一、NoSQL数据库基础理论

1.1 定义与核心特征

NoSQL（Not Only SQL）数据库突破了传统关系型数据库的ACID约束，采用非关系型数据模型，具备三大核心优势：

• 水平扩展性：通过分布式架构支持PB级数据存储（如Cassandra的环形拓扑）
• 高可用性：多副本机制实现99.999%可用性（MongoDB副本集配置）
• 灵活模式：动态Schema设计（MongoDB的BSON文档结构）

典型案例：Twitter使用Cassandra存储用户时间线数据，实现每秒百万级写入

1.2 四大主流数据模型

模型类型	代表数据库	适用场景	数据结构示例
键值存储	Redis	会话缓存、排行榜	{"user_id": "1001", "score": 95}
文档存储	MongoDB	内容管理系统、JSON数据处理	{name: "John", address: {city: "NY"}}
列族存储	HBase	时序数据、高吞吐写入	列族：info:name, info:age
图数据库	Neo4j	社交网络、路径分析	(Alice)-[KNOWS]->(Bob)

二、分布式系统核心原理

2.1 CAP定理实践

• CP系统（如HBase）：优先保证一致性和分区容忍性，牺牲可用性
• AP系统（如Cassandra）：优先保证可用性和分区容忍性，最终一致性
• CA系统（传统关系型数据库）：网络分区时不可用

关键决策点：金融交易系统需选择CP架构，社交网络可接受AP架构

2.2 数据分片策略

1. 范围分片（MongoDB）：按字段值范围划分（如日期区间）

   // MongoDB分片键选择示例
   sh.enableSharding("mydb")
   sh.shardCollection("mydb.orders", { "order_date": 1 })

2. 哈希分片（Cassandra）：通过一致性哈希均匀分布
3. 目录分片（Redis Cluster）：虚拟节点映射实现动态扩容

2.3 一致性协议对比

协议	代表系统	特点	适用场景
Paxos	Google Chubby	强一致性，复杂度高	分布式锁服务
Raft	etcd	易理解实现，选举超时机制	配置管理
Gossip	Cassandra	去中心化，最终一致性	跨数据中心同步

三、主流NoSQL数据库实战

3.1 Redis高级特性

• 数据结构：
  • HyperLogLog基数统计（误差率0.81%）
  • Geospatial地理位置索引

    GEOADD cities -73.935242 40.730610 "New York"
    GEODIST cities "New York" "Los Angeles" km

• 持久化策略：
  • RDB快照：save 60 10000（60秒内10000次修改触发）
  • AOF日志：appendfsync always（每条命令同步）

3.2 MongoDB聚合框架

// 复杂聚合管道示例
db.orders.aggregate([
  { $match: { status: "completed" } },
  { $group: { 
      _id: "$customer_id",
      total: { $sum: "$amount" },
      avg: { $avg: "$amount" }
    }
  },
  { $sort: { total: -1 } },
  { $limit: 5 }
])

关键阶段：

1. $match：过滤文档
2. $group：分组计算
3. $project：字段重映射

3.3 HBase表设计原则

1. 行键设计：
   • 逆序时间戳：20230815_reverse
   • 盐值化：分散热点写入
2. 列族规划：
   • 冷热数据分离（cf1:hot_data, cf2:cold_data）
3. 预分区策略：

   // Java API创建预分区表
   HTableDescriptor tableDesc = new HTableDescriptor("user_data");
   tableDesc.addFamily(new HColumnDescriptor("info"));
   admin.createTable(tableDesc, 
     Bytes.toBytes("000"), 
     Bytes.toBytes("999"), 
     10);  // 10个预分区

四、性能调优与故障排查

4.1 常见瓶颈分析

指标	监控工具	优化方案
查询延迟	MongoDB Profiler	建立复合索引 {name:1, age:1}
写入吞吐量	Cassandra nodetool	调整memtable大小 memtable_total_space_in_mb
内存碎片	Redis INFO memory	执行MEMORY PURGE命令

4.2 备份恢复策略

1. MongoDB：
   • 逻辑备份：mongodump --archive=backup.2023.gz --gzip
   • 物理备份：rsync -avz /data/db/ backup/
2. Redis：
   • AOF重写：BGREWRITEAOF
   • 集群备份：redis-cli --cluster export

4.3 安全实践

• 认证授权：

  # MongoDB启用SCRAM-SHA-256认证
  mongod --auth --setParameter enableAuthentication=true

• 数据加密：
  • 传输层：TLS 1.3
  • 存储层：LUKS磁盘加密
• 审计日志：

  # Cassandra审计配置
  audit_logging:
    enabled: true
    logger:
      - class: org.apache.cassandra.audit.Slf4jLogger

五、考试应对策略

1. 案例分析题：
   • 识别业务场景（如电商推荐系统→图数据库）
   • 评估数据规模（10TB以上→分布式架构）
2. 设计题：
   • 遵循”读多写少选文档，写多读少选列族”原则
   • 示例：设计物流追踪系统

     graph TD
       A[GPS设备] -->|位置数据| B[Kafka]
       B --> C[HBase存储轨迹]
       C --> D[Elasticsearch检索]
       D --> E[用户APP]

3. 故障排查题：
   • 检查网络分区（nodetool netstats）
   • 验证副本同步（REPLICA_SET_STATUS）

建议考生重点掌握分布式协议实现原理、主流数据库的差异对比及实际场景中的架构设计方法。通过搭建本地实验环境（如Docker部署Cassandra集群）进行实操验证，可显著提升理解深度。考试前需熟悉各数据库的官方文档结构，快速定位关键配置参数。