一、NoSQL数据库基础概念习题解析

1.1 NoSQL与关系型数据库的核心差异

习题：比较NoSQL与关系型数据库在数据模型、扩展性和事务支持上的差异。
解析：

• 数据模型：关系型数据库采用严格的表结构（行与列），依赖SQL进行数据操作；NoSQL则支持键值对（Redis）、文档（MongoDB）、列族（HBase）和图（Neo4j）等多种模型，灵活性更高。
• 扩展性：关系型数据库通过垂直扩展（提升单机性能）应对负载增长，成本高且存在瓶颈；NoSQL通过水平扩展（分布式集群）实现线性扩展，适合海量数据场景。
• 事务支持：关系型数据库支持ACID事务，保证强一致性；NoSQL通常采用BASE模型（基本可用、软状态、最终一致性），通过最终一致性平衡性能与一致性。

应用场景：

• 关系型数据库适用于需要严格事务的场景（如金融系统）；
• NoSQL适用于高并发、非结构化数据（如日志分析、社交网络）。

1.2 CAP定理与NoSQL的选择策略

习题：根据CAP定理，分析不同NoSQL数据库的设计取舍。
解析：
CAP定理指出，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），需牺牲其一。

• CP型（如HBase）：优先保证一致性，分区时拒绝部分请求，适用于对数据准确性要求高的场景。
• AP型（如Cassandra）：优先保证可用性，分区时允许数据短暂不一致，适用于高并发读写的场景。
• CA型（传统关系型数据库）：通常在单节点中实现，牺牲分区容错性。

案例：电商平台的商品库存系统需实时更新，可选择AP型数据库（如Cassandra）避免因网络分区导致订单失败；而银行转账系统需强一致性，应选择CP型数据库（如HBase）。

二、NoSQL数据模型设计习题

2.1 键值对数据库设计

习题：设计一个Redis缓存系统，存储用户会话信息，要求支持快速读写和过期淘汰。
解析：

• 键设计：使用user_id:session_id作为键，唯一标识会话。
• 值设计：存储JSON格式的会话数据（如用户权限、最后活动时间）。
• 过期策略：通过EXPIRE命令设置键的TTL（如30分钟），自动清理过期会话。

代码示例：

import redis
r = redis.Redis(host='localhost', port=6379)
# 存储会话
def set_session(user_id, session_id, data, ttl=1800):
    key = f"{user_id}:{session_id}"
    r.set(key, data, ex=ttl)
# 获取会话
def get_session(user_id, session_id):
    key = f"{user_id}:{session_id}"
    return r.get(key)

2.2 文档数据库设计

习题：使用MongoDB设计一个博客系统的数据模型，支持文章分类、标签和评论。
解析：

• 集合设计：
  • articles：存储文章内容、作者、发布时间。
  • categories：存储分类名称和描述。
  • tags：存储标签名称。
  • comments：存储评论内容、用户ID和关联文章ID。
• 关系处理：通过引用（ObjectId）或嵌入（如将评论嵌入文章）实现关联。

代码示例：

// 插入文章
db.articles.insertOne({
  title: "NoSQL入门",
  content: "本文介绍NoSQL基础...",
  author: "user123",
  createdAt: new Date(),
  category: ObjectId("5f8d0a2b1c9d3e4f5g6h"),
  tags: ["database", "nosql"]
});
// 查询带分类的文章
db.articles.aggregate([
  { $lookup: {
      from: "categories",
      localField: "category",
      foreignField: "_id",
      as: "categoryInfo"
    }
  }
]);

三、NoSQL性能优化习题

3.1 索引优化策略

习题：为MongoDB的users集合优化查询性能，用户常按email和last_login字段查询。
解析：

• 单字段索引：为email创建唯一索引，加速登录查询。

  db.users.createIndex({ email: 1 }, { unique: true });

• 复合索引：为last_login和status创建复合索引，支持范围查询和排序。

  db.users.createIndex({ last_login: -1, status: 1 });

• 索引选择原则：遵循最左前缀原则，避免冗余索引。

3.2 分片与集群配置

习题：配置MongoDB分片集群，按user_id哈希分片，均衡存储10亿条用户数据。
解析：

1. 配置分片键：选择user_id的哈希值作为分片键，避免数据倾斜。

   sh.enableSharding("mydb");
   sh.shardCollection("mydb.users", { user_id: "hashed" });

2. 添加分片：将多个副本集加入集群。

   sh.addShard("rs0/mongod1:27017,mongod2:27017");

3. 监控均衡：通过sh.status()检查数据分布是否均匀。

四、NoSQL安全与运维习题

4.1 认证与授权配置

习题：为Redis配置密码认证，并限制客户端IP访问。
解析：

1. 修改配置文件（redis.conf）：

   requirepass "your_password"
   bind 127.0.0.1 192.168.1.100  # 仅允许本地和指定IP访问

2. 重启Redis：

   sudo systemctl restart redis

3. 客户端连接：

   r = redis.Redis(host='localhost', password='your_password')

4.2 备份与恢复策略

习题：制定MongoDB的定期备份方案，支持点时间恢复。
解析：

• 逻辑备份：使用mongodump导出数据。

  mongodump --host localhost --db mydb --out /backup/mydb

• 物理备份：直接复制数据文件（需停机或使用文件系统快照）。
• 点时间恢复：通过mongorestore结合 oplog 实现。

  mongorestore --host localhost --db mydb /backup/mydb --oplogReplay

五、总结与实战建议

NoSQL数据库的习题设计需紧扣其核心特性（如灵活性、扩展性），通过理论解析与代码示例帮助开发者掌握数据模型设计、性能优化和安全运维。实际开发中，建议：

1. 根据场景选型：高并发选AP型，强一致性选CP型。
2. 优化数据模型：避免过度嵌套，合理使用索引。
3. 监控与调优：定期分析慢查询，调整分片策略。

通过系统练习，开发者可提升NoSQL数据库的应用能力，应对海量数据与高并发的挑战。