MongoDB 入門指南：靈活高效的 NoSQL 資料庫

在現代開發中，資料庫是應用程式的核心之一。許多開發者熟悉 MySQL、PostgreSQL 這類 關聯式資料庫（RDBMS），但近年來 NoSQL 資料庫 逐漸成為熱門選擇，尤其是 MongoDB。

MongoDB 是一種靈活、高效的 NoSQL 資料庫，特別適合 大數據處理、雲端應用、即時分析、IoT（物聯網） 等應用場景。

如果你是新手，本篇文章將帶你了解 MongoDB 的概念、特點、如何使用，以及它與傳統關聯式資料庫的不同之處。

什麼是 MongoDB？

MongoDB 是一款基於文件（Document-Oriented）的 NoSQL 資料庫，由 MongoDB Inc. 開發，使用 JSON 格式（實際上是 BSON，Binary JSON）來存儲數據。

相較於傳統的關聯式資料庫（如 MySQL），MongoDB 不使用表格和行，而是透過「文件（Document）」和「集合（Collection）」來組織數據。

MongoDB 名稱的由來

MongoDB 的名稱來自於單字 “humongous”（巨大的），代表著它的核心設計目標：能夠處理海量數據（Big Data）。

當 MongoDB 於 2007 年由 10gen（現為 MongoDB Inc.） 創立時，團隊的初衷是開發一個高效、可擴展、靈活的資料庫，以適應現代應用的需求。他們希望資料庫能夠輕鬆處理大規模數據（humongous data），因此將其命名為 MongoDB。

MongoDB 要解決的問題

MongoDB 的誕生是為了解決傳統 關聯式資料庫（SQL） 在應對現代應用需求時所面臨的一些挑戰：

大數據與高擴展性

問題：SQL 資料庫的擴展性限制

在傳統的 關聯式資料庫（RDBMS） 中，所有的數據通常存儲在單一的伺服器或一組伺服器內部。

當數據量變大時，SQL 資料庫的擴展方式通常是 垂直擴展（Vertical Scaling），也就是：

• 增加 更強的 CPU、更多的記憶體（RAM） 或 更快的磁碟（SSD） 來提升單台伺服器的處理能力。

然而，這種方法有其物理限制：

• 成本高昂：隨著硬體升級，價格成倍增長，並不是長久之計。
• 單點故障風險（Single Point of Failure）：如果主伺服器發生故障，整個資料庫就會掛掉，影響應用運行。
• 難以應對非結構化或半結構化數據：例如使用者行為日誌、社交媒體貼文、感測器數據等，這些數據類型變化大，在 SQL 資料庫中管理不易。

MongoDB 的解決方案：支援水平擴展（Sharding）

MongoDB 的設計從一開始就考慮到「如何處理大規模數據」。

與 SQL 的垂直擴展不同，MongoDB 支援水平擴展（Sharding），可以將數據分散儲存在多台伺服器（節點）中，組成一個分散式系統。

什麼是 Sharding？

Sharding（分片）是一種將大數據集拆分到多台伺服器上的技術，每台伺服器只負責存儲部分數據，這樣：

• 當數據量增長時，只需增加更多伺服器，而不必升級單台機器。
• 所有伺服器可以同時處理請求，提高讀取與寫入效能。

MongoDB Sharding 運作方式

1. 數據拆分：
   • 透過某個欄位（Sharding Key），MongoDB 會將數據劃分成多個「分片（Shard）」。
   • 例如，若 user_id 是 Sharding Key，則 MongoDB 會將 user_id 範圍不同的數據存放到不同的 Shard 伺服器上。
2. 負載均衡（Load Balancing）：
   • 當某個 Shard 承受過多讀取或寫入時，MongoDB 會自動重新平衡數據，確保請求能夠均衡分佈在不同的 Shard 上。
3. 查詢分發：
   • 查詢請求由 mongos 路由伺服器處理，它會根據 Sharding Key 自動決定該從哪個 Shard 讀取數據。

