Thư Viện Câu Hỏi Phỏng Vấn

Khái niệm về Schema Validation

Mặc dù MongoDB là cơ sở dữ liệu hướng schema linh hoạt (Schema-less / Schema-flexible), nhưng trong môi trường doanh nghiệp, việc kiểm soát tính hợp lệ của dữ liệu là bắt buộc để tránh dữ liệu rác.

Vấn đề thường gặp của Junior

Một lỗi kinh điển mà các lập trình viên cấp độ Junior hay mắc phải là khởi tạo một đối tượng new MongoClient() mới bên trong mỗi hàm gọi API hoặc mỗi request. Điều này dẫn đến việc tràn kết nối (Connection Leak), cạn kiệt tài nguyên mạng và làm sập ứng dụng.

Phân tích cơ chế

1. Write Concern: Xác định mức độ xác nhận từ phía server khi thực hiện ghi dữ liệu. Ví dụ, w: 1 chỉ xác nhận ghi vào primary, trong khi w: 'majority' đảm bảo dữ liệu đã được ghi vào đa số các node trong Replica Set, giúp tránh mất mát dữ liệu khi primary bị lỗi.

Bản chất vấn đề

Toán tử $push kết hợp với $each cho phép thêm nhiều phần tử vào một mảng trong một thao tác duy nhất (atomic operation). Nếu bạn lấy mảng về ứng dụng, thêm phần tử rồi lưu lại, bạn sẽ đối mặt với rủi ro Race Condition (nhiều tiến trình cùng cập nhật một mảng).

Cơ chế hoạt động

TTL Index là một loại index đặc biệt cho phép tự động xóa các document sau một khoảng thời gian nhất định dựa trên giá trị của một trường kiểu Date. MongoDB chạy một background thread (thường mỗi 60 giây) để quét và xóa các document hết hạn.

Phương pháp phân tích

Sử dụng phương thức .explain('executionStats') để kiểm tra cách MongoDB thực thi truy vấn. Các chỉ số quan trọng cần quan tâm:

Định nghĩa

Một truy vấn được gọi là 'Covered Query' khi tất cả các trường được yêu cầu trong truy vấn đều nằm trong Index, và không có trường nào yêu cầu phải truy xuất từ Document gốc (trên đĩa cứng).

1. Sự khác biệt cốt lõi

• Embedded Document (Nhúng tài liệu): Lưu trữ dữ liệu liên quan trực tiếp bên trong một document chính. Giúp truy vấn dữ liệu toàn diện chỉ trong một thao tác đọc duy nhất.
• Referenced Document (Tham chiếu tài liệu): Lưu trữ dữ liệu liên quan ở các collection khác và liên kết chúng thông qua ObjectId (giống khóa ngoại trong SQL).

2. Tiêu chí lựa chọn cho Junior

• Nên chọn Embedded khi:
  • Mối quan hệ là 1-1 hoặc 1-few (một-vài).
  • Dữ liệu con thường xuyên được truy xuất cùng với dữ liệu cha.
  • Ví dụ: Một bài viết (Post) có danh sách các bình luận ngắn (Comments) giới hạn số lượng.
• Nên chọn Referenced khi:
  • Mối quan hệ là 1-many lớn hoặc many-many.
  • Dữ liệu con thay đổi độc lập và phát triển với kích thước không giới hạn (tránh vượt quá giới hạn 16MB của một document trong MongoDB).
  • Ví dụ: Sản phẩm trong kho hàng liên kết với danh mục sản phẩm lớn.

3. Kinh nghiệm thực chiến

Junior thường hay lạm dụng việc nhúng toàn bộ dữ liệu khiến document phình to, làm giảm hiệu năng ghi dữ liệu và vi phạm giới hạn kích thước của MongoDB. Hãy cân nhắc kỹ về tốc độ đọc so với tốc độ ghi trước khi quyết định thiết kế schema.

