(2025年)数据库系统工程师考试真题及答案

(2025年)数据库系统工程师考试练习题及答案一、单项选择题（每题1分，共20分）1.某关系模式R(U,F)，其中U={A,B,C,D,E}，F={AB→C,C→D,D→E,E→A}。该关系模式的候选码是（）。A.ABB.BCC.CDD.DE答案：A解析：通过闭包计算，AB+={A,B,C,D,E}，能决定所有属性；其他选项闭包无法覆盖全部属性。2.事务T1对数据X加S锁，事务T2请求对X加X锁，根据两阶段锁协议（2PL），T2的处理方式是（）。A.立即获得X锁B.等待T1释放S锁后获得C.升级T1的S锁为X锁D.拒绝T2的请求答案：B解析：2PL要求事务在释放锁后不再申请新锁。T1持有S锁期间，T2需等待S锁释放后才能获得X锁。3.以下关于分布式数据库CAP定理的描述，正确的是（）。A.一致性（Consistency）要求所有节点同一时刻看到相同数据B.可用性（Availability）要求每次请求都能在有限时间内失败响应C.分区容错性（PartitionTolerance）要求网络分区时系统停止服务D.CAP三者可同时满足答案：A解析：可用性要求请求必须成功响应；分区容错性要求网络分区时系统仍能运行；CAP三者无法同时满足。4.某数据库表有1000万条记录，字段包括用户ID（INT）、订单时间（DATETIME）、金额（DECIMAL），查询条件为“订单时间在2024-01-01至2024-12-31且金额>1000”，最优索引策略是（）。A.单字段索引（用户ID）B.复合索引（订单时间，金额）C.复合索引（金额，订单时间）D.单字段索引（订单时间）答案：B解析：查询条件涉及范围查询（订单时间）和等值/范围查询（金额），复合索引应将范围查询字段放在后面，先放订单时间可利用索引有序性快速定位时间范围，再筛选金额。5.关系代数中，表达式σ(score>80)(π(name,score)(student))的等价SQL语句是（）。A.SELECTname,scoreFROMstudentWHEREscore>80B.SELECTnameFROMstudentWHEREscore>80C.SELECTFROMstudentWHEREscore>80D.SELECTname,scoreFROMstudentHAVINGscore>80答案：A解析：π(name,score)对应SELECTname,score，σ(score>80)对应WHEREscore>80。6.以下不属于数据仓库特征的是（）。A.面向主题B.实时性C.集成性D.非易失性答案：B解析：数据仓库主要用于分析，数据定期批量加载，不要求实时性。7.事务日志的主要作用是（）。A.提高查询性能B.实现数据备份C.支持事务恢复D.优化索引结构答案：C解析：事务日志记录所有修改操作，用于故障时通过重做（Redo）和撤销（Undo）恢复数据一致性。8.某关系模式R(A,B,C,D)，函数依赖F={A→B,B→C,C→D}，该模式最高满足（）。A.1NFB.2NFC.3NFD.BCNF答案：C解析：候选码为A，所有非主属性（B,C,D）都完全依赖于A（2NF），且不存在传递依赖（A→B→C→D属于传递依赖？不，3NF要求非主属性不传递依赖于候选码。这里D传递依赖于A（A→B→C→D），所以实际应属于2NF？需重新分析：R的候选码是A，非主属性B、C、D。A→B是直接依赖，B→C是传递依赖（非主属性C传递依赖于A），所以2NF要求消除非主属性对候选码的部分依赖（已满足），3NF要求消除非主属性对候选码的传递依赖（未满足）。因此最高是2NF？可能题目存在设计问题，正确答案应为B（2NF）。但原解析可能有误，需修正。（注：经核实，正确分析应为：候选码A，B、C、D均为非主属性。A→B是完全依赖（无部分依赖，满足2NF）；B→C导致C传递依赖于A（A→B→C），违反3NF；同理D传递依赖于A（A→B→C→D）。因此最高满足2NF，正确答案应为B。）9.以下关于OLAP和OLTP的描述，错误的是（）。A.OLTP支持实时事务处理，OLAP支持复杂分析B.OLTP数据更新频繁，OLAP数据更新较少C.OLTP数据库设计注重范式，OLAP注重反范式D.OLTP查询通常涉及大量数据，OLAP查询涉及少量数据答案：D解析：OLTP查询通常针对少量记录（如单条订单查询），OLAP查询涉及大量历史数据（如年度销售汇总）。10.数据库镜像技术的主要目的是（）。A.提高读性能B.实现高可用性C.减少存储成本D.简化备份操作答案：B解析：数据库镜像通过实时复制数据到镜像服务器，当主服务器故障时快速切换，保障系统可用性。11.某SQL语句为“SELECTCOUNT(DISTINCTuser_id)FROMlogsWHEREevent_type='login'”，该语句的作用是（）。A.统计所有登录事件的数量B.统计不同用户的登录次数C.统计登录事件中不同用户的数量D.统计每个用户的登录次数答案：C解析：COUNT(DISTINCTuser_id)计算去重后的用户ID数量，即不同用户的登录次数统计。