Skip to content

DevLoversTeam/mongodb-interview-questions

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

1 Commit
.github
.github
 
 
assets
assets
 
 
.gitignore
.gitignore
 
 
.prettierrc
.prettierrc
 
 
CODE_OF_CONDUCT.md
CODE_OF_CONDUCT.md
 
 
LICENSE.txt
LICENSE.txt
 
 
README.md
README.md
 
 
SECURITY.md
SECURITY.md
 
 

Repository files navigation

MongoDB

Найпопулярніші запитання та відповіді на співбесіді з MongoDB

1. Що таке MongoDB?

MongoDB

MongoDB — це документно-орієнтована NoSQL база даних, яка зберігає дані у вигляді BSON-документів у колекціях. Вона добре підходить для систем із гнучкою схемою, високим навантаженням на читання/запис і швидкими змінами структури даних.

Ключова ідея: замість жорстких таблиць і JOIN MongoDB працює з документами, які можуть містити вкладені обʼєкти та масиви, що зменшує потребу в нормалізації для багатьох прикладних сценаріїв.

Коротко:

  • MongoDB — документна NoSQL база даних.
  • Дані зберігаються як BSON-документи в колекціях.
  • Орієнтована на гнучку схему та горизонтальне масштабування.
2. До якого типу баз даних належить MongoDB?

MongoDB

MongoDB належить до NoSQL документних СУБД. Це означає, що дані організовуються не у рядки таблиць, а у документи, які логічно групуються в колекції.

За CAP/розподіленими властивостями MongoDB проєктувалась як distributed database з підтримкою replica sets і sharding, тому її часто використовують як операційну базу для high-throughput застосунків.

Коротко:

  • Тип: NoSQL, документно-орієнтована база даних.
  • Одиниця зберігання: BSON-документ.
  • Підтримує distributed-архітектуру (replica sets, sharding).
3. Які основні особливості MongoDB?

MongoDB

Основні особливості MongoDB:

  1. Документна модель даних: природне зберігання вкладених структур.
  2. Гнучка схема: поля можна додавати без міграцій таблиць у класичному SQL стилі.
  3. Потужний Aggregation Framework: $match, $group, $lookup, $project, $sort, $limit для аналітики і трансформацій.
  4. Індекси: single field, compound, text, TTL, partial та інші.
  5. Реплікація і відмовостійкість: replica set з автоматичним failover.
  6. Горизонтальне масштабування: sharding.
  7. Транзакції: ACID-транзакції для multi-document операцій.
  8. Хмарна експлуатація через Atlas: керований кластер, backup, monitoring.

Коротко:

  • MongoDB поєднує гнучку модель документів і сильні можливості запитів.
  • Має вбудовані індекси, реплікацію, шардінг і транзакції.
  • Підходить як для операційних, так і для аналітичних сценаріїв.
4. У чому різниця між MongoDB і реляційними базами даних?

MongoDB

Головна різниця — модель даних:

  • У MongoDB дані зберігаються в документах (BSON), часто з вкладеними структурами.
  • У реляційних БД дані зберігаються у таблицях, повʼязаних через ключі.

Практичні відмінності:

  1. Схема:
  • MongoDB: гнучка/еволюційна схема.
  • SQL БД: зазвичай жорстко визначена схема.
  1. Звʼязки:
  • MongoDB: embedding або referencing.
  • SQL БД: JOIN як базовий механізм.
  1. Масштабування:
  • MongoDB: нативний sharding.
  • SQL БД: частіше vertical scaling, шардінг складніший.
  1. Транзакційна модель:
  • Обидва підходи підтримують транзакції, але в MongoDB часто проєктують модель так, щоб мінімізувати потребу в multi-document транзакціях.

Коротко:

  • MongoDB: документи + гнучка схема.
  • SQL: таблиці + фіксована схема + JOIN-орієнтований підхід.
  • Вибір залежить від моделі даних і навантаження системи.
5. Що таке документ у MongoDB?

MongoDB

Документ — це базова одиниця зберігання даних у MongoDB. Він має формат BSON (бінарне представлення JSON-подібної структури) і складається з пар ключ: значення.

Документ може містити:

  • прості поля (string, number, bool, date);
  • вкладені обʼєкти;
  • масиви;
  • службове поле _id (унікальний ідентифікатор).

Приклад структури документа:

{
  _id: ObjectId("65f0c9d4e1b4d8a3f2a1b001"),
  name: "Iryna",
  skills: ["MongoDB", "Node.js"],
  profile: { level: "middle", active: true }
}

Коротко:

  • Документ — основна сутність у MongoDB.
  • Формат документа: BSON.
  • Документи підтримують вкладені структури і масиви.
6. Що таке колекція?

MongoDB

Колекція (collection) — це набір документів у межах однієї бази даних MongoDB. Концептуально це аналог таблиці в SQL, але без вимоги однакової жорсткої схеми для кожного запису.

Колекції використовуються для групування документів однієї предметної області, наприклад: users, orders, products.

Для продуктивності на колекції створюють індекси, а для життєвого циклу даних можуть застосовувати TTL-індекси.

Коротко:

  • Колекція — контейнер для документів.
  • Аналог таблиці, але з гнучкішою схемою.
  • На рівні колекції налаштовуються індекси та правила зберігання.
7. Що таке база даних у MongoDB?

MongoDB

База даних (database) у MongoDB — це логічний контейнер, який містить колекції, індекси, метадані та повʼязані обʼєкти доступу.

Один MongoDB-кластер може мати багато баз даних. Типовий підхід:

  • окрема БД на застосунок/сервіс;
  • або окрема БД на оточення (dev, staging, prod).

У production середовищі важливо розділяти доступи на рівні БД і колекцій через ролі та least-privilege policy.

Коротко:

  • Database у MongoDB містить набір колекцій.
  • Один кластер може обслуговувати багато баз даних.
  • Ізоляція по БД часто використовується для середовищ і доступів.
8. Що таке BSON і чим він відрізняється від JSON?

MongoDB

BSON (Binary JSON) — це бінарний формат серіалізації, який MongoDB використовує для зберігання та передачі документів.

Відмінності від JSON:

  1. Формат:
  • JSON — текстовий.
  • BSON — бінарний (ефективніший для внутрішньої обробки в БД).
  1. Типи даних:
  • JSON має обмежений набір типів.
  • BSON підтримує додаткові типи: ObjectId, Date, Decimal128, Binary, Timestamp тощо.
  1. Продуктивність:
  • BSON оптимізований для швидкого парсингу та доступу до полів у MongoDB.

На практиці клієнтський код працює з JSON-подібними структурами, а MongoDB зберігає їх у BSON.

Коротко:

  • BSON — бінарний формат даних MongoDB.
  • BSON підтримує більше типів, ніж JSON.
  • JSON зручний для API, BSON — для зберігання та обробки в БД.
9. Які типи даних підтримує MongoDB?

