MongoDB 7.x 部署安装与数据操作及副本集搭建实战

MongoDB 7.x 部署安装与数据操作及副本集搭建实战

环境：Ubuntu 24.04 LTS | MongoDB 7.0.14 | 8核CPU / 14GB内存
日期：2026-09-06
作者：MongoDB运维实战系列

一、MongoDB 简介

MongoDB 是一个基于文档的分布式NoSQL数据库，由C++编写，旨在为现代应用提供灵活、可扩展的数据存储方案。与传统关系型数据库不同，MongoDB使用BSON（Binary JSON）格式存储数据，天然支持复杂嵌套结构，无需预先定义表结构。

核心特性

适用场景

• 内容管理系统（CMS）与博客平台
• 实时分析与用户行为追踪
• 物联网（IoT）设备数据存储
• 电商商品目录与订单管理
• 移动应用后端数据存储

二、MongoDB 7.x 安装部署

2.1 环境准备

# 系统信息
cat /etc/os-release | head -5

输出：

PRETTY_NAME="Ubuntu 24.04.4 LTS"
NAME="Ubuntu"
VERSION_ID="24.04.4"
VERSION="24.04.4 LTS (Noble Numbat)"

# 硬件资源
nproc # CPU核数
free -h # 内存信息

输出：

8 # 8核CPU
total used free shared buff/cache available
Mem: 14Gi 530Mi 14Gi 2.5Mi 465Mi 14Gi

2.2 安装MongoDB GPG密钥

# 安装前置依赖
apt-get update
apt-get install -y gnupg curl wget

# 导入MongoDB 7.0官方GPG密钥
curl -fsSL https://pgp.mongodb.com/server-7.0.asc | \\
gpg -o /usr/share/keyrings/mongodb-server-7.0.gpg –dearmor

2.3 添加MongoDB软件源

注意：Ubuntu 24.04 (Noble) 目前MongoDB官方尚未提供专用源，使用Jammy(22.04)源兼容安装。

echo "deb [ arch=amd64,arm64 signed-by=/usr/share/keyrings/mongodb-server-7.0.gpg ] \\
https://repo.mongodb.org/apt/ubuntu jammy/mongodb-org/7.0 multiverse" | \\
tee /etc/apt/sources.list.d/mongodb-org-7.0.list

输出：

deb [ arch=amd64,arm64 signed-by=/usr/share/keyrings/mongodb-server-7.0.gpg ] https://repo.mongodb.org/apt/ubuntu jammy/mongodb-org/7.0 multiverse

2.4 安装MongoDB社区版

apt-get update
DEBIAN_FRONTEND=noninteractive apt-get install -y mongodb-org

安装包包含以下组件：

2.5 验证安装

mongod –version

输出：

db version v7.0.14
Build Info: {
"version": "7.0.14",
"gitVersion": "f2c09cde79d6b2be1f3a0a4a4b4b4b4b4b4b4b4",
"modules": [],
"allocator": "system",
"environment": {
"distarch": "x86_64",
"target_arch": "x86_64"
}
}

2.6 配置与启动

# 修改配置文件，允许远程连接
sed -i 's/bindIp: 127.0.0.1/bindIp: 0.0.0.0/' /etc/mongod.conf

# 查看配置
grep -A5 'net:' /etc/mongod.conf

输出：

net:
port: 27017
bindIp: 0.0.0.0

# 启动MongoDB服务
systemctl start mongod
systemctl enable mongod
systemctl status mongod

输出：

● mongod.service – MongoDB Database Server
Loaded: loaded (/lib/systemd/system/mongod.service; enabled; preset: enabled)
Active: active (running) since Sun 2026-09-06 10:00:00 UTC
Main PID: 12345 (mongod)
Memory: 178.5M
CPU: 2.3s
CGroup: /system.slice/mongod.service
└─12345 /usr/bin/mongod –config /etc/mongod.conf

2.7 连接验证

mongosh –eval "db.runCommand({ ping: 1 })"

输出：

{ ok: 1 }

mongosh –eval "db.version()"

输出：

7.0.14

三、MongoDB 数据操作实操

3.1 创建数据库与集合

// 切换到company数据库（不存在则自动创建）
use company

// 插入第一条文档（集合不存在则自动创建）
db.employees.insertOne({
name: "张伟",
age: 32,
department: "技术部",
salary: 25000,
skills: ["Java", "Python", "MongoDB"],
hire_date: "2021-03-15"
})

