文档型NoSQL数据库，以JSON-like文档存储数据。灵活的Schema设计和强大的查询能力使其成为现代应用开发的热门选择。
| 方案 | 详情 |
|---|---|
| free | 社区版免费，Atlas免费集群512MB |
| shared | $9/月起 - Atlas共享集群 |
| dedicated | $57/月起 - Atlas专用集群 |
| enterprise | 定制价格 - 企业版自部署 |
可访问：是 | 速度：快（自部署/国内云）
自部署无限制，Atlas有亚太区域可选。国内云厂商提供兼容MongoDB的服务。
集成应用数：200 | 社区：全球最流行的NoSQL数据库，社区庞大，中文教程和书籍丰富
MongoDB的文档模型天然适合现代应用——JSON格式与前后端数据结构一致，嵌套文档减少JOIN操作，灵活Schema支持快速迭代。对于用户画像、商品目录、内容管理等半结构化数据场景，文档模型比关系型数据库更自然。但需要注意Schema设计，过度嵌套会导致文档过大影响性能。
MongoDB的查询语言表达力强，支持丰富的操作符和投影。聚合管道（Aggregation Pipeline）是其数据处理的核心能力，支持分组、排序、关联、窗口函数等复杂操作。Atlas Search集成了全文搜索能力，无需额外部署Elasticsearch。但复杂的多表关联查询仍是短板，这类场景建议使用关系型数据库。
MongoDB Atlas提供全托管的云数据库服务，免去运维负担。Atlas Vector Search支持向量存储和相似度搜索，可以直接在MongoDB中构建RAG应用，无需额外的向量数据库。Atlas Charts提供数据可视化，Atlas Triggers支持事件驱动的自动化。对于AI应用开发，MongoDB正在成为一站式数据平台。
用文档模型存储用户行为、偏好和标签数据，聚合管道分析用户特征，Atlas Vector Search实现基于向量的相似用户推荐，支持实时更新和查询。
灵活的文档Schema存储不同类型的内容（文章、视频、图片），支持富文本和嵌套结构，全文搜索实现内容检索，Change Streams实现实时内容同步。