MongoDB

MongoDB підтримує базові та спеціалізовані BSON-типи:

  • String
  • Boolean
  • Int32, Int64, Double
  • Decimal128
  • Date
  • ObjectId
  • Array
  • Document (вкладений обʼєкт)
  • Null
  • Binary
  • Timestamp
  • Regular Expression

Практичні правила:

  • для фінансових значень використовувати Decimal128;
  • для часу подій — Date (UTC);
  • для первинних ключів — _id (ObjectId або стабільний власний ключ за потреби).

Коротко:

  • MongoDB працює з BSON-типами, не лише з базовими JSON-типами.
  • Критичні типи для production: ObjectId, Date, Decimal128.
  • Коректний вибір типу напряму впливає на індекси й запити.
10. Що таке поле _id і для чого воно використовується?

MongoDB

_id — це обовʼязкове унікальне поле кожного документа в колекції. Якщо під час insertOne його не передати, MongoDB автоматично згенерує значення типу ObjectId.

Призначення _id:

  • однозначна ідентифікація документа;
  • швидкий доступ через вбудований унікальний індекс;
  • стабільне посилання на документ у звʼязках (referencing).

Приклад вставки з автоматичним _id:

db.users.insertOne({ name: "Olena", email: "olena@example.com" })

Приклад вставки з власним _id:

db.users.insertOne({ _id: "user_1001", name: "Olena" })

Коротко:

  • _id є в кожному документі й завжди унікальний.
  • За замовчуванням MongoDB генерує _id як ObjectId.
  • На _id автоматично створюється унікальний індекс.
11. Що таке ObjectId і як він формується?

MongoDB

ObjectId — це 12-байтовий BSON-ідентифікатор, який MongoDB використовує як стандартне значення _id.

Типово він містить:

  • timestamp створення;
  • випадкову частину для унікальності;
  • інкрементний лічильник.

Через вбудований час створення ObjectId приблизно впорядковується за часом, що часто зручно для сортування нових записів.

Коротко:

  • ObjectId — стандартний унікальний ідентифікатор документа.
  • Генерується автоматично, якщо _id не передано вручну.
  • Містить часову компоненту, тому корисний для time-ordered вибірок.
12. Як вставити документ у MongoDB?

MongoDB

Для вставки одного документа використовується insertOne, для кількох — insertMany.

db.users.insertOne({
  email: "anna@example.com",
  profile: { name: "Anna", country: "UA" },
  createdAt: new Date(),
  isActive: true
})
db.users.insertMany([
  { email: "oleh@example.com", createdAt: new Date(), isActive: true },
  { email: "ira@example.com", createdAt: new Date(), isActive: false }
], { ordered: false })

ordered: false дозволяє продовжувати batch-вставку, навіть якщо окремий документ не пройшов валідацію або порушив унікальний індекс.

Коротко:

  • insertOne для одного документа, insertMany для batch-вставки.
  • Якщо _id не задано, MongoDB створює його автоматично.
  • Для масових вставок у production часто використовують ordered: false.
13. Як знайти документи за умовою?

MongoDB

Базовий пошук виконується через find(filter, projection).

db.orders.find(
  { status: "paid", total: { $gte: 1000 } },
  { _id: 1, customerId: 1, total: 1, createdAt: 1 }
)

Для одного документа зручно використовувати findOne:

db.orders.findOne({ _id: ObjectId("65f0c9d4e1b4d8a3f2a1b001") })

Коротко:

  • Основний API для пошуку: find.
  • Умови задаються у filter через оператори MongoDB.
  • Для одиничного запису використовують findOne.
14. Як оновити документ?

MongoDB

Оновлення виконують через updateOne або updateMany з операторами, наприклад $set, $inc, $unset.

db.users.updateOne(
  { email: "anna@example.com" },
  {
    $set: { isActive: true, "profile.country": "PL" },
    $inc: { loginCount: 1 }
  }
)

Upsert (створити, якщо документа немає):

db.users.updateOne(
  { email: "new.user@example.com" },
  { $set: { isActive: true, createdAt: new Date() } },
  { upsert: true }
)

Коротко:

  • updateOne/updateMany змінюють документи за фільтром.
  • Зміни задаються через оператори ($set, $inc, ...).
  • upsert: true обʼєднує update + insert.
15. Як видалити документ?

MongoDB

Для видалення одного документа використовують deleteOne, для масового — deleteMany.

db.sessions.deleteOne({ _id: ObjectId("65f0c9d4e1b4d8a3f2a1b0aa") })
db.sessions.deleteMany({ expiresAt: { $lt: new Date() } })

У production важливо не запускати deleteMany({}) без явної потреби.

Коротко:

  • deleteOne видаляє перший відповідний документ.
  • deleteMany видаляє всі документи, що відповідають фільтру.
  • Фільтр має бути максимально точним для безпечного видалення.
16. Що таке оператори порівняння в MongoDB?

MongoDB

Оператори порівняння використовуються у фільтрах для умовного пошуку: $eq, $ne, $gt, $gte, $lt, $lte.

db.products.find({ price: { $gte: 100, $lt: 500 } })
db.users.find({ status: { $ne: "blocked" } })

Вони комбінуються з логічними операторами ($and, $or) для складних умов.

Коротко:

  • Оператори порівняння задають умови відбору документів.
  • Найчастіше: $gt/$gte/$lt/$lte/$ne.
  • Ефективність залежить від наявності релевантного індексу.
17. Як працюють оператори $in і $nin?

MongoDB

$in перевіряє, чи значення поля входить до набору, $nin — чи не входить.

db.orders.find({ status: { $in: ["new", "paid", "processing"] } })
db.orders.find({ status: { $nin: ["canceled", "archived"] } })

Для великих списків значень краще обмежувати розмір масиву і перевіряти план через explain().

Коротко:

  • $in = входить у список, $nin = не входить.
  • Зручно для фільтрації по whitelist/blacklist статусів.
  • На великих списках потрібен контроль продуктивності через explain().
18. Як працює оператор $exists?

MongoDB

$exists перевіряє, чи поле присутнє в документі.

db.users.find({ middleName: { $exists: true } })
db.users.find({ deletedAt: { $exists: false } })

Оператор перевіряє факт наявності поля, а не його значення. Поле може існувати і мати null.

Коротко:

  • $exists: true шукає документи з полем.
  • $exists: false шукає документи без поля.
  • Наявність поля і значення null — різні випадки.
19. Як виконати сортування результатів?

MongoDB

Сортування виконується методом sort():

  • 1 — за зростанням;
  • -1 — за спаданням.
db.orders
  .find({ status: "paid" })
  .sort({ createdAt: -1, _id: -1 })
  .limit(50)

Для стабільного порядку часто додають другий ключ (наприклад _id).

Коротко:

  • sort({ field: 1|-1 }) керує порядком результатів.
  • Стабільне сортування роблять за кількома полями.
  • Найкраща продуктивність при індексі, сумісному з filter + sort.
20. Як реалізувати пагінацію за допомогою limit і skip?

MongoDB

Базова пагінація:

const page = 3
const pageSize = 20

db.posts
  .find({ isPublished: true })
  .sort({ createdAt: -1, _id: -1 })
  .skip((page - 1) * pageSize)
  .limit(pageSize)

skip з великими значеннями стає дорогим. Для великих наборів даних краще cursor-based пагінація (за createdAt + _id).