Sharding 的優勢

✅ 擴展性極強：MongoDB 能夠橫向擴展，可處理海量數據，適合大規模應用。
✅ 降低單點故障風險：數據分散存放，若一台伺服器掛掉，其他伺服器仍可運作。
✅ 提升效能：分片後，讀取與寫入請求能夠同時處理，大幅提升應用的效能。

傳統 SQL 設計對靈活性的限制

問題：SQL 資料庫的 Schema 限制

在關聯式資料庫中，所有表（Table）都需要預先定義結構（Schema），包括：

• 欄位名稱（Column Names）
• 資料類型（Integer、Varchar、DateTime 等）
• 欄位是否允許 NULL
• 外鍵（Foreign Key）約束

如果數據格式發生變更，例如：

• 需要為 users 表新增 phone_number 欄位
• 需要為 orders 表增加 tracking_number

那麼你必須 ALTER TABLE，並遷移現有數據，這在大型應用中可能會影響系統效能。

MongoDB 的解決方案：動態架構（Flexible Schema）

MongoDB 無需預先定義 Schema，它採用 JSON/BSON 文件存儲，允許不同的文件擁有不同的欄位。例如：

// 用戶 A
{
  "name": "Alice",
  "age": 25
}

// 用戶 B（不同結構）
{
  "name": "Bob",
  "email": "bob@example.com"
}

這讓 MongoDB 更加靈活，適合開發快速變動的應用，例如：

• SaaS 產品、新創公司：頻繁變更數據結構而不影響現有數據。
• 內容管理系統（CMS）：不同類型的內容可以有不同的屬性，無需統一結構。

高併發與效能

問題：SQL 資料庫的效能瓶頸

在高流量應用中，SQL 資料庫可能會因為：

• JOIN 操作過多，導致查詢變慢。
• 行級鎖或表級鎖（Locking），導致高併發時效能下降。

MongoDB 的解決方案

✅ 文件式存儲（Document-based Storage）

MongoDB 以 嵌套結構 儲存數據，減少 JOIN 操作。例如：

{
  "name": "Alice",
  "orders": [
    { "order_id": 1, "price": 100 },
    { "order_id": 2, "price": 150 }
  ]
}

這樣，我們可以一次讀取所有 orders，避免跨表 JOIN，提高查詢速度。

✅ 內建索引與快取

MongoDB 允許在任何欄位上建立索引，大幅提升查詢效能：

db.users.createIndex({ "email": 1 })

補充：什麼是行級鎖（Row Locking）與表級鎖（Table Locking）？

在關聯式資料庫（SQL 資料庫）中，當多個用戶同時對資料進行讀寫操作時，為了確保數據一致性，資料庫需要使用「鎖機制（Locking）」來控制並發訪問（Concurrency Control）。

這些鎖通常分為 行級鎖（Row Locking） 和 表級鎖（Table Locking）。

鎖機制的作用是：

• 防止多個請求同時修改同一條數據，導致不一致的結果。
• 確保讀寫操作的安全性，避免競爭條件（Race Condition）。

但這些鎖也可能帶來效能瓶頸，特別是在高併發應用中，影響資料庫的讀取與寫入效能。

1️⃣ 表級鎖（Table Locking）

表級鎖是什麼？

表級鎖（Table Locking） 會鎖住整張表，當一個查詢或更新操作執行時，其他對該表的讀寫操作必須等待鎖釋放。

問題：為何表級鎖會影響效能？

假設你有一個 orders 表，當一個用戶更新一筆訂單：

UPDATE orders SET status = 'shipped' WHERE order_id = 123;

如果你的資料庫使用 表級鎖，那麼：

• 其他用戶無法讀取或更新 orders 表內的任何數據，直到當前更新操作完成並釋放鎖。
• 如果有大量請求同時發生，這些請求將排隊等待鎖釋放，導致請求延遲。

哪些 SQL 資料庫使用表級鎖？

• MyISAM（MySQL 早期的儲存引擎）
• 部分 OLAP 資料庫（如 ClickHouse）
• 某些 NoSQL 資料庫（如 Redis 在某些情況下會鎖住 Key）