1. Bản chất cơ chế

• Single Field Index: Chỉ mục trên một trường duy nhất của document, giúp tăng tốc độ tìm kiếm cho các truy vấn dựa trên trường đó.
• Compound Index (Chỉ mục kết hợp): Chỉ mục trên nhiều trường cùng lúc. MongoDB sắp xếp dữ liệu theo thứ tự các trường được định nghĩa trong index.

2. Quy tắc Left-prefix (Tiền tố bên trái)

• Khi bạn tạo một Compound Index gồm nhiều trường, ví dụ: { status: 1, createdAt: -1 }, MongoDB có thể sử dụng index này cho:
  • Truy vấn tìm kiếm theo status.
  • Truy vấn tìm kiếm theo cả status VÀ createdAt.
• Tuy nhiên, nó KHÔNG tối ưu hoặc không sử dụng index nếu bạn chỉ truy vấn mỗi trường createdAt.

3. Ví dụ minh họa

// Tạo Compound Index
db.orders.createIndex({ status: 1, totalAmount: -1 });

// Sử dụng hiệu quả Index
db.orders.find({ status: "pending", totalAmount: { $gt: 100 } });

// Vẫn sử dụng được Index vì trường 'status' nằm ở bên trái
db.orders.find({ status: "completed" });

// KHÔNG hiệu quả (phải quét toàn bộ collection - Collection Scan)
db.orders.find({ totalAmount: { $gt: 100 } });

4. Kinh nghiệm thực chiến

Luôn đặt các trường có tính lọc cao (độ phân giải dữ liệu lớn, ví dụ: userId, status) ở vị trí bên trái trong Compound Index để tối ưu hóa hiệu năng truy vấn cho ứng dụng.

1. Bản chất Connection Pooling

• Connection Pool là tập hợp các kết nối vật lý đã được thiết lập sẵn tới cơ sở dữ liệu MongoDB. Thay vì mở và đóng kết nối liên tục cho mỗi request (gây lãng phí tài nguyên và độ trễ cao), ứng dụng sẽ mượn kết nối từ pool, thực hiện câu lệnh và trả lại.

2. Cấu hình tiêu chuẩn trong Node.js (Mongoose / Native Driver)

Khi khởi tạo kết nối, Junior cần chú ý cấu hình kích thước pool phù hợp:

1. Vấn đề với Skip-Limit Pagination

• Cú pháp thông thường:

  db.items.find().sort({ _id: 1 }).skip(100000).limit(10);

• Hạn chế: Khi số lượng skip lớn (ví dụ: nhảy qua 100,000 bản ghi), MongoDB vẫn phải duyệt qua và bỏ qua đúng 100,000 bản ghi trước đó trong bộ nhớ RAM hoặc trên đĩa cứng, gây suy giảm hiệu năng nghiêm trọng (O(n)).

2. Giải pháp Range-Based Pagination (Cursor-based)

• Thay vì dùng skip, ta sử dụng giá trị của trường được sắp xếp từ trang trước làm điều kiện lọc cho trang tiếp theo.

1. Bản chất BSON và giới hạn 16MB

Trong phát triển dự án với Mongodb, việc tối ưu hóa và quản lý tốt Aggregation Pipeline optimization là vô cùng quan trọng để đảm bảo tính ổn định và hiệu năng của hệ thống. Dưới đây là các khía cạnh kỹ thuật cốt lõi:

Trong phát triển dự án với Mongodb, việc tối ưu hóa và quản lý tốt Transactions ACID là vô cùng quan trọng để đảm bảo tính ổn định và hiệu năng của hệ thống. Dưới đây là các khía cạnh kỹ thuật cốt lõi:

Change Streams cho phép ứng dụng theo dõi các thay đổi dữ liệu theo thời gian thực mà không cần phải query liên tục. Cơ chế hoạt động dựa trên Oplog (Operations Log) của Replica Set. Khi một thao tác ghi xảy ra, nó được ghi vào Oplog, và Change Streams sẽ lắng nghe các sự kiện này để gửi thông báo cho ứng dụng.