NoSQL数据库核心知识与实践习题解析

一、NoSQL数据库基础概念辨析

1.1 NoSQL与关系型数据库的核心差异

NoSQL数据库通过放弃严格的ACID事务和固定表结构，换取横向扩展能力与高吞吐量。以电商场景为例，关系型数据库需通过多表关联查询用户订单信息，而MongoDB可通过嵌套文档直接存储订单详情，减少JOIN操作。

习题1：以下哪种场景更适合使用NoSQL数据库？
A. 银行核心交易系统
B. 实时日志分析系统
C. 复杂财务报表生成
答案：B
解析：NoSQL擅长处理非结构化数据与高并发写入，而ACID强一致性场景仍需关系型数据库。

1.2 CAP定理的实际影响

根据CAP定理，NoSQL数据库通常在CP（一致性+分区容忍）或AP（可用性+分区容忍）间权衡。例如Cassandra采用最终一致性模型，适合跨数据中心部署，而HBase通过HRegionServer保证强一致性。

习题2：某社交平台要求用户发帖后立即对好友可见，但允许少量数据延迟，应选择？
A. 严格一致性MongoDB
B. 最终一致性Cassandra
答案：B
解析：社交场景可接受短暂不一致，AP模型能提供更高可用性。

二、主流NoSQL类型与操作实践

2.1 键值存储：Redis实战

Redis通过内存存储与单线程模型实现微秒级响应。以下是一个分布式锁的实现示例：

import redis
r = redis.Redis(host='localhost', port=6379)
def acquire_lock(lock_name, acquire_timeout=10, lock_timeout=10):
    identifier = str(uuid.uuid4())
    end = time.time() + acquire_timeout
    while time.time() < end:
        if r.setnx(lock_name, identifier):
            r.expire(lock_name, lock_timeout)
            return identifier
        time.sleep(0.001)
    return False

习题3：上述代码可能存在什么问题？如何改进？
答案：未处理客户端崩溃导致的锁未释放。改进方案：使用Redlock算法或Lua脚本保证原子性。

2.2 文档数据库：MongoDB聚合管道

MongoDB的聚合框架支持多阶段数据处理。以下统计各城市用户数量的管道示例：

db.users.aggregate([
    { $group: { 
        _id: "$city", 
        count: { $sum: 1 } 
    }},
    { $sort: { count: -1 } },
    { $limit: 5 }
])

习题4：如何优化上述聚合查询的性能？
答案：1. 在city字段建立索引 2. 使用$match阶段提前过滤数据 3. 对大型集合采用allowDiskUse选项

2.3 列族数据库：HBase扫描优化

HBase通过RegionServer分区存储数据。以下Scan操作示例：

Scan scan = new Scan();
scan.setCaching(500);  // 每次RPC获取500条
scan.setCacheBlocks(false);  // 不缓存Block
scan.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("name"));

习题5：上述配置适用于什么场景？如何调整参数？
答案：适用于全表扫描场景。实时查询应减小caching值，批量分析可增大caching并启用cacheBlocks。

2.4 图数据库：Neo4j路径查询

Neo4j通过Cypher语言实现图遍历。以下查找两人共同好友的查询：

MATCH (a:User {name:'Alice'})-[:FRIENDS_WITH]->(common)<-[:FRIENDS_WITH]-(b:User {name:'Bob'})
RETURN common.name AS commonFriend

习题6：如何扩展该查询以找出三度以内关系？
答案：使用可变长度路径：

MATCH path=(a:User {name:'Alice'})-[:FRIENDS_WITH*1..3]->(common)
WHERE EXISTS((common)-[:FRIENDS_WITH]->(:User {name:'Bob'}))
RETURN DISTINCT common.name

三、NoSQL技术选型与优化策略

3.1 数据模型设计原则

• 反规范化：文档数据库应减少文档间关联，如将订单项直接嵌入订单文档
• 宽表设计：列族数据库采用单列族多列方式，减少跨列族查询
• 索引优化：MongoDB复合索引应遵循最左前缀原则

习题7：设计电商系统商品评价模型，应如何选择数据存储方案？
答案：

• 近期评价：Redis ZSET按时间排序
• 历史评价：MongoDB分片集群存储
• 评价分析：Elasticsearch实现全文检索与聚合

3.2 性能调优方法

• Redis：使用hash标签保证相关键存储在同一节点
• MongoDB：通过explain()分析查询计划
• Cassandra：调整compaction策略平衡读写性能

习题8：某MongoDB集群出现查询延迟升高，如何系统性排查？
答案：

1. 检查慢查询日志（profile级别1）
2. 分析workingSet是否超出内存
3. 检查分片是否均衡（sh.status()）
4. 评估索引覆盖率（totalDocsExamined/nReturned）

四、NoSQL发展趋势与挑战

4.1 新兴技术融合

• 多模型数据库：ArangoDB同时支持文档、键值和图模型
• Serverless架构：AWS DynamoDB Auto Scaling自动调整容量
• AI集成：MongoDB向量搜索支持AI推荐系统

4.2 典型问题解决方案

习题9：如何实现跨NoSQL数据库的事务？
答案：

1. 最终一致性方案：Saga模式拆分事务为多个本地事务
2. 强一致性方案：使用TCC（Try-Confirm-Cancel）补偿机制
3. 混合方案：对关键操作采用两阶段提交（2PC）

五、综合习题解析

习题10：设计一个物联网设备数据平台，要求：

• 每秒百万级写入
• 支持按设备ID和时间范围查询
• 保留30天历史数据

解决方案：

1. 存储层：使用Cassandra列族数据库
   • 主键设计：(device_id, timestamp)
   • TTL设置为30天自动过期
2. 缓存层：Redis TimeSeries存储最新1小时数据
3. 查询优化：
   • 对device_id建立索引
   • 使用分区键分散写入负载
4. 扩展方案：
   • Cassandra节点数=预期峰值IOPS/单节点50K IOPS
   • 启用压缩减少存储空间

通过系统化的习题训练，开发者能够深入理解NoSQL数据库的设计哲学与操作技巧。实际应用中需结合业务场景权衡一致性、可用性与分区容忍性，同时关注新兴技术如向量数据库对AI场景的支持。建议开发者定期参与开源社区实践，保持对NoSQL生态的技术敏感度。