一、NoSQL核心概念与分类

1.1 NoSQL定义与特征
NoSQL（Not Only SQL）是一类非关系型数据库的统称，其核心特征包括：

• 非结构化/半结构化数据支持：支持JSON、XML、二进制等灵活数据格式，突破关系型数据库的固定表结构限制。
• 水平扩展性：通过分布式架构实现节点动态扩容，支持PB级数据存储。
• CAP理论权衡：根据业务场景选择一致性（Consistency）、可用性（Availability）、分区容忍性（Partition Tolerance）的优先级。
  示例：MongoDB的BSON格式（Binary JSON）允许嵌套文档存储，适合存储用户行为日志等非结构化数据。

1.2 NoSQL分类与适用场景
| 类型 | 代表数据库 | 适用场景 | 数据模型 |
|——————|———————|—————————————————-|————————————|
| 键值存储 | Redis | 缓存、会话管理、实时排行榜 | Key-Value对 |
| 列族存储 | HBase | 时序数据、日志分析、高吞吐写入 | 列族+行键+时间戳 |
| 文档存储 | MongoDB | 内容管理系统、用户画像、JSON数据 | 嵌套文档 |
| 图数据库 | Neo4j | 社交网络、推荐系统、欺诈检测 | 节点+边+属性 |

二、数据模型与操作实践

2.1 键值存储操作
题目：使用Redis实现一个简单的计数器服务，要求支持原子递增和过期时间设置。
参考答案：

import redis
r = redis.Redis(host='localhost', port=6379)
# 设置计数器并设置过期时间（60秒）
r.setex('counter', 60, 0)
# 原子递增
r.incr('counter')
# 获取当前值
current_value = r.get('counter')
print(f"Current counter value: {current_value}")

关键点：

• setex命令结合键值存储与TTL（Time To Live）特性。
• incr操作保证原子性，避免并发竞争问题。

2.2 文档存储查询优化
题目：在MongoDB中优化以下查询，假设集合orders包含1000万条文档，需查询status="shipped"且totalPrice>100的订单。
参考答案：

// 1. 创建复合索引
db.orders.createIndex({ status: 1, totalPrice: 1 });
// 2. 使用投影减少返回字段
db.orders.find(
  { status: "shipped", totalPrice: { $gt: 100 } },
  { _id: 0, orderId: 1, customerName: 1 }
).explain("executionStats");

优化原理：

• 复合索引遵循最左前缀原则，status在前可快速过滤。
• 投影减少I/O开销，提升查询效率。

三、分布式架构与一致性模型

3.1 CAP理论应用
题目：某电商系统要求订单数据强一致，但允许部分节点故障时短暂不可用，应选择哪种NoSQL数据库？
参考答案：

• 选择HBase：基于HDFS的强一致性设计，通过Zookeeper协调节点，在部分节点故障时仍能保证数据一致性，但可能牺牲可用性（如RegionServer宕机时需等待恢复）。
• 对比Cassandra：采用最终一致性模型，更适合高可用但允许短暂数据不一致的场景（如推荐系统）。

3.2 分区策略与数据倾斜
题目：在Cassandra中如何避免热点问题？
参考答案：

1. 合理选择分区键：使用高基数字段（如用户ID）而非低基数字段（如状态）。
2. 复合分区键：结合多个字段分散数据，例如(user_id, timestamp)。
3. 虚拟节点：启用num_tokens参数自动平衡数据分布。
   示例：

   CREATE TABLE user_actions (
   user_id UUID,
   action_time TIMESTAMP,
   action_type TEXT,
   PRIMARY KEY ((user_id), action_time)
   ) WITH CLUSTERING ORDER BY (action_time DESC);

   此设计将用户行为按时间倒序存储，同时通过user_id分散分区。

四、性能调优与故障排查

4.1 写入性能优化
题目：在MongoDB分片集群中，如何提升大批量数据导入速度？
参考答案：

1. 批量插入：使用insertMany()替代单条插入。
2. 关闭写确认：设置w:0（不等待确认）或w:1（仅主节点确认）。
3. 并行导入：通过多线程/多进程分片导入。
   代码示例：
   ```python
   from pymongo import MongoClient
   import threading

def import_data(shard_id, data_chunk):
client = MongoClient(‘mongodb://shard%d.example.com’ % shard_id)
db = client.test
db.collection.insert_many(data_chunk, ordered=False)

启动4个线程并行导入

threads = []
for i in range(4):
chunk = get_data_chunk(i) # 自定义数据分片函数
t = threading.Thread(target=import_data, args=(i, chunk))
threads.append(t)
t.start()
```

4.2 常见故障排查
场景：Redis集群出现CLUSTERDOWN错误。
排查步骤：

1. 检查节点间网络连通性（ping测试）。
2. 验证redis.conf中的cluster-enabled yes配置。
3. 使用CLUSTER NODES命令检查节点状态。
4. 重启故障节点并触发故障转移（CLUSTER FAILOVER）。

五、实战建议与未来趋势

5.1 多模型数据库选择

• ArangoDB：支持键值、文档、图三种模型，适合复杂业务场景。
• JanusGraph：基于TinkerPop的图数据库，可对接多种存储后端（如Cassandra、HBase）。

5.2 云原生NoSQL趋势

• Serverless架构：如AWS DynamoDB Auto Scaling、Azure Cosmos DB自动扩容。
• 多云兼容性：MongoDB Atlas、Couchbase Capella支持跨云部署。

结语
NoSQL技术的选择需结合业务场景、数据规模和一致性要求。通过理解数据模型、分布式原理和性能优化技巧，开发者可构建高效、可靠的大数据存储系统。建议持续关注LTSC（Low Latency, Scalable, Consistent）数据库的演进，如ScyllaDB（C++重写的Cassandra兼容库）等新兴技术。