面试题：MongoDB中文档与关系型数据库表结构的差异

MongoDB文档基本概念

文档定义：
- MongoDB中的文档是一组键值对（key - value pairs），类似于JSON对象。它是MongoDB中数据的基本单元，就如同关系型数据库中的行（记录）。例如，一个表示用户的文档可能如下：
```
{
    "name": "John Doe",
    "age": 30,
    "email": "johndoe@example.com",
    "address": {
        "street": "123 Main St",
        "city": "Anytown",
        "state": "CA"
    }
}
```
文档特点：
- 灵活的数据结构：文档不需要遵循预定义的模式（schema - less），同一集合（相当于关系型数据库中的表）中的文档可以有不同的字段。比如，一个用户集合中，有些文档可能有“phone”字段，有些可能没有。
- 嵌套结构：文档可以包含其他文档、数组，从而方便地表示复杂的数据关系。如上述例子中“address”字段本身就是一个嵌套文档。

与关系型数据库表结构在数据存储上的差异

模式定义：
- MongoDB：无模式（schema - less），文档可以随时添加或删除字段，无需预先定义整个结构。例如，在插入新文档时，如果该文档包含集合中其他文档没有的字段，MongoDB会正常存储该文档。
- 关系型数据库：严格的模式定义，表结构需要预先定义，包括列名、数据类型等。插入数据时必须符合该模式，否则会报错。例如，创建一个“users”表时，需指定“name”为字符串类型、“age”为整数类型等，插入数据时若类型不匹配就无法成功插入。
数据存储格式：
- MongoDB：以BSON（Binary JSON）格式存储文档，这种格式是二进制编码的，更适合在网络上传输和存储，同时保留了JSON的灵活性。
- 关系型数据库：以行和列的形式存储数据，不同列的数据类型不同，存储格式通常是数据库特定的二进制格式，用于高效的存储和检索。例如，MySQL会根据列的数据类型（如整数、字符串等）以不同方式存储数据。
数据关系表示：
- MongoDB：通过嵌套文档和数组来表示关系。例如，一个订单文档可以嵌套多个商品文档来表示订单包含的商品信息。如果要表示一对多关系，也可以在父文档中使用数组存储子文档的引用。
- 关系型数据库：通过外键（Foreign Key）来建立表与表之间的关系。例如，“orders”表和“products”表通过外键关联，“orders”表中的某一行记录通过外键指向“products”表中的特定行，以此表示订单与商品的关系。

与关系型数据库表结构在查询方式上的差异

查询语言：
- MongoDB：使用MongoDB查询语言（基于JSON - like语法）。例如，要查询年龄大于30岁的用户：
```
db.users.find({ "age": { "$gt": 30 } })
```
- 关系型数据库：使用SQL（Structured Query Language）。例如，同样查询年龄大于30岁的用户：
```
SELECT * FROM users WHERE age > 30;
```
查询灵活性：
- MongoDB：由于其无模式特点，查询可以很灵活，能够轻松查询嵌套文档和数组中的数据。例如，查询地址在“CA”州的用户：
```
db.users.find({ "address.state": "CA" })
```
- 关系型数据库：查询需要遵循预定义的表结构。对于复杂嵌套数据的查询相对复杂，通常需要使用连接（JOIN）操作，而且对未预定义的结构查询支持有限。例如，要查询类似MongoDB中嵌套文档结构的数据，可能需要使用多个表连接以及复杂的子查询。
索引使用：
- MongoDB：支持多种类型的索引，如单字段索引、复合索引、地理空间索引等。索引创建和使用方式与关系型数据库有所不同，其索引是基于文档的键。例如，为“users”集合的“email”字段创建索引：
```
db.users.createIndex({ "email": 1 })
```
- 关系型数据库：也支持多种索引类型，如普通索引、唯一索引、主键索引等。索引基于列定义，例如在MySQL中为“users”表的“email”列创建索引：
```
CREATE INDEX email_index ON users (email);
```

星途面试题库

面试题：MongoDB中文档与关系型数据库表结构的差异

知识考点

面试题答案

MongoDB文档基本概念

与关系型数据库表结构在数据存储上的差异

与关系型数据库表结构在查询方式上的差异