MongoDB 实现原理
MongoDB 是面向文档的 NoSQL 数据库，使用 BSON（Binary JSON）格式存储数据。理解 MongoDB 的实现，需要深入它的存储引擎、复制集、分片集群和查询处理。
文档模型
BSON 结构
BSON 是 JSON 的二进制编码，支持更多数据类型：日期、二进制、ObjectId、嵌套文档、数组。BSON 是自描述的，每个元素有类型和长度。BSON 的设计目标是：可遍历（支持流式解析）、高效（C 语言友好的内存布局）、可扩展（支持嵌套和数组）。
_id 与 ObjectId
每个文档必须有一个 _id 字段，作为主键。_id 可以是任何类型，默认是 ObjectId。ObjectId 是 12 字节的标识符：4 字节时间戳 + 5 字节随机 + 3 字节计数器。ObjectId 可以大致按时间排序，且在分布式环境下唯一。
文档更新
MongoDB 的更新是原子的：找到匹配的文档，读取整个文档，修改字段，写回整个文档。这是由于文档存储紧凑，没有固定结构，原地更新难以实现。对于大文档，更新可能较慢。文档大小限制是 16MB，超过需要使用 GridFS。
存储引擎
WiredTiger
WiredTiger 是 MongoDB 3.2+ 的默认存储引擎，支持文档级锁、压缩、checkpoint。WiredTiger 将数据存储在 B+ 树中，支持多种索引：B-tree 索引、唯一索引、TTL 索引、地理空间索引、全文索引、哈希索引。
WiredTiger 的写操作不直接修改数据页，而是写入修改日志，然后更新内存中的数据页。后台线程定期 checkpoint，将内存页刷盘。checkpoint 后，修改日志可以删除。MongoDB 可以配置 journal（WAL），每次提交前将修改日志刷盘，保证持久性。
压缩
WiredTiger 支持多种压缩算法：snappy（默认）、zlib、zstd。压缩可以减少磁盘空间和 I/O，代价是 CPU 开销。对于 CPU 充裕、I/O 受限的场景，压缩是值得的。
索引
_id 索引
_id 索引默认创建，唯一且不可删除。_id 索引保证文档唯一性，也用于分片集群的路由。
单字段索引
单字段索引支持升序或降序，可以加速等值查询和范围查询。
复合索引
复合索引支持多字段组合查询，遵循最左前缀原则。索引 (a, b, c) 可以加速查询 a、ab、abc，不能加速 b、bc、c。复合索引的字段顺序很重要：区分度高的字段放前面。
多键索引
多键索引是数组字段的索引。数组中的每个元素都会被索引，查询可以匹配数组的任意元素。多键索引不能是 shard key（分片键）。
地理空间索引
2dsphere 索引支持 GeoJSON 格式的地理数据，支持位置查询和范围查询。2d 索引支持旧版的坐标对查询。
全文索引
全文索引支持文本搜索，支持多种语言（包括中文）。全文索引基于词干提取和停用词，支持短语搜索和相关性排序。
索引属性
TTL 索引自动删除过期文档：索引字段是日期类型，文档在指定秒数后删除。Sparse 索引只索引包含该字段的文档，节省空间。Partial 索引只索引满足条件的文档，减少索引大小。
复制集
主从架构
复制集是一组 MongoDB 节点，一个主节点（Primary），多个从节点（Secondary）。所有写操作发送到主节点，主节点将操作记录到 oplog（操作日志），从节点异步拉取 oplog 并执行。读操作默认发送到主节点，可以配置读取从节点（牺牲一致性）。
自动故障转移
每个节点定期心跳其他节点，如果主节点宕机，从节点选举新主节点。选举使用 Raft 类似的算法：多数节点投票，票数超过半数的节点当选主节点。仲裁节点（Arbiter）只参与投票，不存储数据，用于凑够奇数个节点。
写关注
写关注（Write Concern）控制写操作的持久性：w:1（主节点确认）、w:majority（多数节点确认）、w:0（不等待确认，最快但不安全）、j:true（journal 刷盘）。写关注越强，延迟越高，但数据越安全。
读关注
读关注（Read Concern）控制读操作的一致性：local（读最新数据，可能未提交）、majority（读多数节点确认的数据）、linearizable（读线性化数据，最慢）、available（读任意节点的数据，最快）。
分片集群
架构组件
分片集群包括：配置服务器（Config Server，存储集群元数据）、路由服务器（Mongos，路由查询和写入）、分片服务器（Shard，存储数据）。配置服务器是复制集，保证元数据高可用。路由服务器无状态，可以部署多个。分片服务器是复制集，保证数据高可用。
分片键
分片键（Shard Key）是文档的一个字段，用于决定文档存储在哪个分片。分片键的选择至关重要：选择不当会导致数据倾斜（chunk 分配不均）或查询效率低（需要查询多个分片）。分片键一旦选定，不能更改。
分片策略
范围分片（Ranged Sharding）：按分片键的范围分配 chunk，适合范围查询，但可能导致数据倾斜。哈希分片（Hashed Sharding）：按分片键的哈希分配 chunk，数据均匀，但范围查询需要查询所有分片。地理空间分片（Geo Sharding）：按地理位置分配 chunk，适合地理数据。
Chunk 迁移
每个 chunk 默认 64MB，当 chunk 超过阈值时，分裂成两个 chunk。当分片的 chunk 数量差异较大时，触发 chunk 迁移，将 chunk 从多的分片迁移到少的分片。迁移过程中，chunk 可读可写，源分片修改会同步到目标分片，迁移完成后删除源分片的 chunk。
查询路由
查询通过 mongos 路由：如果查询包含分片键，mongos 直接发送到对应分片（目标查询）。如果查询不包含分片键，mongos 发送到所有分片（分散聚集查询）。分散聚集查询性能差，应避免。
聚合管道
聚合管道是 MongoDB 的查询语言，由多个阶段（stage）组成：
聚合管道是数据流模型，每个阶段接收上一个阶段的输出，处理后输出到下一个阶段。MongoDB 会优化聚合管道：尽可能提前过滤、下推到存储引擎、利用索引。
MongoDB 是灵活、高性能、可扩展的文档数据库。理解它的实现，有助于更好地设计文档模型、选择索引和分片键，以及调优查询性能。