2026年数据库系统概述习题及答案

2026年数据库系统概述习题及答案一、选择题（每题2分，共20分）1.以下关于数据模型的描述中，错误的是（）。A.层次模型通过指针实现记录间的联系，适合表示一对多关系B.关系模型中数据的逻辑结构是二维表，实体和联系均用表表示C.对象-关系模型在关系模型基础上扩展了面向对象特性，支持复杂类型D.键值模型仅支持单一键值对存储，无法处理多维度查询需求答案：D（键值模型通过优化存储结构可支持部分多维度查询，如通过复合键或二级索引实现）2.关系代数中，若要查询“选修了课程号为C01且成绩大于80分的学生姓名”，正确的表达式是（）。A.π姓名(σ课程号='C01'∧成绩>80(学生⋈选课))B.π姓名(σ课程号='C01'(选课)⋈σ成绩>80(学生))C.π姓名(学生⋈σ课程号='C01'∧成绩>80(选课))D.σ姓名(π课程号='C01'∧成绩>80(学生×选课))答案：C（需先对选课表进行条件筛选，再与学生表自然连接后投影姓名）3.事务的ACID特性中，“隔离性”的核心作用是（）。A.确保事务执行结果与串行执行结果一致B.保证事务一旦提交，修改永久保存C.防止事务执行过程中因故障导致数据不一致D.限制事务只能读取已提交的数据答案：A（隔离性通过并发控制机制，确保多个事务并发执行的结果等价于某种串行执行顺序）4.关于B+树索引的描述，正确的是（）。A.所有叶子节点通过指针连接，支持范围查询B.非叶子节点存储数据记录的指针C.树的高度随数据量增加呈指数级增长D.插入操作不会导致节点分裂答案：A（B+树叶子节点形成有序链表，便于范围扫描；非叶子节点仅存储索引键和子节点指针；树高增长为对数级；插入可能触发节点分裂）5.分布式数据库中，CAP定理指的是（）。A.一致性、可用性、分区容错性最多同时满足两个B.完整性、原子性、持久性必须同时满足C.并发控制、授权管理、性能优化需协同设计D.云原生、自治性、隐私保护是核心目标答案：A（CAP定理指出分布式系统中一致性、可用性、分区容错性无法同时完全满足）6.以下不属于NoSQL数据库典型应用场景的是（）。A.实时日志分析（PB级数据量）B.电商商品详情页高并发读取C.银行核心交易系统（强一致性要求）D.社交平台用户关系图谱存储答案：C（NoSQL通常牺牲强一致性换取高可用和扩展性，银行核心交易更依赖关系数据库）7.日志文件在数据库恢复中的主要作用是（）。A.记录用户操作行为用于审计B.提供数据备份的增量更新依据C.支持事务回滚和前滚操作D.优化查询执行计划答案：C（日志记录事务对数据的修改，恢复时通过重做（Redo）和撤销（Undo）操作恢复一致性）8.两阶段锁协议（2PL）中“两阶段”指的是（）。A.加锁阶段和解锁阶段，且加锁阶段不能解锁，解锁阶段不能加锁B.读锁阶段和写锁阶段，读锁可升级为写锁C.共享锁阶段和排他锁阶段，共享锁可并行获取D.意向锁阶段和显式锁阶段，意向锁用于提高并发度答案：A（2PL分为增长阶段（只加锁）和缩减阶段（只解锁），确保可串行化）9.数据仓库与OLTP系统的主要区别是（）。A.数据仓库支持实时事务处理，OLTP支持历史数据分析B.数据仓库使用星型或雪花模型，OLTP使用第三范式C.数据仓库存储当前数据，OLTP存储历史归档数据D.数据仓库对事务一致性要求高，OLTP对查询性能要求高答案：B（数据仓库为分析优化，采用维度建模（如星型）；OLTP为事务优化，采用高范式减少冗余）10.关于多模型数据库的描述，错误的是（）。A.支持在同一数据库中使用关系、图、文档等多种数据模型B.需为每种模型单独维护存储引擎和查询语言C.适用于需要混合数据处理的场景（如社交平台同时处理用户关系和动态内容）D.相比单一模型数据库，可降低系统集成复杂度答案：B（多模型数据库通过统一存储引擎和查询接口支持多种模型，而非独立维护）二、简答题（每题6分，共30分）1.简述关系数据库中候选键、主键、外键的定义及作用。候选键是能唯一标识关系中一条元组的属性或属性组，一个关系可能有多个候选键；主键是从候选键中选定的一个，用于唯一标识元组并保证实体完整性；外键是关系R中的属性或属性组，对应另一个关系S的主键，用于表示R与S之间的引用关系，保证参照完整性。2.说明事务故障恢复的基本步骤。事务故障指事务未正常完成（如运算错误、死锁），恢复步骤为：①反向扫描日志文件，查找该事务的更新操作；②对每个更新操作执行逆操作（如将数据项从新值改回旧值）；③继续反向扫描直到事务开始标记，完成撤销（Undo）。3.比较B树与B+树在数据库索引中的优缺点。B树所有节点存储键值和数据指针，叶子节点无顺序链接，适合随机查询；B+树仅叶子节点存储数据指针，非叶子节点仅存储键值，叶子节点通过指针形成有序链表。B+树的优点：范围查询效率更高（可顺序扫描叶子节点），非叶子节点更小，可容纳更多键值，减少I/O次数；缺点：随机查询需遍历到叶子节点，相比B树多一次I/O（实际中因缓存优化影响较小）。4.解释分布式数据库中“最终一致性”的含义，并举例说明其应用场景。最终一致性指在分布式系统中，所有节点经过一段时间的同步后，最终会达到一致状态，但允许在同步过程中存在短暂不一致。