Коротко:

  • skip + limit — простий спосіб пагінації.
  • Працює добре на невеликих/середніх зміщеннях.
  • Для deep pagination краще cursor-based підхід.
21. Що таке проєкція (projection)?

MongoDB

Проєкція визначає, які поля повертати з документа у результаті запиту.

db.users.find(
  { isActive: true },
  { _id: 0, email: 1, "profile.name": 1 }
)

Це зменшує обсяг даних у відповіді і мережеві витрати.

Коротко:

  • Projection контролює склад полів у результаті.
  • Допомагає зменшити payload і прискорити читання.
  • Часто використовується разом із індексами для covered query.
22. Як вибрати тільки певні поля документа?

MongoDB

Потрібні поля задають у другому аргументі find або через .project() в aggregate.

db.products.find(
  { category: "laptop" },
  { _id: 1, title: 1, price: 1, stock: 1 }
)

Для виключення поля використовують 0:

db.products.find({ category: "laptop" }, { internalNotes: 0 })

Коротко:

  • Вибір полів керується проєкцією у find.
  • 1 включає поле, 0 виключає.
  • Мінімальний набір полів покращує продуктивність запитів.
23. Як працює пошук за регулярними виразами?

MongoDB

Пошук за regex працює через оператор $regex.

db.users.find({ email: { $regex: "@example\\.com$", $options: "i" } })

Для префіксного пошуку (наприклад ^ann) можна використовувати індекс краще, ніж для довільного шаблону .*ann.*.

Для повнотекстового пошуку по словах краще використовувати text index, а не regex по великих колекціях.

Коротко:

  • Regex дозволяє патерн-пошук у рядках.
  • Префіксні шаблони ефективніші за довільні.
  • Для лінгвістичного пошуку краще text index.
24. Що таке вкладені документи?

MongoDB

Вкладений документ — це обʼєкт усередині іншого документа.

{
  _id: ObjectId("65f0c9d4e1b4d8a3f2a1b101"),
  customer: {
    name: "Olha",
    address: { city: "Kyiv", zip: "01001" }
  }
}

Доступ до полів виконується через dot notation:

db.orders.find({ "customer.address.city": "Kyiv" })

Коротко:

  • Вкладені документи моделюють ієрархічні дані.
  • Доступ до полів — через dot notation.
  • Часто зменшують потребу в JOIN-подібних операціях.
25. Як працювати з масивами в MongoDB?

MongoDB

MongoDB нативно підтримує масиви в документах і дозволяє фільтрувати, оновлювати та агрегувати їх.

db.posts.insertOne({
  title: "MongoDB tips",
  tags: ["mongodb", "backend", "nosql"],
  ratings: [5, 4, 5]
})

Запити можуть перевіряти наявність елемента, розмір масиву або умови для елементів ($elemMatch).

Коротко:

  • Масиви є вбудованим типом BSON.
  • По масивах доступні фільтри, оновлення і агрегації.
  • Для складних умов по елементах використовують $elemMatch.
26. Як знайти документи за значенням у масиві?

MongoDB

Якщо поле-масив містить значення, документ підходить під фільтр.

db.posts.find({ tags: "mongodb" })

Для кількох умов по елементах масиву:

db.products.find({ specs: { $elemMatch: { key: "ram", value: "16GB" } } })

Коротко:

  • field: value працює і для масивів (перевірка containment).
  • $elemMatch потрібен для складних умов на елемент масиву.
  • Індекс на масивне поле може суттєво прискорити запит.
27. Як оновити елемент у масиві?

MongoDB

Для оновлення першого відповідного елемента використовують позиційний оператор $.

db.orders.updateOne(
  { _id: ObjectId("65f0c9d4e1b4d8a3f2a1b201"), "items.sku": "SKU-100" },
  { $set: { "items.$.qty": 3 } }
)

Для оновлення кількох елементів застосовують arrayFilters:

db.orders.updateOne(
  { _id: ObjectId("65f0c9d4e1b4d8a3f2a1b201") },
  { $set: { "items.$[it].discount": 10 } },
  { arrayFilters: [{ "it.category": "accessories" }] }
)

Коротко:

  • $ оновлює перший знайдений елемент масиву.
  • arrayFilters дозволяє таргетувати групу елементів.
  • Фільтр і шлях до масиву мають бути максимально конкретними.
28. Що робить оператор $push?

MongoDB

$push додає новий елемент у масив.

db.posts.updateOne(
  { _id: ObjectId("65f0c9d4e1b4d8a3f2a1b301") },
  { $push: { tags: "performance" } }
)

Можна додати кілька елементів і обмежити масив:

db.posts.updateOne(
  { _id: ObjectId("65f0c9d4e1b4d8a3f2a1b301") },
  { $push: { comments: { $each: [{ by: "admin", text: "ok" }], $slice: -50 } } }
)

Коротко:

  • $push додає елемент у кінець масиву.
  • Через $each можна додати кілька елементів за раз.
  • $slice допомагає обмежувати розмір масиву.
29. Що робить оператор $pull?

MongoDB

$pull видаляє з масиву всі елементи, що відповідають умові.

db.posts.updateOne(
  { _id: ObjectId("65f0c9d4e1b4d8a3f2a1b301") },
  { $pull: { tags: "deprecated" } }
)

Приклад для масиву обʼєктів:

db.orders.updateOne(
  { _id: ObjectId("65f0c9d4e1b4d8a3f2a1b201") },
  { $pull: { items: { qty: { $lte: 0 } } } }
)

Коротко:

  • $pull видаляє елементи масиву за умовою.
  • Працює і для простих значень, і для обʼєктів.
  • Зручно для очистки неактуальних або невалідних елементів.
30. Як працює оператор $addToSet?

MongoDB

$addToSet додає значення в масив тільки якщо такого значення ще немає.

db.users.updateOne(
  { _id: ObjectId("65f0c9d4e1b4d8a3f2a1b401") },
  { $addToSet: { roles: "editor" } }
)

Для кількох значень:

db.users.updateOne(
  { _id: ObjectId("65f0c9d4e1b4d8a3f2a1b401") },
  { $addToSet: { roles: { $each: ["reviewer", "editor"] } } }
)

Коротко:

  • $addToSet додає в масив лише унікальні значення.
  • Запобігає дублюванню елементів.
  • Для batch-додавання використовується $each.
31. Що таке індекс у MongoDB і навіщо він потрібен?

MongoDB

Індекс — це структура даних, що прискорює пошук і сортування, зменшуючи обсяг документів для сканування.

Без індексу MongoDB часто виконує COLLSCAN (повний перегляд колекції). З індексом запит переходить до IXSCAN, що суттєво швидше на великих обсягах.

Індекси мають ціну: споживання RAM/диску і додаткові витрати на запис.

Коротко:

  • Індекс прискорює читання і сортування.
  • Зменшує ризик повного сканування колекції.
  • Надмірна кількість індексів погіршує швидкість запису.
32. Які типи індексів підтримує MongoDB?

