面试题：MongoDB复杂场景下的数据建模与查询优化

数据建模方案

文档结构设计：
- 通用字段：在每个商品文档中，包含通用的字段，如_id（商品唯一标识）、basicDescription（基本描述）、price（价格）、stock（库存）和comments（评论数组，每个元素包含评论内容、评论者等信息）。例如：
```
{
    "_id": "商品ID1",
    "basicDescription": "这是一款手机",
    "price": 3999,
    "stock": 100,
    "comments": [
        {
            "content": "手机很好用",
            "commenter": "用户1"
        },
        {
            "content": "拍照效果不错",
            "commenter": "用户2"
        }
    ],
    "category": "电子产品",
    "specificAttributes": {
        "brand": "某品牌",
        "model": "型号1",
        "screenSize": "6.5英寸"
    }
}
```
- 特定属性：对于不同类别的商品，使用一个字段（如specificAttributes）来存储特定属性，该字段是一个对象，其键值对根据商品类别不同而不同。这样既保证了不同类别商品特定属性的灵活性，又能在一个文档中统一管理商品信息。
索引设计：
- 单字段索引：
  - 为category字段创建单字段索引，以便快速根据商品类别筛选商品。在MongoDB中可以使用db.products.createIndex({category: 1})创建升序索引，这样在查询某一类别商品时，MongoDB可以利用索引快速定位相关文档。
  - 为price字段创建单字段索引，例如db.products.createIndex({price: 1})。这样在根据价格范围筛选商品时，如db.products.find({price: {$gte: 100, $lte: 500}})，MongoDB可以利用索引快速找到符合价格范围的商品。
- 复合索引：如果经常需要同时根据商品类别和价格范围筛选商品，可以创建复合索引db.products.createIndex({category: 1, price: 1})。复合索引中字段的顺序很重要，在查询时如果查询条件的顺序与复合索引字段顺序一致，索引的利用效率会更高。
- 计算字段索引：为了高效获取商品的评论总数，可以在文档中增加一个commentCount字段，每次有新评论时更新该字段的值。然后为commentCount字段创建索引db.products.createIndex({commentCount: 1})。这样在查询评论总数时，如db.products.find({commentCount: {$gt: 100}})，可以利用索引快速找到评论数满足条件的商品。

数据建模对查询性能的影响

文档结构影响：
- 优点：将通用字段和特定属性放在同一个文档中，减少了查询时的连接操作。在关系型数据库中，如果不同类别商品特定属性用不同表存储，查询时可能需要进行复杂的表连接，而MongoDB的这种文档结构设计避免了这种情况，提高了查询效率。例如，查询一款电子产品的所有信息，直接查询该商品文档即可，无需进行表连接操作。
- 缺点：如果特定属性非常多，可能会导致文档过大，影响存储和读取性能。而且如果某些特定属性很少使用，也会占用不必要的空间。
索引影响：
- 优点：单字段索引和复合索引的使用，极大地提高了根据商品类别和价格范围筛选商品的速度。MongoDB可以通过索引快速定位到符合条件的文档，避免了全表扫描。例如，有大量商品数据时，没有索引的情况下查询某一类别且价格在一定范围的商品，可能需要遍历整个集合；而有了索引，能够快速定位到相关文档。计算字段索引使得获取商品评论总数的查询更加高效，因为可以直接利用索引找到符合评论数条件的商品。
- 缺点：索引会占用额外的存储空间，并且每次文档更新时，相关索引也需要更新，这会增加写操作的开销。例如，每次商品价格更新时，price字段的索引也需要更新，所以在设计索引时需要权衡读操作和写操作的频率，避免过多索引影响写性能。

星途面试题库

面试题：MongoDB复杂场景下的数据建模与查询优化

知识考点

面试题答案

数据建模方案

数据建模对查询性能的影响