> Был ли опыт работы с MongoDB или аналогичными документно-ориентированными базами данных (MongoDB, Go)

Короткий ответ

Да, есть опыт работы с MongoDB и другими документно-ориентированными БД (например, Couchbase, Firestore). В основном использовал MongoDB как основное хранилище в high-load сервисах на Go: проектировал схемы, работал с агрегациями, индексами, replica sets и sharding. Также сталкивался с trade-off между consistency и availability, настройкой read/write concerns и оптимизацией запросов через explain.

Подробное объяснение

Опыт включает несколько уровней:

• Моделирование данных: проектирование документных схем с учётом паттернов доступа, встраивание vs ссылки (embedding vs referencing), использование _id как естественного ключа, работа с массивами и вложенными объектами.
• Индексы: создание составных, partial, TTL, text и geospatial индексов; анализ планов запросов через explain("executionStats"); выявление и устранение COLLSCAN.
• Агрегационный pipeline: $match, $group, $lookup, $unwind, $project, $sort, $limit, $facet; оптимизация порядка стадий.
• Репликация и отказоустойчивость: настройка replica set, read preference (primary, secondaryPreferred), write concern (majority, w:1), понимание rollback и oplog.
• Sharding: выбор shard key, chunk distribution, балансировка, влияние на паттерны запросов (broadcast vs targeted).
• Транзакции: multi-document transactions в replica set и sharded cluster, ограничения и изоляция (snapshot, read committed).
• Интеграция с Go: использование официального драйвера mongo-go-driver, работа с bson (struct tags, bson.M, bson.D), пул соединений, context timeouts, retryable writes.

Также работал с альтернативами: Couchbase (N1QL, sub-document API) и Firestore (коллекции, документы, composite indexes, real-time listeners) - это помогает понимать общие принципы документных БД и их отличия.

На практике

В продакшене использовал MongoDB для:

• Каталог товаров: вложенные варианты (SKU), атрибуты, динамические поля - схема проектировалась под частые запросы (по категории, цене, наличию).
• Логирование событий: TTL-индексы для автоудаления старых записей, capped collection для метрик.
• Очереди задач: использование findOneAndUpdate с $set и фильтром по статусу для атомарного взятия задачи (compare-and-swap).
• Аналитика: агрегации по временным окнам, $bucket для гистограмм, материализованные коллекции для кэширования результатов.

Пример реальной проблемы: медленный поиск по тексту - заменил regex на text index, затем на внешний поиск (Elasticsearch) для полнотекстового поиска, оставив MongoDB для точных фильтров.

Пример кода

GO
// Пример работы с MongoDB из Go: агрегация с lookup и группировкой
package main

import (
    "context"
    "fmt"
    "time"

    "go.mongodb.org/mongo-driver/bson"
    "go.mongodb.org/mongo-driver/mongo"
    "go.mongodb.org/mongo-driver/mongo/options"
)

func aggregateOrders(ctx context.Context, coll *mongo.Collection) ([]bson.M, error) {
    pipeline := mongo.Pipeline{
        // фильтруем заказы за последние 30 дней
        {{Key: "$match", Value: bson.D{
            {Key: "created_at", Value: bson.D{
                {Key: "$gte", Value: time.Now().AddDate(0, 0, -30)},
            }},
        }}},
        // разворачиваем массив позиций
        {{Key: "$unwind", Value: "$items"}},
        // подтягиваем данные о товаре
        {{Key: "$lookup", Value: bson.D{
            {Key: "from", Value: "products"},
            {Key: "localField", Value: "items.product_id"},
            {Key: "foreignField", Value: "_id"},
            {Key: "as", Value: "product"},
        }}},
        {{Key: "$unwind", Value: "$product"}},
        // группируем по категории
        {{Key: "$group", Value: bson.D{
            {Key: "_id", Value: "$product.category"},
            {Key: "total_revenue", Value: bson.D{
                {Key: "$sum", Value: bson.D{
                    {Key: "$multiply", Value: bson.A{"$items.price", "$items.quantity"}},
                }},
            }},
            {Key: "order_count", Value: bson.D{{Key: "$sum", Value: 1}}},
        }}},
        {{Key: "$sort", Value: bson.D{{Key: "total_revenue", Value: -1}}}},
        {{Key: "$limit", Value: 10}},
    }

    cursor, err := coll.Aggregate(ctx, pipeline, options.Aggregate().SetAllowDiskUse(true))
    if err != nil {
        return nil, fmt.Errorf("aggregate: %w", err)
    }
    defer cursor.Close(ctx)

    var results []bson.M
    if err := cursor.All(ctx, &results); err != nil {
        return nil, fmt.Errorf("decode results: %w", err)
    }
    return results, nil
}

Как отвечать на собеседовании

• Начни с конкретных проектов: где использовал MongoDB, какую нагрузку, какие задачи решал.
• Покажи понимание trade-off: почему выбрал документную модель, а не реляционную; где это было ошибкой.
• Упомяни проблемы, с которыми сталкивался: неоптимальные запросы, рост документов, горячие ключи при шардировании.
• Говори про конкретику: explain, индексы, write concern, а не общие слова.
• Если спрашивают про альтернативы - сравни с PostgreSQL (JSONB), Cassandra (широкие колонки), Elasticsearch (поиск).
• Подчеркни опыт с Go-драйвером: пул соединений, context, bson-маппинг, обработка ошибок (ErrNoDocuments, duplicate key).

Что проверяет интервьюер

• Глубина понимания документной модели: умеешь ли проектировать схемы под запросы, а не переносить реляционные привычки.
• Практический опыт: знаешь ли реальные проблемы (индексы, агрегации, шардирование) и способы их решения.
• Умение принимать решения: когда MongoDB уместна, а когда нет; как балансировать между consistency и performance.
• Работа с Go: знание драйвера, обработка ошибок, конкурентность, работа с BSON.
• Понимание внутренностей: oplog, WiredTiger, journaling, checkpointing - на senior уровне это ожидаемо.

Типичные ошибки

• Отвечать общими фразами: "да, работал, там документы" - без примеров и деталей.
• Путать MongoDB с реляционной БД: говорить про JOIN, нормализацию, foreign keys как про стандарт.
• Не знать про индексы: не упоминать explain, составные индексы, покрывающие запросы.
• Игнорировать consistency: не понимать разницу между read preference и write concern, не знать про majority.
• Хвалить без критики: утверждать, что MongoDB - решение всего; не упоминать ограничения (нет join, сложные транзакции, размер документа 16MB).
• Не знать драйвер: не уметь написать простой запрос на Go, не знать про bson.M vs bson.D.
• Забывать про sharding: не понимать, как выбрать shard key, что такое jumbo chunks, как влияет на hotspot.