2026年计算机等级考试三级数据库真题解析

2026年计算机等级考试三级数据库真题解析一、单项选择题解析（共40题，每题1分，共40分，选取高频易错典型题解析）1.下列关于数据库系统三级模式两层映像的说法，正确的是（）A.外模式/模式映像保证数据的物理独立性B.模式/内模式映像保证数据的逻辑独立性C.一个数据库可以有多个外模式D.一个数据库可以有多个模式答案：C解析：本题核心考点为三级模式结构的基础定义。三级模式中，模式是数据库全局逻辑结构的唯一抽象，一个数据库仅能有1个模式，D选项错误；外模式是面向用户的局部逻辑视图，可根据不同用户的访问需求定义多个，C选项正确。两层映像中，外模式/模式映像实现外模式与全局模式的解耦，当全局模式调整时仅需修改映像即可保证外模式不变，对应数据的逻辑独立性，A选项错误；模式/内模式映像实现全局逻辑结构与物理存储结构的解耦，当物理存储介质、存储结构调整时仅需修改映像即可保证全局模式不变，对应数据的物理独立性，B选项错误。易错点提示：两类独立性的对应映像为高频混淆点，可记为“外模逻、内模物”，即外模式/模式对应逻辑独立性，模式/内模式对应物理独立性。5.某关系表R(aINT,bCHAR(10),cDATE)，在a列建立唯一非聚集索引，在b+c列建立聚集复合索引，下列说法正确的是（）A.R表的物理存储顺序按照a列的升序/降序排列B.复合索引的B+树叶子节点存储的是b和c的取值以及对应的a列值C.查询`WHEREb='test'ANDc>'2025-01-01'`可以用到聚集复合索引D.建立唯一非聚集索引后，向R表插入数据时只需要校验a列的唯一性，不需要校验其他约束答案：C解析：本题考点为索引的分类与工作原理。聚集索引的核心特性是决定表的物理存储顺序，因此R表的物理顺序由b+c的复合聚集索引决定，A选项错误；聚集索引的B+树叶子节点直接存储完整元组数据，仅非聚集索引的叶子节点存储索引键与行指针/主键值，B选项错误；复合索引遵循最左前缀匹配原则，查询条件包含复合索引的前导列b与次位列c，满足匹配规则，可触发索引扫描，C选项正确；唯一索引仅约束索引列a的唯一性，若表上存在主键、其他唯一约束、CHECK约束等，插入数据时仍需完成全部约束校验，D选项错误。易错点提示：聚集索引的叶子节点存储完整数据，因此一个表仅能有1个聚集索引；非聚集索引的叶子节点不存储完整元组，若查询列未被索引覆盖则需要回表查询。12.某银行转账业务，从账户A扣减1000元，向账户B增加1000元，执行过程中系统突发宕机，重启后发现A账户的扣减已生效，但B账户的增加未执行，该情况破坏了事务的哪一特性？（）A.原子性B.一致性C.隔离性D.持久性答案：A解析：本题考点为事务ACID特性的适用场景。原子性要求事务是不可分割的执行单元，事务内的所有操作要么全部执行成功，要么全部回滚不生效，本题中转账事务的两个操作仅完成一半，直接违反原子性；一致性是指事务执行前后数据库始终处于业务规则约束的一致性状态，本题的一致性问题是原子性被破坏后的衍生结果，并非直接被破坏的特性；隔离性针对多事务并发执行的场景，要求事务内部操作与其他事务隔离，本题无并发事务场景；持久性指事务提交后修改会永久存储，本题事务未完成提交，不涉及持久性。易错点提示：ACID中一致性是最终目标，原子性、隔离性、持久性是实现一致性的技术手段，需根据场景判断直接被破坏的特性。20.下列关于分布式数据库CAP定理的说法，正确的是（）A.一致性是指分布式系统中所有节点在同一时间的数据完全一致B.可用性是指系统提供的服务必须一直处于可用状态，每次请求都能在有限时间内返回正确结果C.分区容错性是指系统能够容忍节点之间的网络分区故障，且不影响服务提供D.分布式系统可以同时满足一致性、可用性、分区容错性三个特性答案：C解析：本题考点为分布式数据库基础理论CAP定理的准确定义。CAP定理明确指出，分布式系统因网络不可靠的固有特性，必须支持分区容错性，且无法同时满足一致性、可用性、分区容错性三个特性，最多仅能同时满足两个，D选项错误。其中一致性（C）特指强一致性，即所有节点在同一时刻返回的最新数据一致，最终一致性不属于CAP定义的C范畴，A选项“完全一致”表述模糊，未明确强一致性要求，错误；可用性（A）要求所有请求在有限时间内返回非错误响应，但不保证返回最新数据，B选项要求“返回正确结果”混淆了一致性与可用性的边界，错误；分区容错性（P）指当节点间出现网络分区（部分节点无法通信）时，系统仍可正常对外提供服务，C选项表述准确。32.下列关于数据库全量备份、增量备份、差异备份的说法，正确的是（）A.增量备份是备份上一次全量备份之后所有变化的数据B.差异备份的恢复时间比增量备份短C.全量备份的备份速度最快，占用存储空间最小D.