面试题答案
一键面试MongoDB事务与数据一致性底层机制
1. 存储引擎层面（WiredTiger）对事务的支持
- 多版本并发控制（MVCC）：WiredTiger 使用MVCC来管理事务。每个写操作会创建数据的新版本，读操作根据事务的开始时间来决定读取哪个版本的数据。这允许读写操作并发执行而不会相互阻塞。例如，当一个事务在更新文档时，并不会直接修改原文档，而是创建一个新版本，旧版本仍然可供其他事务读取，直到不再有事务需要它。
- 检查点（Checkpoint）：定期创建检查点，将内存中的修改刷新到磁盘，确保数据的持久性。在事务提交时，不一定立即将所有修改写入磁盘，而是通过检查点机制保证在系统崩溃等情况下，已提交的事务不会丢失。例如，检查点会记录已提交事务的日志位置，以便在恢复时从该位置开始重放日志。
2. 日志机制确保数据一致性
- 预写式日志（WAL）：MongoDB使用预写式日志，所有的写操作在实际修改数据文件之前，先将操作记录到日志文件中。日志记录了每个事务的开始、修改操作和提交信息。在系统崩溃后，MongoDB可以通过重放日志来恢复未完成的事务，确保已提交事务的数据一致性。例如，如果一个事务在提交前系统崩溃，重放日志时会跳过未完成的事务部分，保证数据回到崩溃前的一致状态。
- Journal日志：Journal日志是WAL的一部分，它以较小的粒度记录写操作，并且是异步写入磁盘的。这保证了即使在系统崩溃时，也能快速恢复到崩溃前的最后一个一致状态。例如，Journal日志可以在后台持续写入，而不会过多影响前台的读写性能。
3. 锁机制确保数据一致性
- 文档级锁：在WiredTiger存储引擎中，默认使用文档级锁。这意味着当一个事务修改一个文档时，只有该文档被锁定，其他文档仍然可以被其他事务访问。相比表级锁，文档级锁大大提高了并发性能。例如，多个事务可以同时修改不同的文档，而不会相互阻塞。
- 全局锁：MongoDB也有全局锁（MMAPv1存储引擎中更为突出，WiredTiger已大大改进），但在WiredTiger中，全局锁的持有时间大大缩短。全局锁主要用于一些元数据操作等场景，减少对正常读写操作的影响。
与关系型数据库在事务处理和数据一致性保障上的主要区别
1. 事务模型
- MongoDB：支持多文档事务，但与传统关系型数据库相比，其事务范围和复杂性有一定限制。MongoDB的事务更侧重于分布式场景下的部分数据一致性，例如在分片集群中保证跨分片的操作一致性。例如，在处理电商订单时，可以保证订单文档和相关的库存文档修改在一个事务内，但对于复杂的多表关联事务支持不如关系型数据库。
- 关系型数据库：通常支持更强大的事务模型，如ACID事务（原子性、一致性、隔离性、持久性），能处理复杂的多表关联事务，确保整个数据库在事务操作后的一致性。例如，银行转账操作涉及多个账户表之间的复杂关联和更新，关系型数据库能很好地处理这种事务。
2. 存储结构与一致性保障
- MongoDB：基于文档存储，数据结构相对灵活，一致性保障基于文档级锁和MVCC等机制。由于数据的灵活性，在某些情况下一致性验证相对关系型数据库较宽松。例如，文档中的字段可以动态添加和修改，可能会出现部分数据不一致但仍然可以被系统接受的情况。
- 关系型数据库：基于表结构存储，数据结构严格，通过严格的模式定义和约束（如主键、外键等）来保障数据一致性。在执行事务时，数据库会严格验证数据是否符合模式定义，确保数据的完整性和一致性。例如，插入数据时如果不符合表的模式定义（如数据类型不匹配、违反外键约束等），事务会回滚。
3. 并发控制
- MongoDB：采用文档级锁提高并发性能，更适应高并发读写场景，但对于复杂事务的并发处理能力相对较弱。例如，在高并发的社交平台数据写入场景中，文档级锁能有效提高系统的并发处理能力。
- 关系型数据库：通常使用行级锁、表级锁等多种锁机制，对于复杂事务的并发处理能力较强，但在高并发读写场景下，锁争用可能导致性能下降。例如，在银行核心系统中，关系型数据库通过复杂的锁机制保证资金交易的一致性，但在高并发时可能出现锁等待问题。