一、NoSQL基础理论习题

1.1 NoSQL的定义与核心特性

习题1：NoSQL的全称是什么？其与传统关系型数据库的核心差异体现在哪些方面？
答案：NoSQL全称为”Not Only SQL”，强调非关系型、分布式、可扩展的数据存储方案。与传统关系型数据库（如MySQL、Oracle）相比，NoSQL的核心差异包括：

• 数据模型：NoSQL支持键值对（Redis）、文档（MongoDB）、列族（HBase）、图（Neo4j）等非结构化模型，而关系型数据库严格依赖二维表结构。
• 扩展性：NoSQL通过水平扩展（分布式节点）实现高并发，关系型数据库通常依赖垂直扩展（单节点性能提升）。
• 一致性模型：NoSQL常采用最终一致性（如Dynamo模式），而关系型数据库严格遵循ACID事务。

习题2：CAP理论在NoSQL中的具体表现是什么？举例说明不同NoSQL数据库的CAP取舍。
答案：CAP理论指出分布式系统无法同时满足一致性（Consistency）、可用性（Availability）、分区容忍性（Partition Tolerance）。典型NoSQL数据库的取舍如下：

• HBase：优先保证CP（强一致性），在分区时牺牲可用性。
• Cassandra：采用AP模型（最终一致性），通过多副本和提示移交（Hinted Handoff）保证高可用。
• MongoDB：默认提供强一致性，但可通过配置调整为最终一致性。

二、NoSQL分类与应用场景习题

2.1 键值存储（Key-Value Store）

习题3：Redis作为键值存储的典型代表，其数据结构类型有哪些？如何选择合适的数据结构优化性能？
答案：Redis支持字符串（String）、哈希（Hash）、列表（List）、集合（Set）、有序集合（ZSet）等数据结构。优化策略包括：

• 计数器场景：使用INCR/DECR命令操作字符串类型，避免读写锁竞争。
• 排行榜场景：使用ZSet存储分数与用户ID，通过ZREVRANGE快速获取Top N。
• 消息队列：使用List的LPUSH/RPOP实现简单队列，或通过Pub/Sub模式实现发布订阅。

代码示例：

import redis
r = redis.Redis(host='localhost', port=6379)
# 计数器场景
r.set('page_view', 0)
r.incr('page_view')  # 返回1
# 排行榜场景
r.zadd('leaderboard', {'user1': 100, 'user2': 90})
top_users = r.zrevrange('leaderboard', 0, 2)  # 获取前3名

2.2 文档存储（Document Store）

习题4：MongoDB的文档模型如何设计以避免性能问题？列举3种常见反模式。
答案：MongoDB文档设计需遵循以下原则：

• 嵌套深度：避免过度嵌套（建议不超过3层），否则查询效率下降。
• 数组大小：单文档中数组元素不宜过多（如超过16MB），否则更新操作可能阻塞。
• 索引策略：为高频查询字段创建索引，但需避免索引过多导致写入性能下降。

反模式示例：

1. 动态字段爆炸：将用户自定义属性全部存入单个文档，导致字段数量不可控。
2. 大文档更新：频繁更新大型文档（如日志），引发分片迁移。
3. 多文档事务滥用：在分布式环境下过度依赖多文档事务，牺牲性能。

三、NoSQL实战考试题

3.1 分布式系统设计题

考试题1：设计一个支持高并发的电商订单系统，要求满足以下条件：

• 订单数据需持久化存储。
• 用户可实时查看订单状态。
• 系统需支持每秒10万次订单创建请求。

解决方案：

1. 数据分片：使用MongoDB按用户ID哈希分片，分散写入压力。
2. 读写分离：主节点处理写入，从节点通过readPreference=secondaryPreferred优化读性能。
3. 缓存层：Redis缓存热门订单状态，减少数据库查询。
4. 异步处理：通过Kafka消息队列解耦订单创建与后续处理（如支付、物流）。

架构图：

客户端 → 负载均衡器 → Redis缓存 → MongoDB分片集群
                       ↓
                   Kafka队列 → 支付/物流服务

3.2 性能调优题

考试题2：某MongoDB集群出现写入延迟，通过mongostat发现flushes字段值过高。请分析可能原因并提出优化方案。
答案：

• 原因分析：flushes表示磁盘刷新次数，过高可能因：

  • 写入量过大导致WiredTiger引擎频繁刷盘。
  • 磁盘I/O性能不足（如使用机械硬盘）。
  • 索引设计不合理导致额外写入开销。

• 优化方案：

  1. 硬件升级：替换为SSD磁盘，提升IOPS。
  2. 批量写入：使用bulkWrite减少单条插入的网络开销。
  3. 索引优化：删除未使用的索引，或使用稀疏索引（Sparse Index）减少维护成本。
  4. 调整WiredTiger参数：例如增大cacheSizeGB减少磁盘交换。

四、NoSQL案例分析题

案例题：某社交平台使用Cassandra存储用户动态，但用户反馈动态加载速度慢。请结合Cassandra的数据模型特点，分析问题根源并提出改进措施。

分析过程：

1. 数据模型检查：

   • Cassandra采用宽列模型，适合时间序列数据（如动态按时间倒序存储）。
   • 若动态表的主键设计为(user_id, timestamp)，则按时间查询需扫描分区，效率低下。

2. 查询模式匹配：

   • 用户通常按时间范围查询最新动态，需优化分区键设计。

3. 改进措施：

   • 主键重构：使用(bucket, timestamp, user_id)作为主键，其中bucket按天或小时划分，减少单个分区数据量。
   • 二级索引：为user_id创建二级索引（需权衡查询效率与写入性能）。
   • 物化视图：预计算热门用户的动态，通过单独表存储。

优化后查询示例：

-- 优化前（低效）
SELECT * FROM user_feed WHERE user_id = '123' ORDER BY timestamp DESC LIMIT 10;
-- 优化后（高效）
SELECT * FROM user_feed_by_bucket 
WHERE bucket = '20231001' AND timestamp > '2023-10-01T00:00:00' 
ORDER BY timestamp DESC LIMIT 10;

五、总结与学习建议

1. 理论结合实践：通过习题掌握NoSQL的核心概念（如CAP、分片策略），再通过考试题验证应用能力。
2. 场景化学习：针对不同业务场景（如高并发写入、复杂查询）选择合适的NoSQL类型。
3. 工具链掌握：熟练使用监控工具（如mongotop、Redis CLI）和调优参数（如MongoDB的wiredTigerEngineConfigString）。
4. 持续迭代：NoSQL技术栈更新快，需关注MongoDB 6.0、Redis 7.0等新版本的特性（如时序集合、集群模块）。

通过系统化的习题训练与实战案例分析，开发者可快速构建NoSQL知识体系，应对分布式系统中的复杂挑战。