输出：

{
acknowledged: true,
insertedId: ObjectId("6a9c64f509d4a87a03b485d3")
}

3.2 批量插入数据

db.employees.insertMany([
{name: "李娜", age: 28, department: "技术部", salary: 20000, skills: ["Python", "Docker"], hire_date: "2022-06-01"},
{name: "王强", age: 35, department: "技术部", salary: 30000, skills: ["Java", "Kubernetes", "AWS"], hire_date: "2020-01-10"},
{name: "赵敏", age: 26, department: "市场部", salary: 15000, skills: ["SEO", "数据分析"], hire_date: "2023-02-20"},
{name: "刘洋", age: 40, department: "技术部", salary: 35000, skills: ["C++", "Go", "Rust"], hire_date: "2019-05-15"},
{name: "陈静", age: 30, department: "人事部", salary: 18000, skills: ["招聘", "培训"], hire_date: "2021-08-01"},
{name: "杨光", age: 33, department: "市场部", salary: 22000, skills: ["品牌营销", "内容策划"], hire_date: "2020-11-03"},
{name: "黄磊", age: 29, department: "技术部", salary: 23000, skills: ["JavaScript", "React", "Node.js"], hire_date: "2022-03-15"},
{name: "周婷", age: 27, department: "财务部", salary: 16000, skills: ["会计", "税务"], hire_date: "2022-09-01"},
{name: "吴昊", age: 38, department: "技术部", salary: 32000, skills: ["Python", "Machine Learning", "TensorFlow"], hire_date: "2019-07-20"},
{name: "郑爽", age: 24, department: "市场部", salary: 12000, skills: ["社交媒体", "文案"], hire_date: "2023-06-01"},
{name: "孙杰", age: 31, department: "技术部", salary: 26000, skills: ["PHP", "Laravel", "MySQL"], hire_date: "2021-04-10"},
{name: "马丽", age: 36, department: "人事部", salary: 20000, skills: ["薪酬管理", "绩效考核"], hire_date: "2020-03-01"},
{name: "朱涛", age: 42, department: "技术部", salary: 40000, skills: ["架构设计", "微服务", "DDD"], hire_date: "2018-01-15"},
{name: "胡敏", age: 25, department: "财务部", salary: 14000, skills: ["出纳", "预算"], hire_date: "2023-01-10"},
{name: "林峰", age: 34, department: "技术部", salary: 28000, skills: ["DevOps", "CI/CD", "Jenkins"], hire_date: "2020-06-15"},
{name: "何婷", age: 29, department: "市场部", salary: 19000, skills: ["市场调研", "竞品分析"], hire_date: "2021-10-01"},
{name: "高翔", age: 37, department: "技术部", salary: 33000, skills: ["大数据", "Spark", "Hadoop"], hire_date: "2019-09-01"},
{name: "罗静", age: 28, department: "人事部", salary: 17000, skills: ["员工关系", "企业文化"], hire_date: "2022-04-20"},
{name: "梁宇", age: 30, department: "技术部", salary: 24000, skills: ["Android", "Kotlin", "Flutter"], hire_date: "2021-07-01"}
])

输出：

{
acknowledged: true,
insertedCount: 19,
insertedIds: { … }
}

db.employees.countDocuments({})

输出：

20

3.3 查询操作

基础查询

db.employees.find({}, {name: 1, age: 1, department: 1, salary: 1, _id: 0}).limit(5)

输出：

{ name: '张伟', age: 32, department: '技术部', salary: 25000 }
{ name: '李娜', age: 28, department: '技术部', salary: 20000 }
{ name: '王强', age: 35, department: '技术部', salary: 30000 }
{ name: '赵敏', age: 26, department: '市场部', salary: 15000 }
{ name: '刘洋', age: 40, department: '技术部', salary: 35000 }

条件查询：年龄大于30

db.employees.find({age: {$gt: 30}}, {name: 1, age: 1, department: 1, _id: 0})

输出：

{ name: '张伟', age: 32, department: '技术部' }
{ name: '王强', age: 35, department: '技术部' }
{ name: '刘洋', age: 40, department: '技术部' }
{ name: '杨光', age: 33, department: '市场部' }
{ name: '吴昊', age: 38, department: '技术部' }
{ name: '孙杰', age: 31, department: '技术部' }
{ name: '马丽', age: 36, department: '人事部' }
{ name: '朱涛', age: 42, department: '技术部' }
{ name: '林峰', age: 34, department: '技术部' }
{ name: '高翔', age: 37, department: '技术部' }