表級鎖適合批次處理（Batch Processing），但在高併發應用中，會嚴重影響效能。

2️⃣ 行級鎖（Row Locking）

行級鎖是什麼？

行級鎖（Row Locking） 只會鎖住被修改的單行數據，而不影響同一張表中的其他行。

行級鎖如何提升效能？

以 MySQL 的 InnoDB 儲存引擎為例：

UPDATE orders SET status = 'shipped' WHERE order_id = 123;

• 這次操作只會鎖住 order_id = 123 這一行，其他用戶仍然可以同時讀取或修改 orders 表內的其他訂單數據。
• 這樣可以提高並發性，因為大部分請求不會彼此等待。

行級鎖的優勢

✅ 更適合高併發應用（如交易系統、即時應用）。
✅ 只影響特定行，不會影響整張表。

行級鎖的挑戰

❌ 鎖的管理成本較高，每個鎖都需要額外的記憶體與計算資源。
❌ 死鎖風險（Deadlock），如果多個交易互相鎖定不同的行，可能會導致系統無法繼續執行。

哪些 SQL 資料庫使用行級鎖？

• InnoDB（MySQL）
• PostgreSQL
• Oracle
• SQL Server

3️⃣ 為何 MongoDB 沒有這個問題？

MongoDB 採用 文檔存儲模型（Document-Based Storage），不使用 SQL 的「鎖機制」，而是透過原子操作（Atomic Operations） 和 樂觀鎖機制（Optimistic Locking） 來確保資料一致性。

MongoDB 如何處理併發？

• MongoDB 不需要行級鎖或表級鎖，因為它的數據是以獨立的 JSON 文件 存儲的，每次修改時，MongoDB 直接修改該文件，不影響其他數據。
• MongoDB 使用 寫入級別鎖（Write Concern），確保寫入操作的安全性，而不會鎖住整個集合（Table）。

例如：

db.orders.updateOne(
  { "order_id": 123 },
  { $set: { "status": "shipped" } }
)

這個操作 只影響 order_id = 123 的文件，其他請求仍然可以存取 orders 集合。

MongoDB 相比 SQL 的優勢

✅ 避免表級鎖，讀寫操作不會互相影響。
✅ 不需要 JOIN，查詢速度更快（因為數據存儲在 JSON 文檔內）。
✅ 內建索引與快取機制，提升查詢效能。

4️⃣結論

MongoDB 透過「文檔式存儲 + 原子操作」，避免了 SQL 資料庫中常見的 表級鎖與行級鎖問題，讓它在高併發環境下表現更出色。

因此，在需要處理大量讀取與寫入的應用程式（如社群媒體、電商、即時數據分析）時，MongoDB 會是一個更好的選擇！

NoSQL 在現代應用中的需求

問題：SQL 無法應對某些應用需求

隨著 雲端運算、物聯網（IoT）、社群媒體 的發展，應用程式需要：

• 儲存大規模非結構化數據
• 快速讀取與寫入
• 靈活的數據模型

SQL 資料庫難以處理這些需求，MongoDB 則提供了解決方案。

MongoDB 的解決方案

✅ 靈活的 NoSQL 結構：適合日誌數據、IoT 物聯網、社群媒體貼文等。
✅ 內建全文搜尋與地理查詢：適合搜尋引擎、導航應用。
✅ JSON API 整合：開發者可直接透過 RESTful API 讀取 MongoDB 數據。

MongoDB 的設計初衷

MongoDB 並不是用來完全取代 SQL 資料庫，而是為了補足傳統資料庫的不足，特別是在下列場景中：

✅ 需要快速開發與靈活數據存儲（例如 SaaS 產品、新創公司）
✅ 處理大量非結構化或半結構化數據（如社群媒體、即時分析）
✅ 需要大規模水平擴展（如雲端應用、大數據處理）
✅ 高併發、高效能應用（如即時通訊、遊戲伺服器）

MongoDB 透過其 靈活的數據模型、高擴展性 和 優秀的讀寫效能，成為許多現代應用開發者的首選資料庫之一。🚀

MongoDB 的核心概念

文件（Document）

MongoDB 的基本存儲單位是 文件（Document），類似於 JSON 物件。例如：

{
  "name": "Alice",
  "age": 25,
  "email": "alice@example.com",
  "address": {
    "city": "Taipei",
    "zipcode": "100"
  }
}