MongoDB

Найуживаніші типи індексів:

  • single field;
  • compound;
  • multikey (для масивів);
  • text;
  • TTL;
  • hashed;
  • wildcard;
  • geospatial (2d, 2dsphere).

Вибір індексу залежить від реальних патернів запитів, а не лише від структури документів.

Коротко:

  • MongoDB має кілька типів індексів для різних задач.
  • Базові production-випадки: single, compound, text, TTL.
  • Тип індексу має відповідати конкретному workload.
33. Що таке compound index?

MongoDB

Compound index індексує кілька полів в одному індексі, наприклад: { status: 1, createdAt: -1 }.

db.orders.createIndex({ status: 1, createdAt: -1 })

Такий індекс ефективний для запитів, які фільтрують по status і сортують по createdAt, або використовують префікс індексу (тільки status).

Коротко:

  • Compound index містить кілька полів.
  • Ключовий порядок полів визначає ефективність.
  • Має покривати реальні filter + sort сценарії.
34. Що таке text index?

MongoDB

Text index використовується для пошуку слів і фраз у текстових полях через оператор $text.

db.articles.createIndex({ title: "text", body: "text" })
db.articles.find(
  { $text: { $search: "mongodb replication" } },
  { score: { $meta: "textScore" }, title: 1 }
).sort({ score: { $meta: "textScore" } })

Підходить для базового full-text. Для складного relevance/ranking зазвичай використовують Atlas Search.

Коротко:

  • text index забезпечує текстовий пошук через $text.
  • Дає textScore для ранжування результатів.
  • Для розширеного пошуку краще Atlas Search.
35. Що таке TTL-індекс?

MongoDB

TTL-індекс автоматично видаляє документи після завершення заданого часу життя.

db.sessions.createIndex(
  { expiresAt: 1 },
  { expireAfterSeconds: 0 }
)

У цьому прикладі документ видаляється, коли expiresAt стає меншим за поточний час.

TTL підходить для сесій, тимчасових токенів, логів із retention policy.

Коротко:

  • TTL-індекс автоматизує видалення за часом.
  • Працює через поле дати і expireAfterSeconds.
  • Зручний для даних із обмеженим життєвим циклом.
36. Як створити індекс?

MongoDB

Індекс створюється через createIndex.

db.users.createIndex({ email: 1 }, { unique: true, name: "ux_users_email" })
db.orders.createIndex({ customerId: 1, createdAt: -1 }, { name: "ix_orders_customer_created" })

Перед створенням індексу варто перевірити explain() для топ-запитів і створювати індекси під фактичні шаблони доступу.

Коротко:

  • createIndex створює індекс по одному або кількох полях.
  • Часто додають unique і явне name.
  • Індексувати потрібно під реальні запити, а не "про всяк випадок".
37. Як перевірити наявні індекси в колекції?

MongoDB

Для перегляду індексів використовують getIndexes().

db.users.getIndexes()

Для статистики використання індексів у довшому періоді можна застосовувати $indexStats в aggregation.

db.users.aggregate([{ $indexStats: {} }])

Коротко:

  • getIndexes() показує конфігурацію індексів колекції.
  • $indexStats допомагає знайти невикористовувані індекси.
  • Регулярний аудит індексів знижує write overhead.
38. Що таке index cardinality і чому вона важлива?

MongoDB

Index cardinality — це кількість унікальних значень у полі індексу.

  • Висока cardinality (наприклад email) зазвичай дає кращу селективність.
  • Низька cardinality (наприклад isActive: true/false) може бути слабкою для самостійного індексу.

Тому індекси по низькокардинальних полях часто комбінують з іншими полями в compound-індекс.

Коротко:

  • Cardinality впливає на селективність індексу.
  • Висока cardinality зазвичай ефективніша для фільтрації.
  • Низьку cardinality часто компенсують compound-індексом.
39. Що таке covered query?

MongoDB

Covered query — це запит, який повністю обслуговується індексом без читання документів з колекції.

Умова: і поля фільтра, і поля проєкції мають бути в одному індексі.

db.users.createIndex({ email: 1, isActive: 1 })

db.users.find(
  { email: "anna@example.com" },
  { _id: 0, email: 1, isActive: 1 }
)

Перевірка робиться через explain() (відсутність стадії читання документа з колекції).

Коротко:

  • Covered query читає дані тільки з індексу.
  • Потрібно, щоб filter + projection покривалися одним індексом.
  • Це зменшує I/O і прискорює читання.
40. Як уникнути collection scan?

MongoDB

Щоб уникати COLLSCAN, потрібні індекси під фактичні запити та регулярний аналіз планів виконання.

Практичний підхід:

  1. Додати індекси під filter + sort найкритичніших запитів.
  2. Перевіряти explain("executionStats").
  3. Зменшувати payload через проєкцію.
  4. Уникати неіндексованих regex і великих skip.
db.orders.find({ customerId: 1001, status: "paid" }).sort({ createdAt: -1 }).explain("executionStats")

Якщо в плані переважає IXSCAN замість COLLSCAN, стратегія індексації працює коректно.

Коротко:

  • Основний інструмент проти COLLSCAN — правильні індекси.
  • explain("executionStats") показує реальну ефективність запиту.
  • Проєкція і коректний патерн пагінації також знижують сканування.
41. Що таке explain() і як його використовувати?

MongoDB

explain() показує план виконання запиту: які індекси використано, скільки документів/ключів переглянуто, де виникають вузькі місця.

db.orders.find({ customerId: 1001 }).sort({ createdAt: -1 }).explain("executionStats")

Основні режими: queryPlanner, executionStats, allPlansExecution.

Коротко:

  • explain() дає фактичний план виконання запиту.
  • Для оптимізації найчастіше використовують executionStats.
  • Дозволяє виявити COLLSCAN, неефективні індекси і дорогі сортування.
42. Як аналізувати продуктивність запитів?

MongoDB

Практичний підхід:

  1. Визначити повільні запити через profiler/Atlas metrics.
  2. Перевірити explain("executionStats").
  3. Порівняти docsExamined, keysExamined, nReturned.
  4. Додати або переробити індекс під filter + sort.
  5. Зменшити payload через projection.

Коротко:

  • Аналіз починається з пошуку реальних slow queries.
  • Ключові метрики: docsExamined, keysExamined, latency.
  • Оптимізація: індекси, projection, коректний шаблон запиту.
43. Що таке aggregation framework?

MongoDB

Aggregation Framework — це механізм обробки даних через послідовність стадій pipeline для фільтрації, трансформації, групування та обчислень.

db.orders.aggregate([
  { $match: { status: "paid" } },
  { $group: { _id: "$customerId", total: { $sum: "$total" } } }
])

Коротко:

  • Aggregation виконує аналітичну і трансформаційну обробку в БД.
  • Працює через pipeline зі стадіями.
  • Зменшує потребу у постобробці на рівні застосунку.
44. Що таке pipeline в aggregation?

