软考高级系统架构设计师备考（十九）：数据库系统—数据库设计

软考高级系统架构设计师备考（十九）：数据库系统---数据库设计

在软考高级系统架构设计师考试中，数据库不仅考基础理论，还重点考察工程实践能力与架构设计能力 。本篇聚焦高阶考点，常见于案例分析题与架构设计题。

核心内容包括：

数据库索引
数据库视图
分库分表与分区
反规范化设计
分布式数据库系统
NoSQL数据库
大数据技术体系

一、数据库索引

1 索引的作用

索引（Index）用于提高查询效率，本质是数据结构（如B+树）。

类比：

复制代码

索引 ≈ 书的目录

2 常见索引类型

（1）按结构分类

B+树索引（最常用）
哈希索引
位图索引

（2）按功能分类

主键索引
唯一索引
普通索引
联合索引（复合索引）

3 B+树索引特点

所有数据在叶子节点
叶子节点有序链表
支持范围查询

4 索引失效场景

常见导致索引失效的情况：

使用函数：WHERE YEAR(date)=2025
模糊查询：LIKE '%abc'
隐式类型转换
违反最左前缀原则（联合索引）

例题

以下哪种情况最可能使用索引：

A. LIKE '%abc' B. WHERE id = 10 C. WHERE YEAR(date)=2025 D. WHERE name LIKE '%张%'

答案：B

二、数据库视图

1 视图定义

视图（View）是虚拟表，基于查询结果生成。

复制代码

CREATE VIEW v_student AS
SELECT name FROM Student;

2 视图特点

不存储数据（一般）
提高安全性
简化复杂查询

3 视图更新限制

视图可更新需满足：

单表
无聚合函数
无分组（GROUP BY）

例题

视图的本质是：

A. 存储数据 B. 虚拟表 C. 索引结构 D. 缓存数据

答案：B

三、分库、分表、分区

1 为什么要拆分？

原因：

数据量过大
并发压力高
单机瓶颈

2 分表（水平拆分）

将数据按规则拆到多个表：

复制代码

User_1, User_2, User_3

规则：

按ID取模
按时间分表

3 分库

将数据分布到不同数据库：

复制代码

DB1, DB2, DB3

4 分区（Partition）

数据库内部逻辑划分：

范围分区
哈希分区
列表分区

对比总结

技术	是否跨库	透明性
分区	否	对应用透明
分表	可能	部分透明
分库	是	不透明

例题

将用户表按用户ID取模拆分到多个表，属于：

A. 垂直分表 B. 水平分表 C. 分区 D. 反规范化

答案：B

四、反规范化（设计权衡）

1 什么是反规范化

为了提高性能，故意增加冗余。

2 常见手段

冗余字段
冗余表
预计算字段

3 优缺点

优点：

查询快
减少JOIN

缺点：

数据不一致风险
更新复杂

例题

为了减少JOIN，将用户姓名冗余到订单表，这属于：

A. 规范化 B. 反规范化 C. 分区 D. 索引优化

答案：B

五、分布式数据库系统

1 定义

数据分布在多个节点，通过网络协同工作。

2 关键特性

数据分片（Sharding）
复制（Replication）
一致性控制

3 CAP理论

分布式系统三大特性：

C（Consistency）一致性
A（Availability）可用性
P（Partition Tolerance）分区容错

结论：

复制代码

三者不可兼得，只能选两个

4 常见架构

主从复制
多主架构
分布式事务（2PC、3PC）

例题

在网络分区情况下必须保证的特性是：

A. 一致性 B. 可用性 C. 分区容错性 D. 安全性

答案：C

六、NoSQL数据库

1 特点

非关系型
高扩展性
高性能
灵活结构

2 分类

（1）键值型

如：Redis

（2）文档型

如：MongoDB

（3）列族型

如：HBase

（4）图数据库

如：Neo4j

3 与关系数据库对比

项目	关系型	NoSQL
结构	固定	灵活
扩展	较难	容易
事务	强	弱

例题

适合存储JSON数据的是：

A. MySQL B. MongoDB C. Oracle D. DB2

答案：B

七、大数据技术

1 核心特点

数据量大（Volume）
速度快（Velocity）
类型多（Variety）
价值密度低（Value）

2 典型技术栈

（1）存储

HDFS

（2）计算

MapReduce
Spark

3 处理模式

批处理
流处理

例题

用于大规模分布式存储的是：

A. MySQL B. HDFS C. Redis D. Oracle

答案：B

八、综合案例分析

题目

某电商系统：

用户数据量巨大
订单查询频繁
需要高并发支持

问：应采用哪些技术？

分析

用户表 → 分库分表
订单查询 → 建索引
热数据 → 缓存（Redis）
历史数据 → 数据仓库

答案要点

水平分表
索引优化
缓存 + NoSQL
数据仓库分析

九、总结

数据库进阶重点如下：

索引：

B+树
索引失效

视图：

虚拟表
安全性

架构：

分库分表
分区

设计：

反规范化

分布式：

CAP理论
分布式事务

新技术：

NoSQL
大数据