這樣的結構類似於 JSON，讓開發者能夠更直觀地操作資料。

集合（Collection）

集合（Collection）類似於關聯式資料庫的「表（Table）」，但沒有固定的結構。
例如，一個 users 集合可以存放不同結構的文件：

// 用戶 A
{
  "name": "Alice",
  "age": 25
}

// 用戶 B（不同結構）
{
  "name": "Bob",
  "email": "bob@example.com"
}

這與 MySQL 等 RDBMS 不同，因為傳統的 SQL 表格要求所有欄位必須一致，而 MongoDB 允許不同的文件有不同的欄位，提升了靈活性。

_id（唯一識別碼）

MongoDB 每個文件都會自動生成一個 _id，類似於 SQL 資料庫的「主鍵（Primary Key）」：

{
  "_id": "65a9fbc4d4f7a2c1",
  "name": "Charlie"
}

這個 _id 確保了每個文件的唯一性，MongoDB 會自動為它分配一個 ObjectId。

BSON（Binary JSON）

MongoDB 實際上使用 BSON（Binary JSON）來存儲數據，這是一種二進制格式，比 JSON 更快，並支援更多數據類型（如日期、二進制數據）。

MongoDB 與關聯式資料庫（SQL）的比較

簡單來說：

• 如果你的數據結構變化大，MongoDB 會更靈活。
• 如果你需要複雜的關聯查詢（JOIN），SQL 可能更適合。

MongoDB 的特點與優勢

✅ 靈活的數據模型：文件結構可變，不需要像 SQL 那樣定義固定欄位。
✅ 高擴展性：可輕鬆水平擴展（Sharding），適合大數據應用。
✅ 高效能：讀取與寫入速度快，適合高併發應用。
✅ 內建複製與分片機制：提供自動備份與高可用性。
✅ 內建全文搜尋與地理查詢功能，適合搜尋與地理位置應用。

MongoDB 的應用場景

MongoDB 適合以下場景：

1. 即時應用（如聊天應用、遊戲數據存儲）
2. 內容管理系統（CMS）（如部落格、新聞網站）
3. 大數據與分析（MongoDB 可存儲與處理大量非結構化數據）
4. 物聯網（IoT）與感測器數據（高頻率資料寫入的應用）
5. 電商網站（適合產品、訂單等靈活數據）

如果你的應用需要快速開發、大量讀取與寫入、非結構化數據存儲，MongoDB 會是一個不錯的選擇。

如何安裝 MongoDB

在 Ubuntu 上安裝

# 更新系統
sudo apt update

# 安裝 MongoDB
sudo apt install -y mongodb

# 啟動 MongoDB
sudo systemctl start mongodb
sudo systemctl enable mongodb

在 macOS 上安裝

brew tap mongodb/brew
brew install mongodb-community

在 Windows 上安裝

1. 到 MongoDB 官網（https://www.mongodb.com/try/download/community）下載安裝程式。
2. 安裝完成後，啟動 MongoDB 服務： net start MongoDB

MongoDB 基本操作

啟動 MongoDB

mongod --dbpath /data/db

連接到 MongoDB

mongo

建立資料庫

use mydatabase

插入文件

db.users.insertOne({ "name": "Alice", "age": 25 })

查詢數據

db.users.find()

更新數據

db.users.updateOne({ "name": "Alice" }, { $set: { "age": 26 } })

刪除數據

db.users.deleteOne({ "name": "Alice" })

結論

MongoDB 是一款強大的 NoSQL 資料庫，適用於現代應用開發，特別是需要靈活、高效存儲數據的場景。
本篇文章幫助你了解：

✅ MongoDB 是什麼，它的核心概念
✅ MongoDB 與 SQL 資料庫的區別
✅ MongoDB 的優勢與應用場景
✅ 如何安裝與基本操作

如果你想要開發即時應用、物聯網、或大數據相關的專案，MongoDB 會是一個值得學習的技術！🚀