MongoDB

Pipeline — це впорядкований масив стадій, де вихід попередньої стадії є входом наступної.

db.events.aggregate([
  { $match: { type: "login" } },
  { $project: { userId: 1, createdAt: 1 } },
  { $sort: { createdAt: -1 } },
  { $limit: 100 }
])

Порядок стадій критично впливає на продуктивність.

Коротко:

  • Pipeline = послідовність стадій обробки.
  • Дані проходять стадії зліва направо.
  • Ранній $match і мінімальний $project знижують витрати.
45. Що робить стадія $match?

MongoDB

$match фільтрує документи за умовою (аналог find у pipeline).

db.orders.aggregate([
  { $match: { status: "paid", total: { $gte: 1000 } } }
])

Ставіть $match максимально рано, щоб зменшити обсяг даних на наступних стадіях.

Коротко:

  • $match відбирає документи за критеріями.
  • Найефективніше розміщувати на початку pipeline.
  • Може використовувати індекси, якщо стоїть до трансформаційних стадій.
46. Що робить стадія $group?

MongoDB

$group агрегує документи за ключем і обчислює метрики ($sum, $avg, $max, $min, $count).

db.orders.aggregate([
  { $group: { _id: "$status", totalAmount: { $sum: "$total" }, cnt: { $sum: 1 } } }
])

Коротко:

  • $group виконує групування та агрегації.
  • Ключ групування задається через _id.
  • Може бути ресурсомістким без попереднього $match.
47. Що робить стадія $project?

MongoDB

$project формує структуру вихідного документа: включає/виключає поля, перейменовує їх і обчислює нові.

db.users.aggregate([
  {
    $project: {
      _id: 0,
      email: 1,
      fullName: { $concat: ["$profile.firstName", " ", "$profile.lastName"] }
    }
  }
])

Коротко:

  • $project керує фінальним набором полів.
  • Дозволяє обчислювати нові поля в pipeline.
  • Зменшує payload і спрощує формат відповіді.
48. Що робить стадія $sort?

MongoDB

$sort впорядковує документи за одним або кількома полями.

db.orders.aggregate([
  { $match: { status: "paid" } },
  { $sort: { createdAt: -1, _id: -1 } }
])

Для великих вибірок без відповідного індексу сортування може бути дорогим.

Коротко:

  • $sort задає порядок документів.
  • Стабільність часто забезпечують додаванням _id.
  • Індекс під match + sort критичний для продуктивності.
49. Що таке $lookup і як він працює?

MongoDB

$lookup виконує приєднання даних з іншої колекції (аналог JOIN).

db.orders.aggregate([
  {
    $lookup: {
      from: "users",
      localField: "customerId",
      foreignField: "_id",
      as: "customer"
    }
  }
])

Результат додається як масив у поле as.

Коротко:

  • $lookup об'єднує дані між колекціями.
  • Повертає пов'язані записи масивом.
  • Потребує індексів на полях зв'язку для ефективності.
50. Які best practices для оптимізації aggregation?

MongoDB

Основні практики:

  1. Розміщувати $match і $project якомога раніше.
  2. Мінімізувати кількість документів до $group/$lookup.
  3. Використовувати індекси під стартові стадії.
  4. Перевіряти explain() для pipeline.
  5. Уникати зайвих проміжних полів і великих документів.

Коротко:

  • Рання фільтрація і проєкція дають найбільший виграш.
  • Важкі стадії ($group, $lookup, $sort) мають отримувати мінімум даних.
  • Оптимізацію підтверджують тільки через explain() та метрики.
51. Що таке schema design у MongoDB?

MongoDB

Schema design — це проєктування структури документів, колекцій і зв'язків під конкретні запити, патерни читання/запису і масштабування.

У MongoDB модель орієнтують на read/write workload, а не на жорстку нормалізацію.

Коротко:

  • Schema design визначає форму даних і зв'язки.
  • Модель будується під реальні запити.
  • Ключове рішення: embedding vs referencing.
52. Коли варто використовувати embedding?

MongoDB

Embedding доцільний, коли пов'язані дані:

  • часто читаються разом;
  • мають відношення 1:1 або 1:few;
  • оновлюються в межах одного документа.

Приклад: профіль користувача з налаштуваннями та контактами.

Коротко:

  • Embedding зменшує кількість запитів і потребу в $lookup.
  • Підходить для компактних тісно пов'язаних даних.
  • Не варто використовувати для необмежено зростаючих списків.
53. Коли краще використовувати references?

MongoDB

References кращі, коли:

  • зв'язок many-to-many;
  • піддокументи великі або ростуть без меж;
  • пов'язані частини мають різні цикли оновлення;
  • потрібен незалежний доступ до сутностей.

Коротко:

  • References зменшують ризик надмірного росту документа.
  • Підходять для складних графів зв'язків.
  • Часто потребують додаткових запитів або $lookup.
54. Які переваги та недоліки embedding?

MongoDB

Переваги:

  • швидке читання пов'язаних даних одним запитом;
  • атомарні оновлення в межах документа;
  • простіша модель доступу.

Недоліки:

  • ризик великого документа;
  • дублювання даних при повторному використанні сутності;
  • складніше оновлювати спільні дані в багатьох документах.

Коротко:

  • Embedding оптимізує читання і локальні оновлення.
  • Основні ризики: ріст документа і дублювання.
  • Вибір залежить від патернів доступу, а не від теорії нормалізації.
55. Що таке денормалізація в MongoDB?

MongoDB

Денормалізація — це свідоме дублювання даних у документах для зменшення кількості JOIN-подібних операцій і прискорення читання.

Приклад: збереження customerName в документі замовлення разом з customerId.

Коротко:

  • Денормалізація підвищує швидкість читання.
  • Компроміс: складніша синхронізація дубльованих полів.
  • Працює найкраще, коли читання домінує над записом.
56. Як уникнути надмірного росту документів?

MongoDB

Практики:

  • не зберігати безмежні масиви в одному документі;
  • архівувати або виносити історію в окрему колекцію;
  • використовувати references для "довгих" списків;
  • застосовувати TTL для тимчасових даних;
  • контролювати розмір документа при моделюванні.

Коротко:

  • Найбільший ризик росту: безмежні масиви і логи в документі.
  • "Гарячу" і "історичну" частину даних краще розділяти.
  • Правильна модель даних попереджає проблеми продуктивності.
57. Що таке schema validation?

MongoDB

Schema validation — це правила на рівні колекції, які перевіряють структуру і типи документів під час insert/update.

Це знижує ризик невалідних даних у production.

Коротко:

  • Validation застосовує контракт даних у самій БД.
  • Перевіряє типи, обов'язкові поля, обмеження.
  • Працює як додатковий захист до валідації в застосунку.
58. Як працює JSON Schema validation у MongoDB?

MongoDB

MongoDB підтримує валідацію через $jsonSchema у validator колекції.

db.createCollection("users", {
  validator: {
    $jsonSchema: {
      bsonType: "object",
      required: ["email", "createdAt"],
      properties: {
        email: { bsonType: "string" },
        createdAt: { bsonType: "date" },
        isActive: { bsonType: "bool" }
      }
    }
  }
})

Коротко:

  • $jsonSchema задає формальний контракт документа.
  • Перевіряє bsonType, required-поля і обмеження.
  • Допомагає тримати однорідну структуру даних.
59. Коли варто використовувати schema validation?

