2026年数据库系统概论习题(附参考答案)

2026年数据库系统概论习题(附参考答案)一、单项选择题（共10题，每题2分，共20分）1.2025年以来云原生分布式数据库普遍采用存算分离架构，下列不属于该架构原生可实现的特性是（）A.计算节点无状态弹性扩缩容B.存储层按实际使用量计费C.跨可用区RPO=0的强同步D.计算层与存储层硬件异构适配2.面向生成式AI检索增强生成（RAG）场景设计的向量数据库，其核心索引类型中，适合超大规模亿级向量、低查询延迟要求的是（）A.IVF_FLATB.HNSWC.IVF_PQD.ScaNN3.根据2024年修订的《网络安全等级保护2.0三级要求》，核心业务数据库的审计日志存储时长最低要求为（）A.3个月B.6个月C.12个月D.18个月4.下列关于湖仓一体架构的描述，错误的是（）A.支持结构化、半结构化、非结构化数据的统一存储B.可同时提供数仓级的ACID事务保障与数据湖的弹性扩展能力C.必须基于对象存储构建存储层D.支持流批一体的查询与写入诉求5.某分布式数据库采用多副本Raft共识算法，当集群部署5个副本时，最多允许同时故障多少个副本仍可保证数据一致性与服务可用性（）A.1B.2C.3D.46.下列数据库产品中，属于2023-2025年国内自研的开源云原生分布式向量数据库的是（）A.MilvusB.PineconeC.WeaviateD.Chroma7.关系模型中关于函数依赖的描述，下列正确的是（）A.若X→Y，Y→Z，则X→Z为传递函数依赖，且Y必须是X的子集B.满足第三范式（3NF）的关系模式必然不存在部分函数依赖与传递函数依赖C.多值依赖必然是函数依赖的特例D.第四范式（4NF）要求消除非平凡且非函数依赖的多值依赖8.Serverless数据库的核心计费模式是（）A.按预留计算资源包年包月计费B.按实际消耗的计算资源CU、存储容量与IO次数综合计费C.按数据库实例的CPU核心数与内存大小固定计费D.按查询的返回结果行数计费9.下列关于数据脱敏的描述，符合2025年生效的《数据出境安全评估办法》修订版要求的是（）A.静态脱敏可直接应用于生产环境的实时查询场景B.动态脱敏不会改变原始数据的存储形态，仅在查询返回时对敏感字段做变形处理C.经过哈希处理的个人信息可直接认定为匿名化数据，无需纳入出境评估范围D.脱敏算法的强度与数据脱敏效果正相关，因此所有场景均应采用AES256级别的高强度脱敏10.某企业需要对电商交易数据做实时数仓建设，要求支持毫秒级写入与亚秒级多维分析查询，下列最适合的存储引擎是（）A.InnoDBB.ClickHouseC.HBaseD.Redis二、填空题（共15题，每题2分，共30分）1.分布式数据库中，将数据表按照指定字段的取值范围拆分到不同存储节点的拆分方式称之为______，按照指定字段的哈希值拆分的方式称之为______。2.2025年ANSI发布的SQL:2025标准首次将______查询纳入官方标准语法，允许直接在SQL语句中实现向量相似度匹配操作。3.关系型数据库的事务四大特性ACID分别是原子性、一致性、隔离性、______。4.面向AIGC场景的RAG系统中，向量数据库通常与______层、大模型推理层共同构成核心架构，其中向量数据库负责存储与检索外部知识库的嵌入式向量。5.数据仓库的典型三层架构分别是ODS操作数据层、______、ADS应用数据层。6.某事务对某数据加了排他锁（X锁）之后，其他事务对该数据______（填“可以”或“不可以”）加共享锁（S锁）。7.2024年国内发布的《生成式人工智能服务管理暂行办法》要求，AI训练数据中涉及的个人敏感信息存储期限不得超过______年，除非获得用户单独授权。8.存算分离架构的分布式数据库中，通常采用______机制实现计算层的本地缓存与存储层的全局数据一致性，避免脏读。9.关系模式的规范化过程中，从1NF到2NF需要消除______函数依赖。10.国产分布式数据库OceanBase采用的自研一致性共识算法名为______，在传统Paxos算法基础上优化了跨地域同步的延迟性能。11.数据湖的三大核心特性分别是统一存储、______、开放接口。12.数据库的隔离级别从低到高分别是读未提交、读提交、______、串行化。13.面向时序数据场景设计的时序数据库，通常采用______的存储结构，按时间维度对数据进行分区存储，提升时间范围查询的性能。14.2025年普及的零信任数据库访问架构中，核心的访问控制原则是______，即默认不信任任何内部或外部的访问请求，所有访问都需要经过身份认证、权限校验与审计。