在文档数据库中进行查询涉及检索和操作存储在灵活、无模式文档中的数据，这些文档通常采用 JSON 或 BSON 等格式。与使用表和 SQL 的关系数据库不同，文档数据库以分层方式组织数据，允许嵌套结构。查询针对文档中的特定字段，通常使用特定于数据库的查询语言或 API。例如，MongoDB 使用类似于 JavaScript 的语法，而 CouchDB 则采用 MapReduce 模型。这些系统优先考虑灵活性，使开发人员能够在没有严格模式约束的情况下查询非结构化或半结构化数据。
文档数据库通过与其数据模型量身定制的方法支持 CRUD 操作（创建、读取、更新、删除）。例如，在 MongoDB 中，查找所有“status”字段设置为“active”的用户查询可能看起来像 db.users.find({ status: "active" })。可以在诸如“username”或“created_at”等字段上创建索引以加快搜索速度，这与关系数据库类似。然而，由于文档结构可能不同，查询必须考虑可选字段或嵌套数据。一些数据库还支持聚合管道，通过多个阶段（例如，过滤、分组、排序）处理数据，以计算平均值或总计等结果。
高级功能包括地理空间查询、全文搜索以及通过引用或嵌入文档实现的连接。例如，查询可以查找某个位置 10 英里范围内的商店，或按客户 ID 聚合订单。然而，跨集合的复杂连接可能不如关系系统高效，因为文档数据库优先考虑非范式化数据。性能取决于适当的索引和查询设计——不使用索引扫描整个集合可能会很慢。像 MongoDB 的聚合框架或 Cosmos DB 的类似 SQL 的语法这样的工具提供了灵活性，但需要理解数据库的优化策略来平衡速度和功能。