图数据库查询优化工程师考试试卷及答案

图数据库查询优化工程师考试试卷及答案填空题1.Cypher语言中用于匹配图中节点和关系的关键字是______。2.Neo4j数据库默认支持的索引类型是______索引。3.Gremlin遍历中用于表示当前遍历元素的变量是______。4.属性图的核心组成元素包括节点、边、______和标签。5.JanusGraph常用的分布式存储后端包括HBase和______。6.图数据库查询优化中，通过限制遍历深度减少计算量的方法称为______。7.TigerGraph数据库的核心优势之一是支持______并行查询。8.图数据库中，用于加速属性值查询的索引类型是______索引。9.分布式图数据库中，数据分片的常用策略包括按节点ID和______分片。10.Cypher中用于创建唯一节点或关系的关键字是______。填空题答案1.MATCH2.节点属性3.it4.属性5.Cassandra6.路径剪枝7.多层8.属性9.关系类型10.MERGE单项选择题1.以下哪个Cypher关键字用于删除节点？A.CREATEB.DELETEC.REMOVED.SET2.Gremlin中，哪个方法用于将遍历结果转换为列表？A.toList()B.map()C.filter()D.flatMap()3.Neo4j中，适合处理模糊文本查询的索引是？A.节点属性索引B.全文索引C.关系索引D.复合索引4.以下哪个图数据库是分布式开源图数据库？A.Neo4j（社区版）B.JanusGraphC.TigerGraph（企业版）D.GraphDB5.Cypher中，用于聚合计算节点数量的函数是？A.SUM()B.AVG()C.COUNT()D.MAX()6.Gremlin遍历中，用于跳过前n个元素的方法是？A.skip(n)B.take(n)C.limit(n)D.order()7.图数据库查询优化中，缓存常用的存储位置不包括？A.内存B.磁盘C.分布式缓存D.网络缓存8.JanusGraph中，用于跨存储后端查询的组件是？A.TitanB.BerkeleyDBC.SparkGraphXD.无（直接支持多后端）9.以下哪种情况不适合使用图数据库？A.社交网络关系查询B.简单键值对存储C.知识图谱推理D.路径分析10.Cypher中，MATCH(a)-[r]->(b)表示？A.无向关系B.有向关系C.双向关系D.所有关系单项选择题答案1.B2.A3.B4.B5.C6.A7.D8.D9.B10.B多项选择题1.图数据库查询优化的常见手段包括？A.索引优化B.路径剪枝C.查询重写D.缓存策略E.数据分片2.属性图的组成部分包括？A.节点B.边C.属性D.标签E.图结构3.JanusGraph支持的存储后端有？A.HBaseB.CassandraC.MySQLD.BerkeleyDBE.Redis4.Cypher中用于聚合的函数有？A.COUNT()B.SUM()C.AVG()D.MAX()E.MIN()5.Gremlin遍历优化的关键方法包括？A.避免冗余遍历B.利用索引C.限制遍历深度D.并行执行E.过滤提前6.分布式图数据库面临的挑战有？A.数据一致性B.查询latencyC.分片均衡D.跨节点通信E.存储扩展性7.Neo4j支持的索引类型有？A.节点属性索引B.全文索引C.关系索引D.复合索引E.空间索引8.图数据库适合的应用场景有？A.好友推荐B.知识图谱问答C.欺诈检测D.商品关联E.日志存储9.Cypher中用于更新属性的关键字是？A.SETB.UPDATEC.MERGED.CREATEE.REMOVE10.图数据库查询性能的评估指标包括？A.查询latencyB.吞吐量C.存储利用率D.并发用户数E.索引命中率多项选择题答案1.ABCDE2.ABCD3.ABD4.ABCDE5.ABCDE6.ABCD7.ABCDE8.ABCD9.AE10.ABCDE判断题1.Cypher中CREATE和MERGE的区别是MERGE会先检查目标是否存在。（√）2.Gremlin遍历是惰性执行的，仅调用终端方法才会执行。（√）3.图数据库不适合处理大规模关系数据查询。（×）4.Neo4j的复合索引可同时基于节点和关系属性。（×）5.JanusGraph支持全局二级索引和局部索引。（√）6.图数据库查询性能仅取决于索引优化。（×）7.TigerGraph支持实时增量更新和并行查询。（√）8.Cypher中的MATCH语句不支持子查询。（×）9.分布式图数据库的一致性模型比集中式简单。（×）10.图数据库存储结构主要分为属性图和RDF图两类。（√）简答题1.简述Cypher查询中索引的作用及常用类型。答案：Cypher索引的作用是避免全图扫描，加速节点/关系查找。常用类型：①节点属性索引（单/多属性，加速属性匹配）；②全文索引（模糊文本查询）；③关系索引（加速关系属性/类型查找）；④复合索引（多属性组合，适用于多条件查询）。需结合场景合理创建，避免过度索引增加写入开销。2.说明Gremlin遍历优化的两个关键方法。答案：①过滤提前：将has()/filter()放在遍历早期，减少后续元素数量；②利用索引：在has()中使用已建索引，直接定位目标节点/关系。例如，查询“年龄18-30岁的二度好友”时，先过滤年龄再遍历关系，可减少90%冗余计算。3.分布式图数据库查询优化的主要挑战。答案：①跨节点通信开销：多节点关系遍历导致latency上升；②分片均衡：分片不均引发节点负载失衡；③一致性与性能权衡：强一致性降低吞吐量，弱一致性易导致结果不一致；④分布式路径剪枝：需协调多节点遍历状态，实现复杂。4.图数据库查询性能的核心评估指标。答案：①查询latency（单查询响应时间）；②吞吐量（单位时间查询数）；③索引命中率（索引命中占比）；④存储利用率（空间效率）；⑤并发用户数（系统稳定支持的用户量）。需结合场景（实时/批量）综合评估。讨论题1.结合社交网络场景，讨论路径剪枝对好友推荐查询的优化。答案：社交网络好友推荐常需查询“二度好友”，全遍历会导致性能瓶颈。优化方向：①深度限制：仅遍历到二度关系（深度≤2），避免冗余路径；②属性过滤：遍历中加入年龄、兴趣等条件提前过滤。例如，查询“18-30岁、兴趣为电影的二度好友”时，先过滤属性再遍历，可减少大量无效计算，提升查询速度。2.对比Neo4j和JanusGraph的查询优化策略及适用场景。答案：①Neo4j（集中式）：依赖本地索引、缓存和Cypher规划器，优化重点是本地遍历效率，适合小到中规模图（百亿级节点），适用于实