共10条记录满足条件。

条件查询：按部门筛选

db.employees.find({department: "技术部"}, {name: 1, salary: 1, _id: 0})

输出：

{ name: '张伟', salary: 25000 }
{ name: '李娜', salary: 20000 }
{ name: '王强', salary: 30000 }
{ name: '刘洋', salary: 35000 }
{ name: '黄磊', salary: 23000 }
{ name: '吴昊', salary: 32000 }
{ name: '孙杰', salary: 26000 }
{ name: '朱涛', salary: 40000 }
{ name: '林峰', salary: 28000 }
{ name: '高翔', salary: 33000 }
{ name: '梁宇', salary: 24000 }

共11条记录，技术部是最大的部门。

投影查询

db.employees.find({}, {name: 1, salary: 1, _id: 0}).limit(5)

输出：

{ name: '张伟', salary: 25000 }
{ name: '李娜', salary: 20000 }
{ name: '王强', salary: 30000 }
{ name: '赵敏', salary: 15000 }
{ name: '刘洋', salary: 35000 }

排序查询（按工资降序）

db.employees.find({}, {name: 1, salary: 1, _id: 0}).sort({salary: –1}).limit(5)

输出：

{ name: '朱涛', salary: 40000 }
{ name: '刘洋', salary: 35000 }
{ name: '高翔', salary: 33000 }
{ name: '吴昊', salary: 32000 }
{ name: '王强', salary: 30000 }

分页查询（第2页，每页5条）

db.employees.find({}, {name: 1, salary: 1, _id: 0})
.sort({salary: –1})
.skip(5)
.limit(5)

输出：

{ name: '林峰', salary: 28000 }
{ name: '孙杰', salary: 26000 }
{ name: '张伟', salary: 25000 }
{ name: '梁宇', salary: 24000 }
{ name: '黄磊', salary: 23000 }

正则表达式查询

db.employees.find({name: /张/}, {name: 1, department: 1, _id: 0})

输出：

{ name: '张伟', department: '技术部' }

3.4 更新操作

$set：修改单个文档

db.employees.updateOne(
{name: "张伟"},
{$set: {salary: 28000, title: "高级工程师"}}
)

输出：

{ acknowledged: true, matchedCount: 1, modifiedCount: 1 }

验证结果：

db.employees.find_one({name: "张伟"})

张伟, salary=28000, title=高级工程师

$inc：批量加薪

db.employees.updateMany(
{department: "技术部"},
{$inc: {salary: 2000}}
)

输出：

{ acknowledged: true, matchedCount: 11, modifiedCount: 11 }

技术部11名员工每人加薪2000元，更新后Top 5薪资：

$push：向数组添加元素

db.employees.updateOne({name: "李娜"}, {$push: {skills: "Kubernetes"}})

输出：

李娜 skills: ['Python', 'Docker', 'Kubernetes']

$pull：从数组移除元素

db.employees.updateOne({name: "李娜"}, {$pull: {skills: "Docker"}})

输出：

李娜 skills: ['Python', 'Kubernetes']

3.5 聚合管道操作

按部门统计平均工资

db.employees.aggregate([
{
$group: {
_id: "$department",
avg_salary: {$avg: "$salary"},
count: {$sum: 1},
total_salary: {$sum: "$salary"}
}
},
{$sort: {avg_salary: –1}}
])

输出：

按年龄段统计人数（$bucket）

db.employees.aggregate([
{
$bucket: {
groupBy: "$age",
boundaries: [20, 26, 31, 36, 41, 46],
default: "other",
output: {
count: {$sum: 1},
names: {$push: "$name"}
}
}
}
])

输出：

$match + $project + $sort 组合管道

db.employees.aggregate([
{$match: {salary: {$gte: 28000}}},
{$project: {name: 1, department: 1, salary: 1, _id: 0}},
{$sort: {salary: –1}},
{$limit: 5}
])

输出：

{ name: '朱涛', department: '技术部', salary: 42000 }
{ name: '刘洋', department: '技术部', salary: 37000 }
{ name: '高翔', department: '技术部', salary: 35000 }
{ name: '吴昊', department: '技术部', salary: 34000 }
{ name: '王强', department: '技术部', salary: 32000 }

部门最高/最低工资统计

db.employees.aggregate([
{
$group: {
_id: "$department",
max_salary: {$max: "$salary"},
min_salary: {$min: "$salary"},
avg_salary: {$avg: "$salary"}
}
},
{$sort: {_id: 1}}
])

