为 4GB，MongoDB 只能运用少于 4GB 的内存，实践可用内存一般更少，无法充分运用缓存和内存映射，或许导致数据拜访速度变慢。
• 数据读写束缚：当数据量挨近 2GB 的束缚时，MongoDB 的功用或许会明显下降，数据写入速度变慢，或许会导致服务不稳定。

3. 出产环境不引荐

• 易于到达上限：由于存储束缚和功用瓶颈，MongoDB 官方不引荐在 32 位体系上进行出产布置。32 位环境更适宜小型开发或测验环境，而非需求处理大数据量的运用。

4. 版别支撑束缚

• 新版 MongoDB 不再支撑 32 位体系：从 MongoDB 3.2 版别开端，MongoDB 中止对 32 位体系的官方支撑。较新的 MongoDB 版别只能运行在 64 位体系上，这进一步削减了 MongoDB 在 32 位体系上的运用。

总结

MongoDB 在 32 位体系上的运用遭到存储巨细、内存和功用的多重束缚，因而仅适宜小型、非出产环境运用。关于数据量较大或要求较高的运用，主张运用 64 位体系，以充分运用 MongoDB 的功用和扩展性。

7. journal 回放在条目(entry)不完好时(比方恰巧有一个半途毛病了)会遇到问题吗?

在 MongoDB 中，假如 journal 条目在写入进程中因半途毛病而不完好，MongoDB 的康复机制会处理这个状况。详细来说，MongoDB 的 journal 选用的是次序写入和预写日志（WAL, Write-Ahead Logging）技能，并且具有幂等性，因而能够有用应对条目不完好的问题。

康复机制和处理办法

1. 次序写入和预写日志：MongoDB 的 journal 条目是次序写入磁盘的，这意味着它会保证在提交业务前，将操作记载到 journal 文件中。这种次序性保证了即便产生毛病，康复进程能够有条有理地进行。

2. 幂等性和条目查看：MongoDB 经过查看 journal 条目的完好性来防止回放不完好的条目。每个 journal 条目包含一个校验和，康复进程会逐条验证，假如遇到不完好的条目或校验和不匹配的条目，就会越过该条目，防止过错回放。

3. 业务等级的共同性：MongoDB 在康复时会回放最终一个完好的业务日志条目，而不包含不完好的业务条目，因而能坚持数据共同性。

典型流程

• 在体系启动时，MongoDB 会查看 journal 文件中的条目。
• 假如检测到半途毛病导致的条目不完好，MongoDB 会主动越过不完好的条目，只回放完好的条目内容。
• 经过这种机制，即便呈现毛病或电源断电，MongoDB 依然能够保证数据的安全性和共同性。

总结

因而，MongoDB 在 journal 条目不完好时不会呈现数据损坏的问题。它的康复机制能保证不完好条目被越过，然后坚持数据的共同性和牢靠性。

8. 剖析器在 MongoDB 中的效果是什么?

在 MongoDB 中，剖析器（analyzer）首要用于全文索引和全文检索。它的效果是处理和优化文本数据，使 MongoDB 能够更高效、精确地履行文本查找查询。

剖析器的中心功用

1. 文本分词：将输入文本拆分红词语或词组。例如，将语句拆分红单个的词，以便进行单词等级的索引和查找。这关于多单词的匹配或要害词提取尤为重要。

2. 词干化（Stemming）：将单词还原为词根方法。例如，"running" 和 "ran" 会被还原为词根 "run"，然后让查找包含词形改动的成果。

3. 去除停用词：常见的停用词（如 "the", "is", "at" 等）会被主动移除，由于这些词一般不影响查找的中心语义。去除停用词能够削减不必要的匹配，进步查找精度。

4. 字符正则化：转化不同的字符格局（例如巨细写转化）以共同处理文本数据，这样能够保证巨细写等格局不同的词语也能匹配成功。

5. 言语支撑：MongoDB 支撑多种言语的剖析器，以习惯不同言语的文本处理需求。不同言语有各自的分词、词干化和停用词库，以保证剖析的精确性。

剖析器在 MongoDB 中的运用

MongoDB 中的全文查找运用 text 索引，剖析器在创立和查询 text 索引时发挥效果，详细包含以下几个场景：

• 树立全文索引：当对字段树立 text 索引时，剖析器会预处理文本数据，分词并生成索引条目。
• 履行文本查询：在履行 text 查询时，剖析器会对查询要害词进行相同的处理，以保证查找成果能够匹配到相同的词根或词组。

