# 1. $lookup 的语义与跨集合 JOIN 模拟？ A $lookup 默认是左外连接，主集合文档都会保留，结果为数组 ✓ 正确答案 B $lookup 默认执行内连接，无匹配的文档会被丢弃 C $lookup 相当于 SQL 中的全外连接，两侧多余文档都保留 D $lookup 只能做不等值匹配，无法做等值关联
# 2. MongoDB 聚合管道（Aggregation Pipeline）的阶段，$match、$group、$project、$lookup？ A $group 是可流式阶段，边读边输出，几乎不占内存 B $lookup 只能对同一集合内的字段做重命名 C $project 相当于 WHERE，负责过滤文档 D $match 应尽量放在管道最前，以便利用索引并减少数据量 ✓ 正确答案
# 3. MongoDB 索引类型，单字段、复合、多键、地理、文本、TTL？ A TTL 索引只能对日期字段设置，用于自动删除过期文档 ✓ 正确答案 B 多键索引用于字符串字段的全文搜索 C 文本索引用于地理坐标查询 D 复合索引不遵循最左前缀原则
# 4. TTL（Time To Live）索引的过期清理机制？ A TTL 索引由后台线程约每 60 秒扫描一次，删除会有延迟 ✓ 正确答案 B TTL 索引删除是精确到毫秒的即时删除 C TTL 索引可以建立在整形字段上，无论如何都有效 D TTL 索引可以直接用于复合索引以加速多字段过期
# 5. 嵌入 vs 引用的量化决策，以访问模式（读多写少）、文档增长与一致性要求为依据的建模案例 A 数据会无限增长且频繁独立更新时，应优先嵌入 B 数据总是与父文档一起读取且规模可控时，嵌入更优 ✓ 正确答案 C 嵌入一定优于引用，因为读取更快 D 只要数据小于 16MB 就应嵌入
# 6. $geoWithin、$geoNear、$nearSphere 分别如何使用 2dsphere 索引？与普通索引在查询计划上的差异是什么？ A 普通 B-tree 索引能高效支持最近邻距离排序 B $geoNear 必须配合 2dsphere 索引且按距离排序返回结果 ✓ 正确答案 C $geoWithin 返回按距离排序的结果 D 地理查询无需索引也能高效执行
# 7. 为什么评论数组这类无界数组是文档建模反模式（16MB 上限、索引膨胀、原子更新受限）？应如何拆分为独立集合？ A 无界数组没有性能问题，可以放心嵌入 B 评论数据总是适合嵌入到文章文档中 C 数组元素可以独立原子更新，无需重写文档 D 无界数组会触发 16MB 上限、索引膨胀且原子更新受限，应拆为独立集合 ✓ 正确答案
# 8. 地理空间索引，2dsphere、2d、HASHED？ A 2dsphere 索引支持 GeoJSON，用于球面地理查询 ✓ 正确答案 B HASHED 索引用于地理空间查询 C 2d 索引是推荐的新式地理索引，功能最全 D 三个索引都能用于分片键均匀分布
# 9. 索引选择性（Selectivity）与 ESR 规则？ A 范围字段 R 应放在复合索引最前 B ESR 与索引选择性无关 C 排序字段 S 必须放在最后 D 等值字段 E 在前、排序字段 S 居中、范围字段 R 在后 ✓ 正确答案
# 10. MongoDB 的嵌入（Embedding）vs 引用（Referencing），何时嵌入、何时引用？ A 数据总是与父文档一起读取且规模有界时，适合嵌入 ✓ 正确答案 B 引用一定比嵌入读取更快 C 嵌入每次都需额外查询关联数据 D 数据被多个文档共享时应优先嵌入
# 11. 文档大小限制（16MB）与 GridFS 的应用？ A GridFS 是高性能对象存储，适合替代 S3 B 单个文档可以超过 16MB，只要磁盘足够 C GridFS 把大文件拆成多个 255KB 的 chunk 存储 ✓ 正确答案 D GridFS 只存元数据，不存文件内容
# 12. MongoDB 建模与一致性？ A 跨文档更新天然原子，无需事务 B 反规范化冗余字段永远保持强一致 C 单文档内的更新是原子的，嵌入可扩大原子更新范围 ✓ 正确答案 D 引用模型不存在一致性风险
# 13. MongoDB 的索引策略，复合索引、TTL 与地理索引的配合？ A 索引建得越多越好，能加速所有查询 B TTL 索引可以建立在任意字段上 C 复合索引应遵循 ESR 规则，TTL 与地理索引服务特定场景 ✓ 正确答案 D 地理索引与复合索引可以合并为一个索引
# 14. 多键索引（数组字段）的索引项展开与性能边界 A 多键索引对数组整体建立单个索引项 B 多键索引为数组每个元素建立独立索引项 ✓ 正确答案 C 数组元素越多，索引越小，查询越快 D 多键索引只能用于字符串数组
# 15. 物联网时间序列场景的桶化（bucket）建模如何设计桶键与边界？相比每事件一个文档在索引与写入放大上有何收益？ A 桶化让每个事件都存成独立文档，便于索引 B 桶化只适用于文档数据库，不适用于时序优化 C 桶化最大的缺点是文档数太多 D 桶化按时间窗口合并事件，减少文档数与索引项，降低写入放大 ✓ 正确答案
# 16. TTL 索引的删除为什么不精确（后台周期扫描）？对复合索引、数组字段与分片集群有哪些限制？ A TTL 删除是即时的，精确到秒 B TTL 索引在分片集群中删除全局精确 C TTL 索引可以建在任意字段类型上 D TTL 索引由后台线程约 60 秒扫描删除，且不能建在复合索引上 ✓ 正确答案
# 17. MongoDB 聚合 vs MapReduce，性能与复杂度对比？ A MapReduce 性能优于聚合管道 B MapReduce 能利用数据库索引加速 C 聚合管道由 C++ 原生实现，性能高且推荐替代 MapReduce ✓ 正确答案 D 聚合管道只能做简单过滤，无法分组
# 18. MongoDB 的 $text 全文索引与中文分词？ A $text 索引对中文分词支持良好，无需额外处理 B 一个集合可以建多个 $text 索引 C $text 索引默认按空格分词，对中文支持差 ✓ 正确答案 D $text 索引用于地理查询
# 19. MongoDB 的通配符索引与部分索引（partial index）的适用场景 A 通配符索引要求所有字段名必须相同 B 通配符索引用于固定字段名的文档 C 部分索引对集合内所有文档都建索引 D 部分索引对满足条件的文档建索引，可减少索引体积 ✓ 正确答案
