一、NoSQL数据库核心概念习题

1.1 数据模型分类与适用场景

习题1：比较文档型数据库（如MongoDB）与关系型数据库在嵌套数据存储上的差异。
解析：
文档型数据库采用JSON/BSON格式存储半结构化数据，支持动态字段和嵌套数组。例如，存储用户订单信息时，MongoDB可直接将商品列表作为数组嵌入订单文档：

{
  "order_id": "1001",
  "customer": "Alice",
  "items": [
    {"product_id": "P001", "quantity": 2},
    {"product_id": "P002", "quantity": 1}
  ]
}

而关系型数据库需通过外键关联多张表实现相同功能，导致查询需多次JOIN操作。文档型数据库的优势在于减少网络往返和简化复杂查询，但牺牲了事务一致性。

习题2：键值型数据库（如Redis）的TTL机制如何优化缓存性能？
解析：
TTL（Time To Live）通过设置键的过期时间实现自动缓存清理。例如，在Redis中设置热点数据缓存：

SET user:1001:profile '{"name":"Bob"}' EX 3600  # 1小时后过期

此机制避免手动清理过期数据，同时防止内存无限增长。实际场景中，可结合业务访问频率动态调整TTL值，如将促销商品信息缓存时间设置为活动结束前2小时。

二、NoSQL数据库设计模式习题

2.1 一对多关系设计

习题3：在社交应用中，如何用MongoDB设计用户与动态的关系？
解析：
方案一：嵌入式设计（反规范化）
将用户动态直接嵌入用户文档：

{
  "user_id": "U001",
  "name": "Charlie",
  "posts": [
    {"post_id": "P001", "content": "Hello!", "timestamp": 1630000000},
    {"post_id": "P002", "content": "NoSQL is great!", "timestamp": 1630000100}
  ]
}

优势：单次查询获取完整数据，适合动态数量少且查询频繁的场景。
劣势：文档大小超过16MB限制时需拆分，且更新动态需重写整个文档。

方案二：引用式设计（规范化）
用户文档仅存储动态ID列表：

{
  "user_id": "U001",
  "name": "Charlie",
  "post_ids": ["P001", "P002"]
}

动态存储在独立集合中。优势：避免文档过大，支持动态独立更新。劣势：需额外查询获取动态内容。

习题4：Cassandra中如何设计时间序列数据表？
解析：
以物联网设备温度数据为例，表结构应包含设备ID、时间戳作为复合主键：

CREATE TABLE device_temps (
  device_id UUID,
  timestamp TIMESTAMP,
  temperature DOUBLE,
  PRIMARY KEY ((device_id), timestamp)
) WITH CLUSTERING ORDER BY (timestamp DESC);

设计要点：

1. 分区键（device_id）确保单设备数据存储在同一节点，避免热点
2. 排序键（timestamp）按降序排列，便于获取最新数据
3. 预分区策略：根据设备数量预先创建分区，如按设备ID哈希值分配到10个虚拟节点

三、NoSQL数据库性能优化习题

3.1 查询优化技巧

习题5：如何优化MongoDB的聚合查询性能？
解析：
案例：统计某类商品的总销量
低效实现：

db.orders.aggregate([
  {$match: {category: "Electronics"}},
  {$unwind: "$items"},
  {$group: {_id: null, total: {$sum: "$items.quantity"}}}
])

优化方案：

1. 添加索引：db.orders.createIndex({category: 1})
2. 减少$unwind操作：若只需统计总量，可先计算每个订单的总量再聚合
3. 使用覆盖查询：若仅需聚合字段，投影排除无关字段

习题6：Redis中如何解决大键（Big Key）问题？
解析：
大键（如包含百万元素的哈希表）会导致阻塞操作。解决方案：

1. 拆分策略：将哈希表拆分为多个小哈希表，如按用户ID哈希值分配到不同键
2. 分层存储：使用Redis模块（如RedisBloom）处理大规模数据
3. 监控告警：通过MEMORY USAGE命令监控键大小，设置阈值告警

四、NoSQL数据库实战习题

4.1 分布式事务处理

习题7：在Cassandra中如何实现跨分区的原子操作？
解析：
Cassandra不支持跨分区ACID事务，但可通过以下模式模拟：

1. 批处理（BATCH）：将同一分区的多个操作合并为一个原子批次

   BEGIN BATCH
   INSERT INTO user_accounts (user_id, balance) VALUES ('U001', 1000);
   INSERT INTO user_logs (user_id, action) VALUES ('U001', 'DEPOSIT');
   APPLY BATCH;

2. 轻量级事务（LWT）：使用IF NOT EXISTS或条件更新实现简单冲突检测
3. 最终一致性补偿：通过异步消息队列处理跨分区操作，记录操作日志供后续核对

4.2 多模型数据库应用

习题8：如何用ArangoDB实现图查询与文档查询的混合操作？
解析：
案例：社交网络中查询用户好友及其最新动态

1. 创建混合集合：

   // 用户文档
   {
   "_key": "U001",
   "name": "David",
   "type": "user"
   }
   // 关系边
   {
   "_from": "users/U001",
   "_to": "users/U002",
   "type": "friend"
   }
   // 动态文档
   {
   "_key": "P001",
   "user_id": "U001",
   "content": "ArangoDB rocks!",
   "type": "post"
   }

2. 执行AQL混合查询：

   FOR u IN 1..1 OUTBOUND 'users/U001' GRAPH 'social_graph'
   FILTER u.type == 'user'
   LET latest_post = (
    FOR p IN posts
      FILTER p.user_id == u._key
      SORT p.timestamp DESC
      LIMIT 1
      RETURN p
   )
   RETURN {user: u, post: latest_post[0]}

   此查询通过图遍历获取好友，再关联文档集合获取最新动态，展示多模型数据库的灵活性。

五、NoSQL数据库发展趋势习题

5.1 新兴技术影响

习题9：如何评估Serverless架构对NoSQL数据库选型的影响？
解析：
Serverless环境（如AWS Lambda）对NoSQL数据库提出新要求：

1. 连接管理：需使用连接池或无服务器数据库（如DynamoDB）避免冷启动延迟
2. 成本模型：按请求付费模式要求优化查询频率和复杂度
3. 性能波动：应对突发流量需数据库具备自动扩展能力，如MongoDB Atlas的自动缩放集群

习题10：AI生成数据如何改变NoSQL数据库的设计范式？
解析：
AI生成的结构化数据（如自动标注的图像元数据）具有以下特征：

1. 半结构化程度高：需支持动态添加的AI标签字段
2. 数据量大但查询模式简单：适合列族数据库（如HBase）存储
3. 实时性要求：图数据库（如Neo4j）可快速构建实体关系网络
   设计建议：采用多模型数据库统一存储，或通过数据湖+NoSQL缓存的混合架构实现。

通过系统性练习上述习题，开发者可全面掌握NoSQL数据库的设计原则、性能优化方法和新兴技术适配策略，为实际项目中的数据存储方案选型提供坚实依据。