15.数据库备份的三种常见类型分别是全量备份、增量备份、______。三、简答题（共4题，每题8分，共32分）1.请简述湖仓一体架构相较于传统数据仓库与数据湖的核心优势，至少列举4点。2.请简述向量数据库在RAG场景下，如何保障检索到的向量数据与原始知识库的一致性，至少列举3种实现策略。3.请简述分布式数据库中两阶段提交（2PC）协议的执行流程，以及该协议存在的核心缺陷。4.请简述2024年修订的《数据安全法》中，针对核心业务数据库的敏感数据全生命周期管理的核心要求。四、设计题（共1题，18分）场景：某跨境电商企业2026年业务覆盖东南亚5个国家，需要搭建核心交易数据库，业务包含用户管理、商品管理、订单管理、物流管理四个模块，具体需求如下：（1）用户数据需要符合当地的数据主权法规，每个国家的用户数据必须存储在对应国家的可用区；（2）订单数据需要支持按国家、下单时间范围查询，峰值下单QPS可达10万，要求事务强一致，订单创建成功率不低于99.99%；（3）商品数据属于公共数据，所有国家的站点共享商品信息，商品更新要求1分钟内同步到所有站点；（4）物流数据需要关联对应国家的订单与当地物流服务商信息，支持按物流单号实时查询状态。要求：（1）设计该系统的分片策略，说明不同模块的数据采用的分片方式与原因；（8分）（2）设计核心的ER模型，至少包含用户、商品、订单、物流四个实体的属性与关联关系；（6分）（3）说明该数据库架构需要采用的核心一致性保障策略。（4分）五、综合分析题（共1题，20分）场景：某AIGC创业公司2026年需要搭建面向C端用户的AI写作服务，采用RAG架构实现企业内部知识库的检索增强，现有技术栈为MySQL存储用户信息与订单数据、MongoDB存储原始文档数据，当前业务规模为日活用户10万，知识库文档量为100万篇，向量维度为1536，未来1年预计日活用户增长到100万，知识库文档量增长到1亿篇，要求RAG检索响应延迟不超过200ms，检索准确率不低于95%，数据安全性符合等保2.0三级要求。要求：（1）请为该公司做数据库架构选型，说明各组件的选型依据与部署方式；（8分）（2）请设计向量数据库的性能优化方案，满足未来1年的业务规模要求；（6分）（3）请设计该架构的安全防护方案，符合等保2.0三级要求。（6分）=====参考答案=====一、单项选择题1-5：CDDCB6-10：ADBBB二、填空题1.范围分片、哈希分片2.向量相似度3.持久性4.嵌入（Embedding）5.DW数据仓库层6.不可以7.58.全局版本号校验9.非主属性对码的部分10.Multi-Paxos11.读时模式（SchemaOnRead）12.可重复读13.LSM树（日志结构合并树）14.永不信任、始终验证15.差异备份三、简答题1.参考答案：（1）统一数据存储：可同时存储结构化、半结构化、非结构化数据以及向量数据，无需在数仓与数据湖之间做数据同步，减少数据冗余与一致性风险；（2）兼顾性能与弹性：既具备传统数仓的ACID事务保障、高性能OLAP查询能力，又具备数据湖的存算分离弹性扩缩容、存储成本低的特性；（3）流批一体支持：可同时支持实时流数据写入与离线批数据处理，一套架构满足实时数仓、离线分析、AI训练等多场景诉求；（4）开放生态兼容：支持Spark、Flink、Presto等主流计算引擎，无需绑定特定厂商的技术栈，迁移成本低；（5）统一数据治理：可实现全链路数据的元数据统一管理、权限统一控制、审计统一追溯，降低数据治理成本。答出任意4点即可得满分。2.参考答案：（1）版本号关联机制：将每个向量数据与对应原始文档的版本号、更新时间戳做绑定，当原始知识库更新时，同步更新对应的向量数据，并标记旧版本向量为失效状态，检索时仅返回最新版本的向量对应结果；（2）增量同步与写入校验：采用CDC（变更数据捕获）机制监听原始知识库的更新事件，实时触发向量的增删改操作，写入向量数据库时通过幂等键、事务原子性保障向量与原始数据的同步状态，避免丢更或重复写入；（3）一致性校验任务：定期运行后台校验任务，对比向量数据库中的向量元数据与原始知识库的元数据，识别不一致的内容并触发补全或修正操作；（4）读时校验：在高频检索场景下，对返回的TopN向量对应的原始文档ID做实时一致性校验，若发现原始文档已删除或更新，则过滤失效结果并返回最新内容。答出任意3点即可得满分。3.