MongoDB

Validation доцільний, коли:

  • дані пишуть кілька сервісів;
  • схема критична для аналітики/білінгу/звітів;
  • потрібен захист від випадкових змін payload;
  • потрібен контроль міграцій схеми.

Коротко:

  • Використовуйте validation для критичних і спільних даних.
  • Це захист від "schema drift" у distributed-системах.
  • Гнучка схема MongoDB не скасовує потребу в контракті.
60. Які best practices для моделювання даних у MongoDB?

MongoDB

Базові практики:

  1. Проєктувати схему від запитів (query-first).
  2. Обирати embedding/referencing за патернами доступу.
  3. Планувати індекси разом зі схемою.
  4. Тримати документи компактними.
  5. Використовувати однакові типи полів у всій колекції.

Коротко:

  • Модель даних має відповідати реальному workload.
  • Схема, індекси і запити проєктуються разом.
  • Стабільність типів і контроль росту документів критичні.
61. Що таке транзакції в MongoDB?

MongoDB

Транзакції в MongoDB — це ACID-операції, які дозволяють виконати кілька змін як єдине ціле: або commit усіх, або rollback усіх.

Використовуються для multi-document/multi-collection сценаріїв.

Коротко:

  • Транзакція гарантує атомарність набору операцій.
  • Потрібна, коли одна операція охоплює кілька документів.
  • Для одиночного документа атомарність є й без транзакції.
62. У яких випадках варто використовувати транзакції?

MongoDB

Транзакції потрібні, коли важлива узгодженість між кількома документами:

  • переказ коштів між рахунками;
  • резерв товару + створення замовлення;
  • синхронні зміни в кількох колекціях.

Якщо задачу можна вирішити атомарним оновленням одного документа, транзакція зазвичай не потрібна.

Коротко:

  • Використовуйте транзакції тільки для справді multi-document консистентності.
  • Не застосовуйте їх "за замовчуванням".
  • Менша кількість транзакцій зазвичай = краща продуктивність.
63. Чим транзакції MongoDB відрізняються від транзакцій у SQL?

MongoDB

Концептуально ACID схожий, але відмінність у моделі даних:

  • у MongoDB багато сценаріїв закриваються атомарністю одного документа;
  • у SQL частіше потрібні multi-row/табличні транзакції через нормалізацію.

У MongoDB транзакції зазвичай дорожчі за звичайні одно-документні операції.

Коротко:

  • ACID-механіка схожа, модель використання відрізняється.
  • MongoDB частіше проєктують так, щоб мінімізувати транзакції.
  • Транзакції застосовують там, де без них не гарантується консистентність.
64. Як транзакції впливають на продуктивність?

MongoDB

Транзакції додають накладні витрати: триваліші блокування ресурсів, більше пам'яті/журналювання, вищу latency.

Щоб мінімізувати вплив:

  • робити транзакції короткими;
  • зменшувати кількість документів у транзакції;
  • уникати довгих бізнес-операцій усередині транзакції.

Коротко:

  • Транзакції підвищують вартість операцій.
  • Короткі та вузькі транзакції працюють стабільніше.
  • Необхідно балансувати консистентність і throughput.
65. Що таке write concern?

MongoDB

writeConcern визначає, скільки вузлів повинні підтвердити запис.

Приклади:

  • w: 1 — підтвердження primary;
  • w: "majority" — підтвердження більшості реплік.

j: true додає підтвердження запису в journal.

Коротко:

  • writeConcern керує надійністю запису.
  • majority підвищує стійкість до збоїв.
  • Вища надійність зазвичай підвищує latency запису.
66. Що таке read concern?

MongoDB

readConcern визначає рівень узгодженості даних, які повертає читання.

Поширені рівні: local, majority, snapshot (для транзакцій).

Вибір залежить від компромісу між свіжістю, консистентністю і затримкою.

Коротко:

  • readConcern задає гарантії читання.
  • majority дає більш стійке до rollback читання.
  • Вища консистентність може коштувати дорожче по latency.
67. Що таке read preference?

MongoDB

readPreference визначає, з яких вузлів replica set читати дані: primary, primaryPreferred, secondary, secondaryPreferred, nearest.

Для критично консистентних read-after-write сценаріїв зазвичай використовують primary.

Коротко:

  • readPreference розподіляє навантаження читання.
  • secondary може зменшити тиск на primary.
  • Режим читання впливає на свіжість даних.
68. Що таке replica set?

MongoDB

Replica set — це група MongoDB-вузлів з реплікацією даних для high availability.

Типово складається з primary, secondary і опційно arbiter.

Коротко:

  • Replica set забезпечує відмовостійкість і реплікацію.
  • Один вузол приймає записи (primary), інші реплікують (secondary).
  • Основа production-розгортань MongoDB.
69. Як працює primary і secondary?

MongoDB

Primary приймає write-операції та веде oplog. Secondary асинхронно реплікують зміни з oplog primary.

У разі відмови primary один з secondary обирається новим primary.

Коротко:

  • Записи йдуть на primary.
  • Secondary копіюють зміни через oplog.
  • Архітектура дозволяє безперервність сервісу при збоях вузла.
70. Що таке автоматичне перемикання (failover)?

MongoDB

Failover — це автоматичне обрання нового primary у replica set, якщо поточний primary недоступний.

Клієнтський драйвер, за коректного connection string, перепідключається до нового primary автоматично.

Коротко:

  • Failover зменшує downtime при відмові primary.
  • Новий primary обирається election-механізмом.
  • Драйвери повинні бути налаштовані на роботу з replica set.
71. Що таке sharding?

MongoDB

Sharding — це горизонтальне масштабування, коли дані розподіляються між кількома шардами за shard key.

Це дозволяє масштабувати storage і throughput за межі одного вузла.

Коротко:

  • Sharding ділить дані між вузлами.
  • Дає горизонтальне масштабування читання/запису.
  • Критично залежить від правильного shard key.
72. Коли потрібно використовувати sharding?

MongoDB

Sharding потрібен, коли:

  • дані не вміщаються на одному сервері;
  • write/read throughput перевищує можливості одного replica set;
  • потрібне масштабування з передбачуваним ростом.

Перед sharding треба оптимізувати схему, індекси і запити.

Коротко:

  • Використовуйте sharding при реальному ліміті single-cluster ресурсів.
  • Це інструмент масштабування, а не первинної оптимізації.
  • Спочатку індекси й модель даних, потім sharding.
73. Що таке shard key?

MongoDB

Shard key — поле або набір полів, за якими MongoDB розподіляє документи по шардах.

Від shard key залежить рівномірність даних і розподіл навантаження.

Коротко:

  • Shard key керує маршрутизацією даних між шардами.
  • Невдалий ключ створює hot shard і дисбаланс.
  • Вибір ключа — ключове архітектурне рішення в sharded-системі.
74. Які критерії вибору shard key?