12.以下索引类型中，适合范围查询的是（）。A.哈希索引B.B+树索引C.全文索引D.位图索引答案：B解析：B+树索引按顺序存储键值，支持范围查询；哈希索引仅支持等值查询，不支持范围。13.事务的原子性（Atomicity）通过（）实现。A.锁机制B.日志记录C.版本控制D.数据备份答案：B解析：原子性要求事务要么全做要么全不做，通过日志的Undo操作实现回滚。14.分布式数据库中，数据分片的方式不包括（）。A.水平分片B.垂直分片C.混合分片D.关系分片答案：D解析：常见分片方式为水平（按行）、垂直（按列）、混合分片，无“关系分片”术语。15.以下关于主从复制的描述，错误的是（）。A.主库处理写操作，从库处理读操作B.复制延迟可能导致从库数据不一致C.主库故障时可自动切换为从库为主库D.所有从库必须与主库保持相同的事务隔离级别答案：D解析：从库可根据需求设置不同的隔离级别（如主库REPEATABLEREAD，从库READCOMMITTED）。16.数据仓库中的事实表存储的是（）。A.业务过程的度量值B.维度的描述信息C.历史归档数据D.元数据答案：A解析：事实表存储具体业务事件的量化数据（如订单金额、销售数量），维度表存储描述信息（如时间、地区）。17.某数据库系统出现“丢失更新”问题，最可能的原因是（）。A.未设置主键B.事务隔离级别过低（READUNCOMMITTED）C.索引失效D.事务隔离级别过高（SERIALIZABLE）答案：B解析：丢失更新发生在两个事务同时修改同一数据，且后提交的事务覆盖了先提交的结果，通常因隔离级别低于REPEATABLEREAD导致。18.以下SQL语句中，能正确实现“查询2024年购买过3次以上商品的用户”的是（）。A.SELECTuser_idFROMordersWHEREyear(order_time)=2024GROUPBYuser_idHAVINGCOUNT()>3B.SELECTuser_idFROMordersWHEREyear(order_time)=2024GROUPBYuser_idHAVINGCOUNT()=3C.SELECTuser_idFROMordersWHEREyear(order_time)=2024ANDCOUNT()>3GROUPBYuser_idD.SELECTuser_idFROMordersWHEREyear(order_time)=2024GROUPBYuser_idHAVINGSUM(quantity)>3答案：A解析：GROUPBY后用HAVING过滤分组条件，COUNT()统计订单次数，>3表示3次以上。19.数据库物理设计的主要任务是（）。A.确定关系模式B.定义数据约束C.设计存储结构和访问方法D.建立ER模型答案：C解析：物理设计涉及索引、分区、文件存储结构等物理实现细节。20.以下关于大数据处理框架HBase的描述，正确的是（）。A.基于列存储，适合实时读写B.支持SQL查询C.采用关系模型D.适用于事务性强的场景答案：A解析：HBase是列式NoSQL数据库，支持高并发实时读写，不支持完整SQL，适用于非事务性的大数据场景。二、简答题（每题5分，共20分）1.简述数据库中死锁的检测与解决方法。答案：死锁检测方法包括超时机制（事务等待超过阈值则回滚）和等待图检测（构建事务等待关系图，检测环）。解决方法：选择回滚代价最小的事务（如持有锁少、运行时间短），释放其锁，让其他事务继续执行；调整事务执行顺序，避免循环等待（如按固定顺序申请锁）。2.说明B树与B+树的区别及在数据库索引中的应用优势。答案：区别：B树每个节点存储键值和数据指针，B+树仅叶子节点存储数据指针，非叶子节点仅存储键值；B+树叶子节点通过指针连接成有序链表。应用优势：B+树更适合数据库索引，因为：①非叶子节点无数据指针，可存储更多键值，减少树高度；②叶子节点链表结构支持范围查询的高效遍历；③所有查询路径长度相同，查询性能稳定。3.简述数据仓库中ETL的主要步骤及各步骤的作用。答案：ETL包括抽取（Extract）、转换（Transform）、加载（Load）。抽取：从多个异构数据源（如OLTP数据库、日志文件）提取数据；转换：清洗（处理缺失值、错误数据）、整合（统一数据格式）、计算（如汇总、过滤），确保数据符合数据仓库要求；加载：将转换后的数据批量写入数据仓库的目标表，通常选择业务低峰期执行以减少影响。4.分析分布式数据库中数据分布策略（如哈希分布、范围分布）的优缺点。答案：哈希分布：通过哈希函数将数据分散到不同节点，优点是数据分布均匀，负载均衡；缺点是范围查询需跨节点聚合，性能较差。范围分布：按键值范围划分数据（如用户ID1-1000在节点A），优点是支持高效范围查询（单节点处理）；缺点是可能因数据倾斜导致节点负载不均（如热门范围数据集中）。三、设计题（20分）某电商公司需设计订单管理数据库，需求如下：-用户信息：用户ID（主键）、姓名、手机号（唯一）、注册时间。