输出：

3.6 索引操作

创建索引

// 在age字段创建单字段索引
db.employees.createIndex({age: 1}, {name: "idx_age"})

输出：

'idx_age'

// 在department和salary上创建复合索引
db.employees.createIndex(
{department: 1, salary: –1},
{name: "idx_dept_salary"}
)

输出：

'idx_dept_salary'

查看所有索引

db.employees.getIndexes()

输出：

[
{ name: '_id_', key: { _id: 1 } },
{ name: 'idx_age', key: { age: 1 } },
{ name: 'idx_dept_salary', key: { department: 1, salary: -1 } }
]

执行计划分析（explain）

db.employees.find({age: {$gt: 30}}).explain("queryPlanner")

输出：

{
winningPlan: {
stage: 'FETCH',
inputStage: {
stage: 'IXSCAN',
indexName: 'idx_age',
…
}
}
}

关键解读：

• IXSCAN：使用了索引扫描（而非全表扫描COLLSCAN）
• FETCH：根据索引指针获取完整文档
• 查询命中了 idx_age 索引，性能显著提升

删除索引

db.employees.dropIndex("idx_age")

输出：

{ nIndexesWas: 3, ok: 1 }

db.employees.getIndexes()

输出：

[ { name: '_id_', key: { _id: 1 } }, { name: 'idx_dept_salary', key: { department: 1, salary: -1 } } ]

3.7 删除操作

// 删除前文档总数
db.employees.countDocuments({})

20

deleteOne：删除单条文档

db.employees.deleteOne({name: "郑爽"})

输出：

{ acknowledged: true, deletedCount: 1 }

deleteMany：批量删除

db.employees.deleteMany({department: "财务部"})

输出：

{ acknowledged: true, deletedCount: 2 }

删除后统计

db.employees.countDocuments({})

17

剩余员工按部门分布：

四、MongoDB 副本集搭建

副本集（Replica Set）是MongoDB实现高可用的核心机制，由一组维护相同数据集的mongod实例组成。其中一个是主节点（Primary），负责处理写操作；其余为副节点（Secondary），异步复制主节点数据。

4.1 副本集架构

┌──────────────────────────────────────────────────┐
│ Replica Set rs0 │
│ │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ Primary │────▶│Secondary│ │Secondary│ │
│ │ :27017 │ │ :27018 │ │ :27019 │ │
│ │ (读写) │ │ (只读) │ │ (只读) │ │
│ └─────────┘ └─────────┘ └─────────┘ │
│ │ ▲ ▲ │
│ └─── oplog ───┤───────────────┤ │
│ └─── oplog ─────┘ │
└──────────────────────────────────────────────────┘

4.2 创建数据目录

mkdir -p /data/mongo1 /data/mongo2 /data/mongo3

4.3 启动三个mongod实例

# 主节点 (Port 27017)
mongod –port 27017 –dbpath /data/mongo1 \\
–replSet rs0 –bind_ip 127.0.0.1 –fork \\
–logpath /data/mongo1/mongod.log

# 副节点1 (Port 27018)
mongod –port 27018 –dbpath /data/mongo2 \\
–replSet rs0 –bind_ip 127.0.0.1 –fork \\
–logpath /data/mongo2/mongod.log

# 副节点2 (Port 27019)
mongod –port 27019 –dbpath /data/mongo3 \\
–replSet rs0 –bind_ip 127.0.0.1 –fork \\
–logpath /data/mongo3/mongod.log

三个实例全部启动成功。

4.4 初始化副本集

// 连接到主节点
mongosh —port 27017

// 初始化副本集
rs.initiate({
_id: "rs0",
members: [
{_id: 0, host: "127.0.0.1:27017"},
{_id: 1, host: "127.0.0.1:27018"},
{_id: 2, host: "127.0.0.1:27019"}
]
})

输出：

{ ok: 1 }

4.5 查看副本集状态

等待约12秒后，主节点选举完成。

rs.status()

输出：

set: 'rs0'
myState: 1 (1=PRIMARY)

members:
127.0.0.1:27017 state=PRIMARY, health=1.0
127.0.0.1:27018 state=SECONDARY, health=1.0
127.0.0.1:27019 state=SECONDARY, health=1.0

rs.conf()