恢复时只需要最新的全量备份和最新的增量备份即可完成恢复答案：B解析：本题考点为数据库备份策略的差异。增量备份是备份上一次备份（包含全量备份、增量备份）之后变化的所有数据，恢复时需要将全量备份与所有后续增量备份按顺序回溯，恢复流程最长，A、D选项错误；差异备份是备份上一次全量备份之后变化的所有数据，恢复时仅需要全量备份加最新的差异备份即可完成，恢复时间远短于增量备份，B选项正确；全量备份备份数据库所有数据，备份速度最慢、占用存储空间最大，C选项错误。易错点提示：增量备份的参照对象是上一次任意类型的备份，差异备份的参照对象是上一次全量备份，二者的恢复复杂度差异是高频考点。38.下列关于云数据库的说法，错误的是（）A.云数据库支持按需付费，用户可以根据业务需求弹性扩容存储和计算资源B.云数据库的运维由云服务商负责，用户不需要关注数据库的补丁升级、故障恢复等基础运维工作C.云数据库的可用性比本地部署的数据库更高，不会出现数据丢失的情况D.云数据库支持跨可用区部署，可实现异地容灾备份答案：C解析：本题考点为云数据库的特性。云数据库相比本地部署数据库，具备弹性扩缩容、免基础运维、跨可用区容灾等优势，A、B、D选项表述正确；但云数据库仍存在数据丢失风险，如用户误操作删除数据、云服务商出现极端基础设施故障等，因此用户仍需根据业务需求定期自主备份数据，C选项表述错误。二、综合应用题解析（共10题，每题3分，共30分，选取典型题解析）41.现有学生成绩表`score(stu_idINT,course_idINT,scoreINT,exam_dateDATE)`，要求查询每个学生的所有考试成绩，以及该学生在其参加的所有考试中的成绩排名，排名按照分数从高到低，分数相同的排名相同，不跳过后续排名，请写出对应的SQL查询语句的空缺部分：```sqlSELECTstu_id,course_id,score,____OVER(PARTITIONBYstu_idORDERBYscoreDESC)ASrankFROMscore;```答案：`DENSE_RANK()`解析：本题考点为SQL窗口函数的分类与适用场景。SQL标准中三种排名窗口函数的差异为：`RANK()`函数对相同分数返回相同排名，会跳过后续排名（如两个第1名，下一个排名为第3名）；`DENSE_RANK()`函数对相同分数返回相同排名，不跳过后续排名（如两个第1名，下一个排名为第2名）；`ROW_NUMBER()`函数对所有行返回连续唯一排名，即使分数相同也会分配不同排名。本题要求不跳过后续排名，因此填入`DENSE_RANK()`。45.某数据库系统采用检查点恢复技术，日志内容如下（T1、T2、T3为事务ID，`<Tnstart>`表示事务Tn开始，`<Tn,X,v1,v2>`表示事务Tn修改数据项X，旧值v1，新值v2，`<Tncommit>`表示事务Tn提交）：```1.<T1start>2.<T1,A,100,200>3.<T2start>4.<T2,B,50,150>5.<检查点开始：{T1,T2}>6.<T1commit>7.<T3start>8.<T3,C,20,80>9.系统发生故障```请回答：故障恢复时，需要撤销的事务是____，需要重做的事务是____。答案：T2、T3；T1解析：本题考点为检查点恢复技术的执行流程。检查点恢复的核心规则为：首先从检查点记录中获取检查点启动时正在执行的事务列表，再从检查点位置向后扫描日志：所有在检查点之后提交的事务需重做，所有在故障发生时未提交的事务需撤销。本题中T1在检查点之后完成提交，因此需要重做；T2在检查点启动时已处于执行状态，故障发生时未提交，T3在检查点之后启动、故障发生时未提交，因此二者均需要撤销。48.现有三类业务场景：①电商系统的商品详情页，读请求量极大，数据结构相对固定，更新频率低；②社交系统的用户关系链，需要快速查询用户的好友、好友的好友等多层关系；③物联网系统的设备上报时序数据，数据量极大，查询大多按照时间范围和设备ID过滤。请分别给出以上三个场景最适合的NoSQL数据库类型：①____②____③____。答案：键值数据库/文档数据库；图数据库；时序数据库解析：本题考点为NoSQL数据库的适用场景。键值数据库（如Redis）、文档数据库（如MongoDB）具备极高的读写性能，适合存储读多写少的热点半结构化数据，可满足商品详情页的高并发访问需求；图数据库（如Neo4j）专门针对关系型数据设计，支持高效的多层关系遍历，适合社交关系链查询场景；时序数据库（如InfluxDB）针对时序数据的高写入、时间范围过滤特性优化，适合物联网设备数据存储场景。三、设计与应用题解析（共3题，共30分）51.