一、NoSQL数据库基础概念习题

1.1 NoSQL与关系型数据库的核心差异

NoSQL数据库（Not Only SQL）的核心特征在于非关系型数据模型和水平扩展能力。与关系型数据库（如MySQL）相比，NoSQL无需固定表结构，支持动态模式（Schema-less），且通过分布式架构实现高并发读写。例如，在电商场景中，用户订单数据可能包含不同字段（如商品ID、颜色、尺寸），NoSQL的文档型数据库（如MongoDB）可直接存储这种异构数据，而关系型数据库需通过多表关联实现，性能随数据量增长显著下降。

习题示例：

某社交平台需存储用户动态，包含文本、图片URL、视频时长等字段，且不同动态的字段差异较大。请分析使用关系型数据库和NoSQL的优缺点。
答案：

• 关系型数据库需设计宽表或使用JSON字段，但查询效率低，且表结构变更需迁移数据。
• NoSQL文档型数据库可直接存储动态为JSON文档，支持灵活查询（如按时间范围筛选），且水平扩展能力强。

1.2 NoSQL的四大类型及适用场景

NoSQL数据库可分为键值存储（Redis）、文档型（MongoDB）、列族存储（HBase）、图数据库（Neo4j）四类。键值存储适用于缓存和会话管理，文档型适合内容管理系统，列族存储适合时间序列数据（如物联网传感器数据），图数据库则用于社交网络关系分析。

习题示例：

某物流公司需实时追踪货车位置，并分析路线效率。请选择合适的NoSQL类型并说明理由。
答案：

• 列族存储（如HBase）适合存储时间序列的位置数据（时间戳为行键，GPS坐标为列），支持高效范围扫描。
• 图数据库（如Neo4j）可分析路线关联性（如货车A常与货车B同行），但实时性不足。
• 最终选择列族存储，因物流场景更关注历史轨迹查询而非复杂关系分析。

二、NoSQL数据库设计习题

2.1 数据模型设计原则

NoSQL数据模型设计需遵循查询驱动原则，即根据业务查询需求设计数据结构。例如，在博客系统中，若需频繁按标签查询文章，可将标签嵌入文章文档（MongoDB示例）：

// MongoDB文档设计
{
  _id: "article1",
  title: "NoSQL指南",
  content: "...",
  tags: ["database", "nosql"], // 嵌入标签数组
  createdAt: ISODate("2023-01-01")
}

此设计支持直接通过tags字段查询，避免多表关联。

习题示例：

设计一个在线教育平台的课程数据模型，需支持按课程类别、讲师、价格范围查询。
答案：

• 文档型设计（MongoDB）：

  {
  _id: "course1",
  title: "NoSQL实战",
  category: "Database", // 类别字段
  instructor: {name: "张三", id: "instructor1"}, // 嵌入讲师信息
  price: 299,
  tags: ["advanced", "hands-on"] // 扩展查询字段
  }

• 查询优化：为category、price、tags创建索引，支持复合查询（如{category: "Database", price: {$lt: 500}}）。

2.2 分布式设计挑战

NoSQL的分布式特性带来数据分片（Sharding）和一致性问题。例如，MongoDB通过分片键（Shard Key）将数据分散到不同节点，但分片键选择不当会导致数据倾斜（如用户ID分片可能使某节点负载过高）。

习题示例：

某电商平台的订单数据按用户ID分片，但发现某用户下单量占总量30%，导致分片不均衡。如何优化？
答案：

• 改用复合分片键：如{user_id: 1, order_date: 1}，将同一用户的数据分散到不同日期段。
• 或引入哈希分片：对用户ID进行哈希计算，确保数据均匀分布。

三、NoSQL高级功能习题

3.1 事务与一致性

NoSQL数据库通常提供最终一致性（Eventual Consistency），但部分场景（如金融交易）需强一致性。MongoDB 4.0+支持多文档事务，可跨集合操作：

// MongoDB事务示例
session.startTransaction();
try {
  db.accounts.updateOne(
    {user: "Alice"}, 
    {$inc: {balance: -100}}
  );
  db.accounts.updateOne(
    {user: "Bob"}, 
    {$inc: {balance: 100}}
  );
  session.commitTransaction();
} catch (error) {
  session.abortTransaction();
}

习题示例：

设计一个银行转账系统，使用NoSQL实现。如何保证事务的原子性？
答案：

• 选择支持事务的NoSQL（如MongoDB、Cassandra轻量级事务）。
• 使用两阶段提交（2PC）或补偿事务（Saga模式）处理跨服务事务。
• 示例代码（MongoDB事务）如上所示。

3.2 性能调优

NoSQL性能优化需关注索引设计、读写分离和缓存策略。例如，Redis通过ZSET（有序集合）实现排行榜，时间复杂度为O(log N)：

# Redis排行榜示例
ZADD leaderboard 100 "Alice"  # 添加分数
ZRANGE leaderboard 0 -1 WITHSCORES  # 查询排名

习题示例：

某游戏需实现全球玩家排行榜，每秒处理10万次更新。请选择NoSQL类型并设计方案。
答案：

• 选择Redis，因其内存存储和ZSET的高效操作。
• 分片策略：按地区分片（如亚洲、欧洲），减少单节点压力。
• 持久化：使用AOF（Append Only File）保证数据不丢失。

四、实战案例分析

4.1 案例：社交平台消息系统

需求：存储用户消息，支持按时间范围、发送者查询，且需高可用。
解决方案：

• 数据库选择：MongoDB（文档型），消息存储为JSON文档：

  {
  _id: "msg1",
  sender: "user1",
  receiver: "user2",
  content: "Hello",
  timestamp: ISODate("2023-01-01T10:00:00Z")
  }

• 索引设计：为sender、receiver、timestamp创建复合索引。
• 分片策略：按receiver分片，确保同一用户的消息在同一节点。

4.2 案例：物联网传感器数据

需求：存储百万级设备每秒上传的温度数据，支持按设备ID和时间范围查询。
解决方案：

• 数据库选择：HBase（列族存储），行键设计为设备ID_时间戳：

  行键: "device1_20230101100000"
  列族: "metrics"
  列: "temperature: 25.5"

• 查询优化：通过行键前缀扫描（如device1_*）获取某设备的历史数据。

五、总结与建议

NoSQL数据库的选择需结合数据模型、查询模式和扩展需求。建议开发者：

1. 优先测试数据模型：用真实数据验证查询效率。
2. 监控分片均衡：避免热点问题。
3. 权衡一致性：根据业务容忍度选择强一致或最终一致。

通过系统练习NoSQL习题，开发者可深入理解其设计哲学，并在实际项目中高效应用。