MongoDB

Критерії:

  1. Висока cardinality.
  2. Рівномірний розподіл значень.
  3. Відповідність частим запитам.
  4. Відсутність монотонного росту, що створює гарячі партиції.

Часто використовують compound shard key для балансу між routing і розподілом.

Коротко:

  • Ключ має рівномірно розподіляти дані і запити.
  • Висока cardinality зазвичай обов'язкова.
  • Ключ повинен відповідати реальному query pattern.
75. Як працює балансування даних між шардами?

MongoDB

Balancer переміщує chunks між шардами, щоб вирівнювати обсяг даних і навантаження.

Процес працює фоново і спирається на метадані кластеру.

Коротко:

  • Балансер перерозподіляє chunks між шардами.
  • Мета: уникати перекосу даних і hot shard.
  • Якість балансування прямо залежить від shard key.
76. Що таке WiredTiger cache?

MongoDB

WiredTiger cache — це частина RAM, яку storage engine використовує для гарячих даних, індексів і внутрішніх структур.

Ефективний cache зменшує кількість дискових читань і стабілізує latency.

Коротко:

  • WiredTiger cache тримає найчастіше використовувані дані в пам'яті.
  • Впливає на I/O і загальну швидкодію.
  • Нестача cache проявляється ростом дискової активності й latency.
77. Як MongoDB використовує оперативну пам’ять?

MongoDB

RAM використовується для:

  • cache даних та індексів (WiredTiger);
  • робочих наборів запитів;
  • буферів сортування/агрегацій;
  • службових процесів реплікації і журналювання.

Головна ціль — щоб "гарячий" working set максимально вміщався в пам'ять.

Коротко:

  • MongoDB активно покладається на RAM для швидкого доступу.
  • Найважливіше — тримати working set у пам'яті.
  • Дефіцит RAM різко збільшує disk I/O.
78. Як моніторити продуктивність MongoDB?

MongoDB

Моніторинг включає:

  • latency read/write;
  • throughput операцій;
  • cache hit ratio;
  • utilization CPU/RAM/disk;
  • replication lag;
  • повільні запити.

У self-hosted використовують mongostat, mongotop, profiler, системні метрики; в Atlas — вбудований Performance Advisor і dashboards.

Коротко:

  • Моніторинг має покривати БД і інфраструктуру одночасно.
  • Ключові сигнали: latency, lag, cache, slow queries.
  • Регулярний моніторинг запобігає деградації продуктивності.
79. Що таке profiler у MongoDB?

MongoDB

Profiler записує інформацію про операції в system.profile для аналізу повільних або всіх запитів (залежно від рівня).

db.setProfilingLevel(1, { slowms: 100 })

Рівні: 0 (off), 1 (slow ops), 2 (all ops).

Коротко:

  • Profiler дає деталі виконання запитів на рівні БД.
  • Найчастіше використовують рівень 1 з порогом slowms.
  • Допомагає точно локалізувати дорогі операції.
80. Які найпоширеніші проблеми продуктивності в MongoDB?

MongoDB

Типові проблеми:

  • відсутні або невдалі індекси;
  • надлишкові індекси (write overhead);
  • великі документи і безмежні масиви;
  • неефективні $lookup/$group;
  • deep pagination через великий skip;
  • нерівномірний shard key у sharded-кластері.

Коротко:

  • Найчастіша причина повільної роботи — індекси і модель даних.
  • Проблеми з schema design швидко масштабуються разом з трафіком.
  • Регулярний аудит запитів і індексів обов'язковий.
81. Що таке MongoDB Atlas?

MongoDB

MongoDB Atlas — керований хмарний сервіс MongoDB з автоматизацією розгортання, оновлень, backup, моніторингу та безпеки.

Підтримує replica set, sharding, Atlas Search і Vector Search.

Коротко:

  • Atlas = managed MongoDB у хмарі.
  • Знімає операційне навантаження з команди.
  • Дає готові production-інструменти з коробки.
82. У чому різниця між self-hosted MongoDB і MongoDB Atlas?

MongoDB

Self-hosted:

  • повний контроль над інфраструктурою;
  • команда сама керує backup, upgrades, HA, security.

Atlas:

  • більшість операцій автоматизована;
  • швидший запуск і масштабування;
  • інтегровані monitoring, alerting, advisor-інструменти.

Коротко:

  • Self-hosted дає максимальний контроль, але більший операційний тягар.
  • Atlas спрощує експлуатацію і прискорює delivery.
  • Вибір залежить від вимог комплаєнсу, бюджету і ресурсів команди.
83. Що таке Atlas Serverless?

MongoDB

Atlas Serverless — модель, де обчислювальні ресурси автоматично підлаштовуються під навантаження без ручного керування кластерами.

Підходить для нерівномірного трафіку і швидкого старту.

Коротко:

  • Serverless прибирає керування інстансами вручну.
  • Ресурси масштабуються за фактичним навантаженням.
  • Зручно для bursty workload і MVP/продуктів із змінним трафіком.
84. Як працює autoscaling у MongoDB Atlas?

MongoDB

Autoscaling автоматично змінює ресурси кластера (compute/storage) за порогами навантаження, заданими конфігурацією Atlas.

Це допомагає уникати ручного масштабування під піковий трафік.

Коротко:

  • Autoscaling реагує на ріст навантаження і даних.
  • Знижує ризик деградації при піках.
  • Потрібно контролювати ліміти і вартість.
85. Які можливості моніторингу та алертів доступні в Atlas?

MongoDB

Atlas надає:

  • dashboards по latency/ops/resources;
  • Performance Advisor;
  • Database Profiler integration;
  • алерти по CPU, RAM, disk, replication lag, connections, query latency;
  • інтеграції з зовнішніми каналами нотифікацій.

Коротко:

  • Atlas має вбудований production-моніторинг.
  • Алерти можна налаштувати на ключові SLO-метрики.
  • Performance Advisor допомагає з індексацією запитів.
86. Що таке Atlas Search?

MongoDB

Atlas Search — це керований пошуковий рушій у MongoDB Atlas на базі Lucene для повнотекстового, fuzzy, autocomplete і гібридного пошуку.

Використовується через стадію $search в aggregation.

Коротко:

  • Atlas Search дає розширений пошук понад базовий text index.
  • Підтримує relevance, autocomplete, fuzzy та аналітику пошуку.
  • Інтегрується нативно в MongoDB pipeline.
87. Чим Atlas Search відрізняється від text index?

MongoDB

text index:

  • базовий full-text через $text;
  • обмежені можливості ранжування й аналізаторів.

Atlas Search:

  • гнучкі analyzers, scoring, fuzzy, synonyms, autocomplete;
  • кращий контроль relevance і пошукової логіки.

Коротко:

  • text index простіший і базовий.
  • Atlas Search значно потужніший для production-пошуку.
  • Для складного search UX зазвичай обирають Atlas Search.
88. Як реалізувати повнотекстовий пошук у MongoDB Atlas?