参考答案：执行流程：（1）第一阶段（准备阶段）：协调者向所有参与者发送事务准备请求，参与者执行事务操作但不提交，记录事务日志，向协调者返回“同意”或“中止”响应；（2）第二阶段（提交阶段）：若协调者收到所有参与者的“同意”响应，则向所有参与者发送提交请求，参与者完成事务提交并返回确认；若收到任意参与者的“中止”响应或超时未收到响应，则发送回滚请求，参与者回滚事务并返回确认。核心缺陷：（1）单点故障问题：若协调者在第二阶段故障，参与者会一直处于阻塞状态，无法完成事务提交或回滚；（2）数据不一致风险：若协调者在第二阶段发送提交请求时，部分参与者收到请求并提交，部分参与者未收到请求，会出现数据不一致；（3）性能损耗大：需要多次网络交互，延迟高，不适合高并发的分布式事务场景。4.参考答案：（1）数据分类分级：要求对数据库中的数据按照敏感程度划分为一般数据、重要数据、核心数据三个等级，不同等级采用不同的防护策略；（2）存储防护：核心数据与重要数据必须采用加密存储，密钥由企业自主管控，不得交由云服务商或第三方代管；（3）访问控制：敏感数据的访问必须采用最小权限原则，实现细粒度的字段级权限控制，所有访问操作必须留痕；（4）出境管理：重要数据与核心数据出境必须经过安全评估，未经批准不得向境外提供；（5）生命周期销毁：数据达到存储期限后，必须采用不可恢复的方式销毁，不得留存备份。四、设计题参考答案（1）分片策略设计：①用户表：采用按所属国家字段做范围分片，每个国家的用户数据存储在对应国家的可用区节点，完全符合当地数据主权法规要求，同时用户查询按国家过滤时可直接路由到对应节点，提升查询性能；②订单表：采用复合分片，首先按所属国家字段做一级哈希分片，将不同国家的订单路由到对应国家的存储节点，再按下单时间做二级范围分片，支持按时间范围的高效查询，同时分布式事务仅在对应国家的节点内执行，降低跨节点事务的延迟与一致性风险；③商品表：采用全局表设计，全量同步到所有国家的存储节点，设置1分钟的定时同步任务，基于CDC机制监听商品库的更新事件，增量同步到所有节点，满足所有站点共享商品信息的要求，同时商品查询无需跨节点路由，性能更高；④物流表：采用按物流单号的哈希分片，同时关联所属国家字段做路由，物流数据与对应国家的订单数据存储在同一节点，关联查询时无需跨节点，提升查询效率。（2）ER模型设计：①用户实体：属性包括用户ID（主键）、所属国家、姓名、手机号、邮箱、收货地址、注册时间、更新时间，唯一索引为手机号+所属国家；②商品实体：属性包括商品ID（主键）、商品名称、分类ID、价格、库存、详情描述、上架时间、更新时间，索引为分类ID、上架时间；③订单实体：属性包括订单ID（主键）、用户ID（外键关联用户表）、所属国家、下单时间、总金额、订单状态、支付时间、更新时间，索引为用户ID、下单时间、订单状态；④物流实体：属性包括物流ID（主键）、订单ID（外键关联订单表）、物流单号、所属国家、物流服务商ID、物流状态、更新时间，索引为订单ID、物流单号。关联关系：用户与订单为一对多，订单与物流为一对一，商品与订单为多对多，通过订单商品中间表关联，中间表属性包括订单ID、商品ID、购买数量、单价。（3）一致性保障策略：①同节点内的事务采用本地ACID事务保障，跨节点事务采用优化的三阶段提交（3PC）协议，减少阻塞风险；②商品全局表的同步采用幂等写入+校验机制，每一条更新消息携带唯一消息ID，写入时校验消息ID避免重复写入，同步完成后对比各节点的商品版本号，确保所有节点的商品数据最终一致；③订单与库存的一致性采用事务消息+最终一致性机制，下单时先扣减库存再创建订单，若订单创建失败则触发库存回滚，保障数据最终一致。五、综合分析题参考答案（1）架构选型：①用户与订单数据：继续采用MySQL，采用主从复制架构，读写分离，主库负责写入，3个从库负责读请求，满足100万日活的读写性能要求，同时MySQL的ACID事务保障订单数据的一致性；②原始文档数据：继续采用MongoDB，采用分片集群架构，按文档ID做哈希分片，存储层采用对象存储，满足1亿篇文档的存储需求，同时支持非结构化数据的灵活存储；③向量数据：选型为Milvus开源云原生向量数据库，采用存算分离架构部署，计算层采用Serverless节点，可根据查询QPS弹性扩缩容，存储层采用对象存储，支持亿级向量的存储与检索，Milvus的ScaNN索引可满足200ms以内的检索延迟要求；④元数据与缓存：选型Redis7.0，存储高频检索的Top1000问题对应的向量结果、用户会话信息，降低向量数据库的查询压力，提升响应速度；⑤数据同步组件：采用FlinkCDC监听MongoDB的文档更新事件，实时调用Embedding模型生成向量，写入Milvus，保障向量与原始文档的一致性。（2）向量