---
id: backend.mongodb.document-model
title: MongoDB 基础：文档建模（嵌入还是引用）、索引与 ESR、聚合、事务和变更流
type: lesson
domain: backend
stack: [mongodb]
tags: [MongoDB, 文档模型, 嵌入, 引用, 复合索引, ESR, 聚合管道, 事务, 变更流, 副本集]
level: basic
prerequisites: [backend.postgresql.index]
est_hours: 3
related: [backend.mongodb.scenario.conversation-store, backend.elasticsearch.index, backend.mongodb.interview]
week: [14]
order: 1
---

# MongoDB 基础：文档建模（嵌入还是引用）、索引与 ESR、聚合、事务和变更流

> BOSS直聘 2026-10-23 的调研中，有岗位把 MongoDB 列为要求或加分项（常见于存储对话记录、日志、灵活结构的业务数据）。定位：**了解并能用**，主库仍以 PostgreSQL / MySQL 为主。示例基于 MongoDB 8.2 + PyMongo 4.19 实际运行通过；以官方文档为准：https://www.mongodb.com/docs/manual/ 。

## 解释说明

### 和关系型数据库的对应

| 关系型 | MongoDB |
| --- | --- |
| 数据库 / 表 / 行 | database / collection / document（BSON，类似 JSON） |
| 表结构 | 默认无固定结构，可用 `$jsonSchema` 校验 |
| JOIN | 优先“嵌入”，必要时用聚合的 `$lookup` |
| 事务 | 单文档写入天然原子；多文档事务需要副本集或分片集群 |

### 建模：嵌入还是引用

- **嵌入**：总是一起读写、数量有上限的子数据（会话中的最近消息、订单中的商品快照）。一次读取拿到全部，单文档原子更新。
- **引用**：数量无上限或会被独立访问、多处共享的数据（用户、商品主数据、海量消息）。
- 单个文档上限 16MB，数组不能无限增长（“无限数组”是常见反模式）。

### 索引

- 单字段、复合、多键（数组）、TTL（自动过期）、唯一、文本索引等。
- **复合索引的 ESR 规则**：等值条件字段在前（Equality），排序字段居中（Sort），范围条件字段在后（Range）。
- 用 `explain()` 看是否 `IXSCAN`（走索引）、有没有 `COLLSCAN`（全表扫描）和 `SORT`（内存排序）。

### 聚合管道

`$match` → `$unwind` → `$group` → `$sort` → `$project` …… 像流水线一样处理；`$match` 尽量放在最前面以利用索引。

### 副本集、事务、变更流

- **副本集**：一主多从，自动故障转移；读写关注（`readConcern` / `writeConcern`）控制一致性。
- **事务**：多文档 ACID，需要副本集；有性能成本，优先通过建模让一次写入只改一个文档。
- **变更流（Change Streams）**：订阅集合的变更，常用于同步到 ES / 缓存 / 消息队列，支持 resume token 断点续传。

## 案例

AI 客服会话存储：会话文档嵌入最近消息（上限 200 条），结构随渠道不同而变化；按“租户 + 状态 + 时间倒序”查询待处理会话；转人工时同时改会话状态并创建工单（事务）；变更流把工单同步到搜索服务。

## 代码示例

[examples/conversations/mongo_demo.py](examples/conversations/mongo_demo.py)（需要 `MONGO_URL`，单节点副本集即可），实际输出：

```text
1. Schema 校验：非法 status 被拒绝
2. 查询走索引且无需内存排序：['FETCH', 'IXSCAN', 'LIMIT']
3. 聚合统计 6 组，例如 {'tenant': 't0', 'channel': 'app'} 共 50 个会话，平均 22.9 tokens
4. 幂等 upsert：重复投递 3 次只有 1 条
5. 事务：成功的提交生效，失败的整体回滚
6. 变更流收到插入事件，并拿到 resume token 用于断点续传
```

ESR 索引和 explain：

```python
conv.create_index([("tenant_id", 1), ("status", 1), ("created_at", -1)])        # 等值、等值、排序
plan = conv.find({"tenant_id": "t1", "status": "handoff"}).sort("created_at", -1).limit(10).explain()
```

幂等 upsert：

```python
events.create_index("event_id", unique=True)
events.update_one({"event_id": "evt-001"}, {"$setOnInsert": {"payload": "退款申请"}}, upsert=True)
```

本地启动单节点副本集（无 Docker 时可用官方二进制包）：

```bash
mongod --dbpath ./data --replSet rs0 --bind_ip 127.0.0.1 --port 27017
mongosh --eval 'rs.initiate()'      # 或用 PyMongo 执行 replSetInitiate
```

## 易错点

- 把关系型的表结构原样搬过来，到处 `$lookup`，失去文档模型的优势。
- 无限增长的嵌入数组。
- 以为“无结构”就不需要校验：关键字段要用 Schema 校验和应用层校验。
- 复合索引顺序不对，查询仍然内存排序。
- 单机（非副本集）部署上使用事务或变更流，直接报错。
- 用 `skip` 做深分页：越往后越慢，改用“基于上一页最后一个值”的范围查询。

## 面试常问

- 什么时候选 MongoDB，什么时候选 PostgreSQL？
- 嵌入和引用怎么选？
- 复合索引的设计原则？
- MongoDB 支持事务吗？有什么限制？