MongoDB

Кроки:

  1. Створити Search Index в Atlas.
  2. Використати $search у pipeline.
  3. Додати фільтри, сортування і ліміти.
db.articles.aggregate([
  {
    $search: {
      index: "default",
      text: { query: "mongodb sharding", path: ["title", "content"] }
    }
  },
  { $limit: 20 }
])

Коротко:

  • Потрібен окремий Search Index у Atlas.
  • Запит виконується через $search.
  • Далі застосовуються звичайні стадії aggregation.
89. Що таке autocomplete index в Atlas Search?

MongoDB

Autocomplete index оптимізований для пошуку підрядків/префіксів у live search (підказки під час введення).

Використовується з оператором autocomplete у $search.

Коротко:

  • Дає швидкі підказки "на льоту".
  • Працює краще за regex для пошукового UX.
  • Налаштовується окремим типом поля в Search Index.
90. У яких випадках варто використовувати Atlas Search?

MongoDB

Atlas Search доцільний, коли потрібні:

  • релевантний повнотекстовий пошук;
  • fuzzy/synonym/autocomplete;
  • складний search UX з ранжуванням.

Для простих сценаріїв "знайти слово" може вистачати text index.

Коротко:

  • Atlas Search потрібен для складного пошуку й релевантності.
  • Підходить для каталогів, контенту, knowledge base, e-commerce.
  • Для базових задач можливий lighter варіант через text index.
91. Що таке Vector Search у MongoDB?

MongoDB

Vector Search — це пошук за близькістю embedding-векторів для семантичного порівняння контенту.

Замість точного збігу слів система шукає "схожий за змістом" текст.

Коротко:

  • Vector Search працює по embedding-представленнях.
  • Дозволяє semantic similarity пошук.
  • Базовий компонент AI/RAG-сценаріїв.
92. Як зберігати embeddings у MongoDB?

MongoDB

Embedding зазвичай зберігають як масив чисел у полі документа разом з метаданими джерела.

db.docs.insertOne({
  title: "MongoDB sharding guide",
  content: "...",
  embedding: [0.013, -0.224, 0.991],
  source: "kb",
  createdAt: new Date()
})

Далі налаштовується vector index для similarity search.

Коротко:

  • Embedding зберігається в масиві числових значень.
  • Поруч тримають metadata для фільтрації.
  • Для пошуку потрібен vector index.
93. Як працює semantic search?

MongoDB

Semantic search порівнює вектор запиту з векторами документів і повертає найближчі за змістом результати.

Потік:

  1. Перетворити запит у embedding.
  2. Виконати vector similarity пошук.
  3. За потреби додати фільтри/гібридний ранкінг.

Коротко:

  • Пошук ґрунтується на змісті, а не лише на словах.
  • Ключовий елемент — якісні embeddings.
  • Часто комбінується з класичним keyword search.
94. Як MongoDB використовується в AI або RAG-системах?

MongoDB

MongoDB у RAG використовується як операційне + пошукове сховище:

  • зберігання документів і метаданих;
  • зберігання embeddings;
  • vector/keyword пошук для retrieval;
  • журналювання діалогів і контексту.

Типовий flow: ingest -> chunking -> embedding -> index -> retrieval -> generation.

Коротко:

  • MongoDB закриває зберігання контенту і retrieval-шар.
  • Підтримує hybrid search для RAG-пайплайнів.
  • Дає єдину платформу для operational + AI-data workload.
95. Що таке connection string і як підключитися до MongoDB?

MongoDB

Connection string — URI з параметрами доступу до MongoDB: хости, БД, автентифікація, TLS, replica set, read/write policy.

mongodb+srv://app_user:strongPass@cluster0.example.mongodb.net/appdb?retryWrites=true&w=majority

У production credentials зберігають у secret manager або environment variables.

Коротко:

  • Connection string описує, куди і як підключатися.
  • Для Atlas зазвичай використовують mongodb+srv://.
  • Облікові дані не зберігають у коді.
96. Як працює connection pooling?

MongoDB

Connection pooling — це повторне використання набору відкритих з'єднань замість створення нового з'єднання на кожен запит.

Практика:

  • ініціалізувати один клієнт на процес;
  • налаштовувати maxPoolSize, minPoolSize, maxIdleTimeMS під workload;
  • уникати частого connect/disconnect.

Коротко:

  • Пул з'єднань знижує latency і навантаження на БД.
  • Клієнт зазвичай має бути singleton у сервісі.
  • Розмір пулу налаштовують під реальний concurrency.
97. Які best practices безпеки в MongoDB?

MongoDB

Ключові практики:

  1. Увімкнути authentication і TLS.
  2. Використовувати RBAC з least privilege.
  3. Ізолювати мережевий доступ (allowlist/private networking).
  4. Регулярно ротуати секрети.
  5. Увімкнути audit/logging для критичних середовищ.
  6. Своєчасно оновлювати версії MongoDB/драйверів.

Коротко:

  • Безпека = auth + шифрування + мінімальні права.
  • Мережеве обмеження доступу критичне для production.
  • Оновлення і аудит знижують ризик компрометації.
98. Як працює role-based access control (RBAC)?

MongoDB

RBAC надає права через ролі, прив'язані до користувачів.

Роль містить дозволи на дії (find, insert, update, remove, admin-операції) для конкретних БД/колекцій.

db.grantRolesToUser("app_user", [{ role: "readWrite", db: "appdb" }])

Коротко:

  • RBAC керує доступом через ролі, а не через точкові винятки.
  • Права видають за принципом least privilege.
  • Ролі мають бути розділені за функціями сервісів.
99. Як виконувати резервне копіювання та відновлення даних?

MongoDB

Варіанти backup:

  • логічні дампи (mongodump/mongorestore);
  • snapshot backup (Atlas/self-hosted storage snapshots);
  • point-in-time recovery (де доступно).

Практика:

  • автоматизувати backup schedule;
  • тестувати restore регулярно;
  • контролювати RPO/RTO вимоги.

Коротко:

  • Backup без регулярного тесту restore не вважається надійним.
  • Стратегія визначається RPO/RTO та обсягом даних.
  • Для production потрібна автоматизація і перевірка відновлення.
100. Які архітектурні best practices для масштабування MongoDB у production?

MongoDB

Практичний набір:

  1. Проєктувати схему і індекси під реальні запити.
  2. Впроваджувати replica set як базовий стандарт HA.
  3. Додавати sharding лише при досягненні ресурсних меж.
  4. Використовувати observability: метрики, профайлер, алерти.
  5. Контролювати growth даних: TTL, архівація, lifecycle policy.
  6. Регулярно переглядати query plans і індекси.

Коротко:

  • Масштабування починається з моделі даних і індексів.
  • Відмовостійкість, моніторинг і backup мають бути вбудовані з першого дня.
  • Шардінг застосовують як керований етап еволюції системи.

About

Найпопулярніші запитання та відповіді на співбесіді з MongoDB

Topics

mongodb interview-questions mongodb-interview-questions mongodb-interview-questions-and-answers

Resources

Readme

License

MIT license

Code of conduct

Code of conduct

Contributing

Contributing

Security policy

Security policy
Activity
Custom properties

Stars

4 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors