MongoDB 学习路线：从文档模型到分布式架构

按「先理解模型，再理解存储与索引，最后理解分布式与设计」的顺序排列。每一层都建立在前一层之上。 生产检查项单独放在 99-生产检查清单，正文讲机制。

---

学习顺序

L1: MongoDB 是什么、什么时候用
  → 01-核心概念与对比         文档模型、与 MySQL/PgSQL 的定位差异

L2: 数据怎么存、怎么查得快
  → 02-存储模型与WiredTiger   BSON、cache、journal、checkpoint、文档级并发
  → 03-索引                   B 树、ESR、覆盖查询、多键索引、explain

L3: 怎么写查询、怎么优化
  → 04-聚合管道与查询优化      $match/$group/$lookup、管道优化、慢查询

L4: 怎么高可用、怎么扩展
  → 05-副本集与分片           多数派选举、写/读关注、分片键、chunk 与 balancer

L5: 怎么保证多条写原子、怎么订阅变更
  → 06-事务与ChangeStream     多文档事务、两阶段提交、oplog 与 resume token

L6: 数据模型怎么设计
  → 07-Schema设计模式         内嵌 vs 引用、六种模式、查询驱动设计

L7: 生产上容易踩什么、怎么提前发现
  → 08-MongoDB生产踩坑        写关注、分片键、16MB、cache、oplog
  → 10-MongoDB监控指标与告警  主机/进程/副本集与分片/业务四层指标 + cache 与 oplog 两条雪崩链路

L8: AI 场景怎么用
  → 09-MongoDB与AI            $vectorSearch、Atlas 依赖、混合检索

为什么是这个顺序

先理解文档模型（L1），才知道 Schema 设计（L6）为什么是核心决策，
而不是「随便存 JSON」。

先理解 WiredTiger（L2），才知道 cache、journal、checkpoint 分别影响
什么：cache 影响常态性能，journal + 写关注影响丢不丢数据，
checkpoint 影响恢复时间。

先理解索引（L2）和聚合（L3），才知道慢查询该补索引、改管道，
还是该换数据模型。

先理解副本集（L4），才知道写关注和读关注不是「越高越好」，
而是在一致性、延迟和可用性之间做取舍。

最后用生产踩坑（L7）和 Schema 设计（L6）把前面的机制落到模型上：
MongoDB 与关系库最大的差异，不是语法，而是「查询驱动设计」。

核心链路

应用写入
    │
    ▼
WiredTiger Cache（内存脏页）── 02-存储模型
    ├── journal（WAL，100ms 批量提交）── 崩溃恢复
    └── checkpoint（至少每 60s）── 一致快照落盘
    │
    ▼
索引定位（B 树 + ESR）── 03-索引
    │
    ▼
聚合管道（$match → $group → $lookup）── 04-聚合管道
    │
    ▼
副本集复制（oplog → Secondary）── 05-副本集
    ├── Write Concern：写到多少个节点才算成功
    ├── Read Concern：读到哪个一致点
    └── Read Preference：从主节点还是从节点读
    │
    ▼
分片路由（mongos → Config Server → Shard）── 05-分片
    │
    ▼
事务协调（跨分片 2PC）── 06-事务
    │
    ▼
Change Stream（oplog 变更订阅）── 06-ChangeStream

顺着链路理解

• 和关系库怎么选：L1 的模型差异 + L6 的 Schema 设计共同决定；事务和复杂关联留在 MySQL/PgSQL。
• 为什么写快、读也快：L2 的文档级并发和 cache，加上 L3 的索引设计；不是「MongoDB 一定比 MySQL 快」。
• 怎么保证不丢：L4 的写关注 + L2 的 journal，两者回答不同层面的问题；w:"majority" 防切换丢数据，j:true 防进程崩溃丢数据。
• 怎么提前发现故障：10 篇用「连接与队列 → oplog → cache 脏页 → 磁盘 → 慢查询」的处置顺序，把 cache/checkpoint 和复制窗口这两条雪崩链路串起来。
• Schema 怎么设计：L6 的内嵌 vs 引用，判据是查询模式和数据增长边界，不是「关系看起来像一对多」。
• AI 场景怎么用：L8 的 $vectorSearch 与 Atlas/自建版本绑定，先确认部署形态再决定。