一、分布式数据库基础理论（30分）

1.1 分布式数据库的核心特征
分布式数据库通过将数据分散存储于多个节点，实现横向扩展与容错能力。其核心特征包括：

• 逻辑统一性：用户视角下呈现单一数据库，隐藏物理分散细节
• 位置透明性：应用无需感知数据实际存储位置
• 复制透明性：自动处理数据副本同步
• 故障透明性：节点故障不影响系统整体可用性

典型考题：
简述CAP理论对分布式数据库设计的约束
答案要点：
CAP理论指出，分布式系统无法同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition Tolerance）。实际系统中需权衡取舍：

• CP系统（如ZooKeeper）：优先保证强一致性，分区时牺牲可用性
• AP系统（如Cassandra）：优先保证高可用，允许最终一致性
• CA系统：仅适用于单节点场景，无实际分布式价值

二、分布式事务管理（25分）

2.1 两阶段提交协议（2PC）
2PC通过协调者确保跨节点事务的原子性，流程分为：

1. 准备阶段：协调者向所有参与者发送prepare请求，参与者锁定资源并返回yes/no
2. 提交阶段：全票通过则发送commit，否则发送abort

典型考题：
分析2PC协议的阻塞问题及改进方案
答案要点：

• 阻塞场景：协调者故障时，参与者无法确定提交/回滚，需无限等待超时
• 改进方案：
  • 三阶段提交（3PC）：增加预提交阶段，减少不确定性
  • Paxos协议：通过多数派决策避免单点故障
  • Saga模式：将长事务拆分为多个本地事务，通过补偿机制回滚

代码示例（伪代码）：

def two_phase_commit(participants):
    # 准备阶段
    votes = []
    for p in participants:
        vote = p.prepare()
        if vote == "no":
            return abort_transaction(participants)
        votes.append(vote)
    # 提交阶段
    if all(v == "yes" for v in votes):
        for p in participants:
            p.commit()
    else:
        abort_transaction(participants)

三、数据分片与复制策略（20分）

3.1 水平分片与垂直分片

• 水平分片：按行划分数据（如用户ID哈希分片），适用于OLTP场景
• 垂直分片：按列划分数据（如将用户信息与订单信息分离），适用于OLAP场景

典型考题：
设计一个电商系统的订单表分片方案
答案要点：

1. 分片键选择：使用用户ID或订单ID作为分片键，避免热点问题
2. 分片算法：
   • 哈希分片：shard_id = hash(user_id) % N，数据分布均匀
   • 范围分片：按时间范围分片，便于历史数据归档
3. 复制策略：
   • 主从复制：主节点写，从节点读，需处理主从同步延迟
   • 多主复制：允许所有节点写入，需解决冲突（如最后写入优先）

四、一致性协议与算法（15分）

4.1 Paxos与Raft协议对比
| 特性 | Paxos | Raft |
|———————|———————————————-|———————————————-|
| 易用性 | 理论复杂，实现难度高 | 简化状态机，易于工程实现 |
| 领导者选举 | 无明确领导者概念 | 强制单领导者，简化冲突处理 |
| 日志复制 | 允许并发提案，需处理冲突 | 严格顺序复制，避免冲突 |

典型考题：
Raft协议如何保证日志一致性？
答案要点：

1. 领导者选举：通过随机超时机制避免脑裂
2. 日志复制：
   • 领导者收到客户端请求后，先写入本地日志
   • 通过AppendEntriesRPC向从节点复制日志
   • 收到多数派响应后提交日志
3. 安全性保证：
   • 选举限制：仅允许拥有最新日志的节点成为领导者
   • 领导者只追加：从不覆盖或删除已有日志条目

五、分布式查询优化（10分）

5.1 分布式JOIN优化策略

• 广播JOIN：小表广播至所有节点，与大表本地JOIN
• 分片JOIN：按JOIN键分片，确保相关数据位于同一节点
• 哈希JOIN：对JOIN键哈希重分布数据，减少网络传输

典型考题：
如何优化跨分片的聚合查询？
答案要点：

1. 下推聚合：在每个分片节点先执行局部聚合（如COUNT、SUM）
2. 全局聚合：协调节点合并各分片结果，避免传输原始数据
3. 物化视图：预计算常用聚合结果，以空间换时间

实践建议：

• 监控分片倾斜：通过EXPLAIN ANALYZE识别数据分布不均
• 动态调整分片：根据查询模式重新分片（如按访问频率分片）
• 缓存中间结果：对重复查询使用Redis等缓存

六、综合应用题（20分）

设计一个分布式库存管理系统
要求：

1. 支持高并发扣减库存
2. 保证超卖不发生
3. 具备容错能力

参考答案：

1. 架构设计：
   • 分片策略：按商品ID哈希分片，每个分片独立处理库存操作
   • 复制策略：主从复制，写主读从
2. 事务实现：
   • 乐观锁：UPDATE inventory SET stock = stock - 1 WHERE stock > 0 AND id = ?
   • 分布式锁：对热点商品使用Redis分布式锁（SETNX）
3. 容错处理：
   • 重试机制：对暂时性故障（如网络抖动）自动重试
   • 降级策略：库存不足时返回缓存结果，避免穿透数据库

总结：
研究生分布式数据库考试需系统掌握理论框架与工程实践。本文通过典型试题解析，覆盖了分布式架构、事务管理、一致性协议等核心考点，并提供了可落地的优化方案。建议考生结合开源项目（如TiDB、CockroachDB）深入理解实现细节，同时关注新兴技术（如NewSQL、HTAP）的发展趋势。