-订单信息：订单ID（主键）、用户ID（外键）、下单时间、总金额、状态（待支付/已支付/已发货/已完成）。-商品信息：商品ID（主键）、名称、单价、库存。-订单详情：订单ID、商品ID、购买数量（联合主键）。要求：（1）画出简化的ER图（用矩形、椭圆、菱形表示实体、属性、联系）。（2）设计各表的SQL创建语句（包含必要约束）。（3）为“查询某用户近3个月的所有订单及对应的商品信息”设计索引策略，并说明理由。答案：（1）ER图：-实体“用户”（用户ID，姓名，手机号，注册时间）-实体“订单”（订单ID，用户ID，下单时间，总金额，状态）-实体“商品”（商品ID，名称，单价，库存）-实体“订单详情”（订单ID，商品ID，购买数量）联系：用户-订单（1:N，用户ID为外键）；订单-订单详情（1:N，订单ID为外键）；订单详情-商品（N:1，商品ID为外键）。（2）SQL创建语句：```sqlCREATETABLEusers(user_idINTPRIMARYKEYAUTO_INCREMENT,usernameVARCHAR(50)NOTNULL,phoneVARCHAR(11)UNIQUENOTNULL,reg_timeDATETIMENOTNULL);CREATETABLEorders(order_idBIGINTPRIMARYKEYAUTO_INCREMENT,user_idINTNOTNULL,order_timeDATETIMENOTNULL,total_amountDECIMAL(10,2)NOTNULL,statusENUM('待支付','已支付','已发货','已完成')NOTNULL,FOREIGNKEY(user_id)REFERENCESusers(user_id)ONDELETECASCADE);CREATETABLEproducts(product_idINTPRIMARYKEYAUTO_INCREMENT,product_nameVARCHAR(100)NOTNULL,priceDECIMAL(8,2)NOTNULL,stockINTNOTNULLCHECK(stock>=0));CREATETABLEorder_details(order_idBIGINTNOTNULL,product_idINTNOTNULL,quantityINTNOTNULLCHECK(quantity>0),PRIMARYKEY(order_id,product_id),FOREIGNKEY(order_id)REFERENCESorders(order_id)ONDELETECASCADE,FOREIGNKEY(product_id)REFERENCESproducts(product_id));```（3）索引策略：-在orders表的user_id和order_time字段上创建复合索引（user_id,order_timeDESC）。理由：查询需筛选特定用户（user_id）且按时间倒序取近3个月数据，复合索引可快速定位用户的订单并按时间排序，避免全表扫描。-在order_details表的order_id字段上创建索引。理由：需关联订单与订单详情，通过order_id快速查找对应的商品信息，减少JOIN操作的时间。四、综合应用题（40分）某视频平台需构建用户行为分析系统，要求存储用户观看日志（用户ID、视频ID、开始时间、结束时间、设备类型、地区），并支持以下分析需求：（1）统计每日各地区用户观看总时长；（2）查询某用户近7天观看过的视频列表（去重）；（3）实时计算当前热门视频（过去1小时播放次数TOP10）。请设计数据库解决方案，包括：（1）数据存储模型（选择关系数据库、NoSQL或大数据平台，说明理由）；（2）表结构或数据模式设计；（3）针对各分析需求的查询优化策略；（4）实时热门视频计算的技术实现思路。答案：（1）数据存储模型选择：采用“关系数据库+大数据平台”混合架构。用户观看日志数据量大（每天数亿条），关系数据库（如MySQL）适合存储结构化的用户、视频元数据；日志存储使用Hadoop生态的Hive（列式存储，支持批量分析）和Kafka（实时消息队列）。理由：Hive适合离线分析（需求1、2），Kafka+Flink适合实时计算（需求3），避免关系数据库处理海量日志的性能瓶颈。（2）数据模式设计：-Hive表（ods_user_behavior）：```sqlCREATEEXTERNALTABLEods_user_behavior(user_idSTRING,video_idSTRING,start_timeTIMESTAMP,end_timeTIMESTAMP,device_typeSTRING,regionSTRING)PARTITIONEDBY(dtSTRING)--按日期分区（格式'yyyy-MM-dd'）STOREDASPARQUET;```-Kafka主题（user_behavior_topic）：消息格式为JSON，包含上述字段，用于实时日志传输。（3）查询优化策略：需求1（每日各地区总时长）：-Hive表按dt分区，查询