某高校需要设计学生社团管理系统，需求如下：①学生信息包括学号、姓名、性别、入学年份、所属院系；②社团信息包括社团编号、社团名称、成立时间、指导老师；③每个学生可以加入多个社团，每个社团有多个成员，学生加入社团需要记录加入时间、担任职位（普通成员、部长、社长）；④每个社团可以举办多个活动，每个活动属于一个社团，活动信息包括活动编号、活动名称、举办时间、举办地点；⑤学生可以报名参加多个社团的活动，每个活动有多个学生参加，报名需要记录报名时间、是否到场。问题1：画出该系统的E-R图，标注实体、属性、联系、联系类型。问题2：将E-R图转换为关系模式，标注每个关系模式的主键和外键。解析：问题1E-R图绘制要点：实体共3个：学生、社团、活动。学生属性为学号（主键）、姓名、性别、入学年份、所属院系；社团属性为社团编号（主键）、社团名称、成立时间、指导老师；活动属性为活动编号（主键）、活动名称、举办时间、举办地点。联系共3个：①学生与社团的“加入”联系，类型为多对多（m:n），联系属性为加入时间、职位；②社团与活动的“举办”联系，类型为一对多（1:n），无额外属性；③学生与活动的“报名”联系，类型为多对多（m:n），联系属性为报名时间、是否到场。问题2关系模式转换结果：①学生（学号，姓名，性别，入学年份，所属院系），主键：学号②社团（社团编号，社团名称，成立时间，指导老师），主键：社团编号③加入（学号，社团编号，加入时间，职位），主键：（学号，社团编号），外键：学号参照学生.学号，社团编号参照社团.社团编号④活动（活动编号，活动名称，举办时间，举办地点，社团编号），主键：活动编号，外键：社团编号参照社团.社团编号⑤报名（学号，活动编号，报名时间，是否到场），主键：（学号，活动编号），外键：学号参照学生.学号，活动编号参照活动.活动编号易错点提示：多对多联系必须单独建立关系模式，主键为两端实体主键的组合，不得遗漏联系的自有属性。52.某电商系统的订单表`orders(order_idINTPRIMARYKEY,user_idINT,order_timeDATETIME,total_amountDECIMAL(10,2),statusTINYINT)`，数据量已达5000万行，现有查询语句：```sqlSELECTorder_id,total_amountFROMordersWHEREuser_id=12345ANDorder_time>='2025-01-01'ANDstatus=2;```该查询执行耗时超过5秒，无法满足业务需求。问题1：分析该查询性能低下的可能原因。问题2：给出至少3种优化方案，并说明每种方案的适用场景和优缺点。解析：问题1性能低下原因分析：①未建立匹配查询条件的索引，查询触发全表扫描，5000万行全表扫描IO开销极高；②现有索引不符合最左前缀匹配原则，如仅建立user_id单值索引，status、order_time过滤条件无法触发索引，需要回表扫描大量数据；③表数据量过大，未做分区或分库分表，即使有索引，扫描范围仍过大；④数据库统计信息过时，优化器选错执行计划，如选择效率更低的索引扫描而非最优执行路径。问题2优化方案说明：方案1：建立复合覆盖索引，索引列为`(user_id,status,order_time)`，包含列`(order_id,total_amount)`。适用场景：表数据量维持在千万级，该查询为高频固定查询，无需分库分表。优点：索引完全覆盖查询所需列，无需回表，性能提升可达10倍以上，改造量极小；缺点：索引占用额外存储空间，订单写入时会增加索引维护开销，若查询条件频繁变更，索引适配性会下降。方案2：对orders表按order_time进行范围分区，如按季度分区。适用场景：大部分查询带时间范围过滤条件，数据冷热分明，超过1年的历史订单访问频率极低。优点：查询时仅扫描符合条件的分区，数据扫描量可降低75%以上，分区对应用透明，无需修改业务代码；缺点：若查询未带分区键条件，性能反而会下降，跨分区聚合查询开销较高。方案3：按user_id做哈希分表，将数据分散到8/16个分片存储。适用场景：表数据量持续增长，预计未来突破1亿行，大部分查询为基于user_id的单用户订单查询。优点：单分片数据量降至数百万级，查询性能大幅提升，支持水平扩展；缺点：改造量大，需要引入分库分表中间件，跨分片的统计查询复杂度高，分布式事务处理难度大。方案4：将活跃用户的近1年订单数据缓存到Redis中。适用场景：查询集中于活跃用户，订单状态修改频率低。优点：缓存查询响应时间在毫秒级，性能最高，可大幅降低数据库压力；缺点：需要维护缓存与数据库的一致性，增加缓存运维成本，冷数据缓存命中率低，优化效果有限。53.有两个事务T1和T2，T1的操作逻辑为：读A，A=A-100，写A；读B，B=B+100，写B，提交。