示例

例如，假定咱们有一篇包含文本 "Running is fun" 的文档，并为其字段树立了 text 索引。查询时，剖析器会把“running”还原为“run”，然后保证查询 “run” 时也能匹配到“running”这一词形改动。

总结

在 MongoDB 中，剖析器的效果在于优化文本处理和索引，进步文本查找的功率和精确性。经过分词、词干化、去除停用词和字符正则化，剖析器使 MongoDB 的全文检索功用愈加智能化和语义化。

9. 姓名空间(namespace)是什么?

在 MongoDB 中，姓名空间（namespace）是指数据库称号和调集称号的组合，用于仅有标识数据库中的调集或索引。姓名空间在 MongoDB 内部经过数据库名.调集名的格局来表明。例如，假如有一个名为 students 的调集在 school 数据库中，其姓名空间便是 school.students。

姓名空间的效果

1. 仅有标识调集或索引：姓名空间经过组合数据库名和调集名，保证了调集或索引在整个数据库中的仅有性，防止了不同数据库或调集之间称号的抵触。

2. 内部存储办理：MongoDB 在后台经过姓名空间来办理调集和索引的数据。例如，MongoDB 会用不同的姓名空间来差异调集和其对应的索引，每个索引会有一个共同的姓名空间，以便于存储和检索。

3. 差异数据与元数据：MongoDB 中的体系调集（如 system.indexes）也经过姓名空间来差异它们的元数据内容，协助 MongoDB 更有用地办理数据和索引。

姓名空间的长度束缚

在 MongoDB 中，姓名空间的长度是有限的，一般束缚在 120 字符以内（不同版别束缚略有不同）。这首要是由于 MongoDB 要为姓名空间预留存储空间，并保证功用。

举例

假定咱们有一个 inventory 调集坐落 store 数据库中，那么：

• 调集 inventory 的姓名空间是 store.inventory。
• 假如咱们在 inventory 调集上创立一个索引 item_id，那么这个索引的姓名空间或许是 store.inventory.$item_id。

总结

姓名空间在 MongoDB 中用于仅有标识数据库中的调集和索引，保证了调集和索引称号的仅有性，有助于 MongoDB 内部有用办理和安排数据。

10. 假如用户移除目标的特色，该特色是否从存储层中删去?

是的，假如用户在 MongoDB 中移除目标的特色，并将该更改保存回数据库，那么该特色会从存储层中物理删去。也便是说，该特色及其值将不再存储在 MongoDB 中的文档中。

详细操作流程

1. 移除特色：当用户在运用程序中删去 MongoDB 文档目标的某个特色（字段），比方经过 $unset 操作符或将其从目标中移除。

2. 更新数据库：删去特色的更改需求经过更新操作提交到 MongoDB。例如，能够运用 $unset 更新操作清晰删去某个字段，或许经过更新整个文档目标来完结这一操作。

3. 存储层的改动：一旦更新操作成功，MongoDB 将物理地从存储层中删去该字段，这意味着字段在数据文件中不再占用存储空间。

示例

假定有一个文档如下：

{ "_id": 1, "name": "Alice", "age": 25, "city": "New York" }

假如履行以下指令删去 city 字段：

db.collection.updateOne({ "_id": 1 }, { $unset: { "city": "" } })

履行该操作后，city 字段将被从存储中删去，文档变成：

{ "_id": 1, "name": "Alice", "age": 25 }

注意事项

• 非空特色的物理删去：MongoDB 中未界说的字段不会占用存储空间，因而删去后的文档会削减存储占用。
• 方法灵敏性：MongoDB 是无方法的，删去字段不会引发结构反常，因而字段删去在 MongoDB 中更为灵敏。

总结

在 MongoDB 中，删去文档中的字段特色后，假如该更改被提交到数据库，字段会从存储层物理删去，不会保存在数据存储中。

11. 能否运用日志特征进行安全备份?