例如，电商系统的商品库存信息可能在不同地区的缓存节点中暂时不一致，但通过消息队列或异步复制，最终所有节点的库存值会更新为最新值。这种一致性适用于对实时性要求不高但需要高可用的场景（如商品详情页浏览）。5.简述查询优化的主要策略及其适用场景。查询优化策略包括：①代数优化（逻辑优化）：通过关系代数等价变换（如选择下推、投影合并）减少中间结果大小，适用于所有查询；②物理优化（基于代价的优化）：选择索引、连接顺序（如嵌套循环、哈希连接、归并连接），根据统计信息（如关系大小、选择性）计算执行代价，适用于复杂查询；③启发式优化：利用经验规则（如优先处理选择和投影操作）快速提供较优计划，适用于实时性要求高的场景。三、应用题（每题10分，共30分）1.设有关系模式：学生（学号，姓名，性别，年龄），课程（课程号，课程名，学分），选课（学号，课程号，成绩）。用关系代数表达式表示以下查询：（1）查询年龄在20-22岁之间的女生姓名；（2）查询选修了“数据库系统”课程且成绩优秀（≥90分）的学生学号；（3）查询所有未选修“数据结构”课程的学生学号。答案：（1）π姓名(σ性别='女'∧年龄≥20∧年龄≤22(学生))（2）π学号(σ成绩≥90(选课⋈σ课程名='数据库系统'(课程)))（3）π学号(学生)π学号(选课⋈σ课程名='数据结构'(课程))2.某银行系统有两个事务T1和T2，操作序列如下：T1：读A→A=A+100→写A→读B→B=B-100→写BT2：读B→B=B×1.05→写B→读A→A=A×1.05→写A假设A、B初始值均为1000，且系统采用基于时间戳的并发控制协议（T1时间戳小于T2）。（1）分析该调度是否可串行化；（2）若不可串行化，说明时间戳协议如何处理冲突操作。答案：（1）该调度存在冲突操作：T1写A与T2读A冲突（T1先写，T2后读），T1写B与T2读B冲突（T1先写，T2后读），T2写B与T1读B冲突（T2后写，T1先读），T2写A与T1写A冲突（T2后写，T1先写）。由于冲突操作的顺序与时间戳顺序（T1<T2）不一致（如T2写B发生在T1读B之后，但T1时间戳更小，应优先），因此该调度不可串行化。（2）时间戳协议中，每个操作有时间戳（等于事务时间戳）。当T2尝试读B时，B的写时间戳（WTS(B)）若大于T2的时间戳（T2<T1，假设T1已写B，则WTS(B)=T1>T2），则T2需回滚并重新启动；同理，T2写A时，若A的读时间戳（RTS(A)）>T2或WTS(A)>T2（T1已写A，WTS(A)=T1>T2），T2也需回滚。最终T2会被撤销，确保按时间戳顺序执行（T1先，T2后）。3.某电商平台需设计商品评论模块，要求支持：①用户可发布文字+图片评论；②按商品ID快速查询所有评论；③统计某商品“好评”（评分≥4星）的数量；④支持评论关键词搜索（如“物流快”）。请设计该模块的数据库表结构（关系模型），并说明索引设计策略。答案：表结构设计：评论表（评论ID，用户ID，商品ID，评论内容（文本），图片URL（数组），评分（1-5星），发布时间，关键词列表（数组））索引设计：①主键索引：评论ID（唯一标识评论）；②二级索引：商品ID（B+树索引，支持按商品快速查询评论）；③覆盖索引：商品ID+评分（复合索引，用于统计好评数量时避免回表）；④全文索引：评论内容（使用倒排索引或数据库内置的全文检索引擎，支持关键词搜索）；⑤数组索引：关键词列表（若数据库支持数组类型索引，可加速特定关键词筛选；否则通过全文索引替代）。四、综合题（20分）随着边缘计算的发展，某智能工厂需构建分布式数据库系统，要求支持：①设备实时数据采集（每秒10万条，数据格式为时间戳、设备ID、温度、湿度）；②历史数据长期存储（5年以上，PB级）；③车间内设备数据本地分析（低延迟）；④全局生产数据汇总分析（跨车间）。请设计该数据库系统的架构，并说明关键技术选型及理由。答案：系统架构设计：采用“边缘-中心”分层架构，分为边缘层、区域层和中心层。1.边缘层（车间级）：部署轻量级分布式数据库（如SQLite扩展版或Citus），负责接收本车间设备的实时数据（每秒10万条）。采用列式存储（如ClickHouse）优化写入性能，支持高并发写入；配置内存表缓存最近1小时数据，满足本地低延迟分析需求（如实时监控设备温度是否超标）；通过时间窗口机制（如每10分钟）将数据批量写入区域层。2.区域层（工厂级）：部署分布式关系数据库（如TiDB）或多模型数据库（如MongoDB），存储各车间边缘层上传的批量数据。采用按时间+设备ID的复合分区策略（如按月分区，每个分区内按设备ID排序），支持跨车间的历史数据查询（如查询某设备近1个月的温度趋势）；配置读写分离架构，读副本用于区域内汇总分析（如统计车间日平均湿度）。3.中心层（企业级）：部署数据仓库（如AmazonRedshift或阿里云MaxCompute），通过ETL工具定期（如每日）从区域层抽取数据，进行清洗、转换后存储。采用星型模型建模（维度表：时间、设备、车间；事实表：设备指标），支持全局生产数据分析（如跨工厂设备故障率对比）；集成机器学习引擎（如SparkMLlib），对历史数据进行预测分析（如设备故障预警）。关键技术选型理由：①边缘层选择列式存储：实时数据写入量大，列式存储按列存储相同类型