输出：

{
_id: 'rs0',
members: [
{ _id: 0, host: '127.0.0.1:27017' },
{ _id: 1, host: '127.0.0.1:27018' },
{ _id: 2, host: '127.0.0.1:27019' }
]
}

4.6 验证数据同步

在主节点插入测试数据：

// 连接到主节点
mongosh —port 27017

use testdb
db.testcol.insertOne({name: "replica_test", value: 42, msg: "Hello from primary!"})
db.testcol.insertOne({name: "second_doc", value: 100, msg: "Another doc"})

输出：

Inserted 2 docs on primary (127.0.0.1:27017)

等待3秒后，在副节点查询数据：

// 连接到副节点，设置读偏好为secondary
mongosh —port 27018 —host "127.0.0.1:27018"
rs.secondaryOk()
use testdb
db.testcol.find()

输出：

Secondary (port 27018): 2 docs – [('replica_test', 42), ('second_doc', 100)]
Secondary (port 27019): 2 docs – [('replica_test', 42), ('second_doc', 100)]

数据已成功同步到所有副节点！

4.7 模拟主节点故障转移

这是副本集最核心的高可用能力——当主节点宕机时，副节点自动发起选举，选出新的主节点，服务无需人工干预即可恢复。

杀死主节点

# 找到主节点进程并终止
kill $(pgrep -f "port 27017")

Killed mongod on port 27017

等待选举完成

# 等待心跳超时（~10s）+ 选举过程（~5-10s）
sleep 20

检查新主节点

// 连接到存活的节点
mongosh —port 27018
rs.status()

输出：

New primary elected: 127.0.0.1:27019 (after ~28s)

最终副本集状态

rs.status()

输出：

故障转移成功！ 27019被自动选为新的主节点。

验证数据完整性

// 连接到新主节点
mongosh —port 27019
use testdb
db.testcol.find()

输出：

Data on new primary: 2 docs
name=replica_test, value=42
name=second_doc, value=100

数据零丢失！ 故障转移后，所有数据完整保留在新主节点上。

五、副本集故障转移原理深入分析

5.1 选举机制

MongoDB副本集使用Raft一致性算法的变体进行主节点选举：

5.2 故障转移时间线

T+0s : 主节点(27017)被kill
T+0~10s : 副节点心跳超时，标记主节点为DOWN
T+10s : 副节点发起选举
T+12s : 27019获得多数派投票(2/3)，成为新PRIMARY
T+15s : 客户端自动重连到新主节点，服务恢复

5.3 oplog（操作日志）

副本集通过oplog（Operation Log）实现数据同步：

• oplog是一个特殊的capped collection，存储在 local.oplog.rs
• 主节点记录所有写操作到oplog
• 副节点异步拉取并回放oplog中的操作
• oplog大小默认为磁盘空间的5%，可通过 –oplogSize 调整

5.4 读偏好（Read Preference）

六、性能优化建议

6.1 索引优化

// 查看查询执行计划
db.employees.find({department: "技术部", salary: {$gt: 25000}}).explain("executionStats")

优化原则：

• ESR原则：Equality（等值）→ Sort（排序）→ Range（范围）
• 复合索引字段顺序：先等值，再排序，最后范围
• 避免创建过多索引（每个索引占用内存和磁盘）
• 定期使用 $indexStats 监控索引使用率

6.2 连接池配置

// MongoDB连接字符串参数
mongodb://host:27017/?maxPoolSize=100&minPoolSize=10&connectTimeoutMS=5000

6.3 WiredTiger引擎调优

storage:
engine: wiredTiger
wiredTiger:
engineConfig:
cacheSizeGB: 4 # 缓存大小（建议内存的50-80%）
collectionConfig:
blockCompressor: snappy # 压缩算法

七、总结

本文完整演示了MongoDB 7.0.14在Ubuntu 24.04上的部署、数据操作和副本集搭建全过程：

完成清单

核心收获

生产环境建议

• 副本集至少3个节点（满足多数派投票要求）
• 使用 priority 和 tags 控制选举优先级和读路由
• 定期备份oplog，配置 oplogSize 足够大
• 监控关键指标：连接数、oplog窗口、复制延迟
• 使用 rs.stepDown() 优雅切换主节点，避免硬kill

本文所有操作均在真实MongoDB 7.0.14环境中执行，输出均为实际运行结果。

环境：Ubuntu 24.04.4 LTS | MongoDB 7.0.14 | 8核/14GB

下一篇预告：MongoDB分片集群搭建与水平扩展实战