运用日志特征进行安全备份是能够完结的，尤其是在涉及到业务日志（例如 MongoDB 的 journal 日志）时，这种办法关于保证数据共同性、康复才能和毛病康复至关重要。

在 MongoDB 中，日志的效果首要是保证数据的耐久性和共同性。日志特征不只用于存储操作的回放，并且有助于在产生毛病后进行数据康复。以下是怎么运用日志特征进行安全备份的一些要害点：

1. MongoDB 的日志机制（Journal）

MongoDB 运用 预写日志（Write-Ahead Logging, WAL），日志文件一般被称为 journal。在每个写操作（例如刺进、更新、删去）被耐久化到数据库之前，这些操作会首要记载到 journal 中。这种机制保证了：

• 数据共同性：即便在忽然断电或溃散的状况下，MongoDB 也能经过 journal 文件康复到最终一个共同的状况。
• 增量备份：经过运用 journal 文件，能够施行增量备份，只保存自前次备份以来的改动。这比完好备份更高效，尤其是在数据量大的状况下。

2. 怎么运用日志特征进行安全备份

• 启用耐久化日志：首要，需求保证 MongoDB 的 journal 功用已启用，这样一切数据写操作都将被记载到 journal 中。默许状况下，MongoDB 会在每个写操作后改写 journal 文件。
• 备份日志文件：在履行完好备份的一起，能够定时备份 journal 文件。经过这种办法，能够捕捉到自前次备份以来的数据改动，并保证即便备份期间产生毛病，数据也能够康复。
• 日志回放：在康复数据时，假如运用了增量备份（包含日志文件），能够回放 journal 中的日志条目，将备份康复到最终一个共同的状况。这意味着能够完结点-in-time（PIT）康复，即康复到特定时刻点的数据状况。

3. 运用 MongoDB 的 oplog 进行备份

在散布式 MongoDB 集群（特别是仿制集）中，能够运用 oplog（操作日志）来完结安全备份。oplog 是 MongoDB 仿制会集的一个环形日志，记载一切的写操作。经过备份和剖析 oplog，您能够：

• 增量备份：备份 oplog 中的改动记载，坚持与主数据库的共同性。
• 点-in-time 康复：经过从备份康复数据，并回放 oplog 日志，能够将数据康复到特定的时刻点。

4. 备份东西与日志的结合运用

MongoDB 供给了多种备份东西，如 mongodump 和 mongorestore，以及针对散布式环境的 mongodump 增量备份功用。经过这些东西，您能够：

• 定时备份：定时进行完好备份，一起备份 journal 文件或 oplog。
• 康复机制：在康复时，运用备份的 journal 文件或 oplog 康复操作，保证数据的共同性。

5. 安全性和日志的加密

为了增强安全性，日志文件（包含 journal 和 oplog）应当加密存储，保证数据在备份和康复进程中不被走漏或篡改。MongoDB 支撑数据加密，能够经过 加密存储引擎 或 文件体系加密 维护数据。

总结

经过运用日志特征（如 journal 或 oplog），MongoDB 能够完结有用的安全备份。日志不只协助完结增量备份和康复，并且还能保证即便在毛病产生时，数据依然能够康复到共同的状况。运用这些日志特征进行备份是数据库安全战略中的要害组成部分。

12. 答应空值 null 吗?

在 MongoDB 中，答应空值（null）是能够的，MongoDB 对字段值没有严厉的束缚，除非你显式设置某些束缚。null 是一种合法的数据类型，能够作为文档中字段的值存在。以下是关于 MongoDB 中 null 处理的一些要害点：

1. null 值的答应性

• MongoDB 答应将字段的值设置为 null，这意味着该字段能够存储空值。
• 例如，以下文档中，age 字段被设置为 null：

  { "_id": 1, "name": "Alice", "age": null }
  

2. 与其他数据的差异

• null 与不存在：在 MongoDB 中，字段的 null 值与字段彻底不存在（没有界说）的状况是不同的。一个字段存在但其值为 null，表明字段的值清晰设置为空，而字段彻底不存在表明没有为该字段供给任何值。
• 例如：
  • 文档 1：{ "_id": 1, "name": "Alice", "age": null } —— age 字段存在，值为 null。
  • 文档 2：{ "_id": 2, "name": "Bob" } —— age 字段不存在。

3. 查询 null 值

• 在查询时，能够运用 null 来查找字段值为 null 的文档。例如：