MongoDB 教程 · 关系型工程师视角
MongoDB：把文档数据库还原成一条主线
基于 MongoDB 8.0（2024-10 GA），覆盖文档模型、查询与聚合、索引与建模、WiredTiger 存储引擎、副本集与一致性、分片与选型。代码示例为 mongosh 语法，未在本机连真实实例验证——视为可读的伪运行，而非测试通过的脚本。
▸适合谁
这份教程为已经熟悉关系型数据库的后端工程师写。它默认你能做到以下三件事——如果不能，先补这一项再回来：
前置能力（具体到动作）
- 能在 PostgreSQL 或 MySQL 里写多表 JOIN，并读懂
EXPLAIN输出里的 seq scan / index scan / nested loop。 - 能说清 B-tree 索引为什么能把范围查询从 O(n) 降到 O(log n)，以及为什么写入要付索引维护的代价。
- 理解 WAL / redo log 和 MVCC 的基本作用：为什么"提交成功"要先落日志，为什么读不阻塞写。
▸不适合谁
两类读者请换一份资源，会更高效：
- 没碰过数据库的初学者——本教程不解释"什么是索引""什么是事务",而是直接对比 MongoDB 与关系型在这些点上的差异。先到 MongoDB University 的免费入门课建立基线。
- 要深挖 WiredTiger 源码或分布式协议形式化证明的人——本教程讲到"比官方文档深一层"的机制为止；再往下请读 repl/README、WiredTiger 架构文档 与 Jepsen 分析。
▸读完之后你能做到什么
核心收获，一句话：在"该用 MongoDB 还是关系型"这个决策上，你不再按"数据长得像不像表"来判断，而是按"访问模式是否稳定、是否以单个文档为读写单位"来判断；并能把文档模型、$lookup 的代价、读写关注、shard key 选择，全部还原到同一条主线上。这是官方文档不会替你串起来的那条线。
具体地，读完你能：
- 给一个真实需求，决定字段该嵌入还是引用，并说出判据（访问是否同时发生、是否无界增长、是否独立写入）。
- 读一条慢聚合，判断瓶颈是缺索引、
$lookup嵌套循环、还是$sort溢出，而不是笼统地说"性能问题"。 - 给定写入模式，选出不会造成热分片的 shard key，并解释为什么单调递增键会把负载压到一个分片。
- 配置
writeConcern与readConcern，说清一次写入在什么条件下会丢、在什么条件下读到的是旧值。 - 在选型评审里，诚实地说出 MongoDB 不该用在哪（重多实体事务、复杂即席 JOIN、强关系约束）。
一句话本质
- 在 MongoDB 里，schema 是"访问模式"的函数，不是数据逻辑结构的函数——一起被读取的数据就该存在一起。
关系型从数据的逻辑结构出发，靠范式化消除冗余，靠 JOIN 在查询时重新拼装。MongoDB 反过来：从查询怎么读出发，把一起读的数据预先拼好存进一个文档。理解了这一条，后面的一切——为什么推荐反范式、为什么 $lookup 被劝退、为什么 16MB 上限在约束你的设计——都不再是孤立的规则。
稳定可放心学：文档模型、WiredTiger 存储引擎、副本集、分片、聚合管道——核心自 4.2–5.0 起稳定。
近期在变（带日期）：MongoDB 8.0（2024-10 GA）把查询执行默认切到 SBE（slot-based execution engine），加了 Express 点查快路径、config shard、可查询加密的范围查询；官方称读吞吐较 7.0 提升约 36%。
已成过去式，别再学旧做法：mongo 旧 shell（6.0 移除，改用 mongosh）、MMAPv1 存储引擎（4.2 移除）、默认 w:1 写关注（5.0 起默认 w:majority）、map-reduce（5.0 弃用，用聚合管道）。
许可证：SSPL（2018 起，非 OSI 认可的开源），影响自托管再分发与发行版打包决策。
这份教程会刻意让你卡住——因为"读着顺"不等于"学会了"。带着关系型经验读 MongoDB 尤其危险：很多概念名字相同（索引、事务、复制），机制却不同，熟悉感会盖住差异。出现这三句内心独白时请停下：
· "我读得很顺"——你十有八九还在用关系型的旧 schema 套新词，没真正换模型。
· "我做题很快"——往往只是在背 API，没有在"嵌入还是引用"这种判别题上卡过。
· "我没卡壳"——真正的核心概念（为访问模式建模、持久性≠可见性）会让人卡；没卡说明还没碰到它。
▸概念地图
八个概念，一条自上而下的依赖链。先把这张图记在脑子里，后面每一章都挂在它的某个节点上。
▸三条学习路径
按你来的目的选一条，不必从头读到尾：
| 你的目的 | 建议路径 | 可跳过 |
|---|---|---|
| 只想换对脑子里的模型（为什么文档库不是"无 schema 的表"） | 01 → 03 → 07 | 04 / 05 / 06 的分布式细节 |
| 做技术选型 / 评审（该不该上 MongoDB） | 01 → 06 → 07 的判别题 | 02 的聚合 stage 细节 |
| 排查线上慢查询 / 数据一致性问题 | 02 → 04 → 05 | 03 的设计模式枚举 |
▸目录
▸学完之后
这份教程画的是 MongoDB 的核心心智模型。再往外走，下面几个主题会在你的 schema 上各加一块：
- Atlas Search / Vector Search——把全文检索和向量检索做进数据库；在你已有的"文档+聚合"模型上加一个
$searchstage。（本教程刻意没讲，留给你的 vector-database 教程衔接。） - Change Streams——基于 oplog 的变更订阅，把第 05 章的复制机制变成可消费的事件流。
- 时序集合（Time Series Collections）——5.0 起的列式存储集合，把第 04 章的存储模型专门优化给写多读聚合的时序数据。
- Queryable Encryption——在加密状态下做相等 / 范围查询，把安全边界推进到数据库内部。