# 1. Aurora 的 I/O 优化（I/O-Optimized）定价模型 A 所有负载下 I/O-Optimized 都更便宜 B I/O-Optimized 完全不产生 I/O 成本 C I/O-Optimized 把 I/O 费用并入更高实例单价，适合 I/O 密集负载；低 I/O 负载用标准模式更划算 ✓ 正确答案 D 标准模式也包含无限 I/O
# 2. 云数据库慢查询与性能洞察（Performance Insights） A Performance Insights 按 SQL、等待事件等维度聚合数据库负载，结合慢日志与 Explain 定位并优化慢查询 ✓ 正确答案 B 慢查询日志与性能洞察只能查问题，不能定位根因 C 等待事件与性能无关 D Performance Insights 只能看 CPU 使用率，不能看 SQL
# 3. MPP（大规模并行处理）的 Share-Nothing 节点协作模型 A 所有节点共享同一份存储，数据无需分区 B MPP 只能处理单节点海量数据 C 节点之间不能通信 D 每个节点独立 CPU/内存/磁盘，数据分区分布，通过高速网络并行协作，可横向扩展 ✓ 正确答案
# 4. MPP 查询的数据倾斜如何检测与缓解？加盐、二次聚合与 skew join 各适用什么场景，对结果正确性有什么要求？ A 加盐会破坏所有聚合的正确性 B 加盐适合倾斜聚合，二次聚合要求聚合函数可分解（如 count/sum），skew join 专门处理倾斜 Join，且都需保证结果语义正确 ✓ 正确答案 C count distinct 可以直接用二次聚合简单加总 D 倾斜无法检测，只能靠重试
# 5. MPP 的查询分发（Query Dispatcher）与数据重分布 A 所有 segment 都执行完整查询，无需重分布 B Query Dispatcher 把计划分发给各 segment 并行执行，跨节点 join/聚合时触发数据重分布以汇聚同 key 数据 ✓ 正确答案 C 只有 QD 执行计算，segment 只存数据 D 重分布不产生网络开销
# 6. MPP 的 Stage/Fragment 流水线执行划分 A 整个查询是一个 Stage，无内部划分 B 查询计划被划分为多个 Stage，各 Stage 并行执行，通过 Exchange 数据交换连接形成流水线 ✓ 正确答案 C Stage 之间不能传数据 D Stage 划分只影响读取，不影响执行
# 7. MPP 的广播（Broadcast）与重分区（Shuffle）交换 A Broadcast 把整表复制到所有节点适合小表 join；Shuffle 按 key 重分布适合大表 join，优化器据此选择 ✓ 正确答案 B Broadcast 适合大表，Shuffle 适合小表 C 两者都只在单节点执行 D Broadcast 不产生网络开销
# 8. Greenplum/ClickHouse 的 MPP 实现差异 A 两者完全相同 B Greenplum 不支持 SQL C ClickHouse 不支持列式存储 D Greenplum 基于 PostgreSQL、支持复杂 SQL/join；ClickHouse 用列式存储+分布式表，擅长大表聚合扫描但 join 较弱 ✓ 正确答案
# 9. MPP 与 Hadoop MapReduce 的执行模型对比 A 两者完全相同，都是低延迟交互引擎 B MapReduce 支持交互式低延迟查询 C MPP 常驻内存、流式交换、低延迟交互；MapReduce 分 Map/Shuffle/Reduce 且中间结果落盘，适合批处理高吞吐 ✓ 正确答案 D MPP 中间结果必须写磁盘
# 10. 预留实例 vs 按需实例的成本对比 A 按需实例单价更低，适合长期运行 B 预留实例没有任何折扣 C 预留实例承诺长期使用换取折扣，适合稳定基准负载；按需实例灵活但单价高，适合波动负载，可用"预留+按需"组合优化成本 ✓ 正确答案 D 按需实例无法随时释放
# 11. 云数据库的监控指标与告警配置 A 只需监控 CPU，其他指标无关 B 应覆盖 CPU、内存、IOPS、连接数、复制延迟等核心指标，分级设置告警阈值，并结合性能洞察定位瓶颈 ✓ 正确答案 C 告警越灵敏越好，无需考虑误报 D 只读副本无需监控
# 12. 云数据库与自建在 TCO 上的对比 A 自建永远比云数据库便宜 B 云数据库没有隐性成本 C 需综合硬件、人力、运维、停机等成本；云数据库免运维、弹性但长期高负载下费用增长，自建人力运维成本高，按负载建模对比 ✓ 正确答案 D 自建无需考虑运维人力
# 13. 云数据库的自动化运维边界与人工介入点 A 云厂商负责所有运维，用户无需任何操作 B 用户必须自己运维硬件 C 云厂商负责硬件、备份、高可用、升级等基础设施运维；用户负责 Schema/索引、SQL 优化、容量规划、安全与应用设计 ✓ 正确答案 D 自动备份与用户无关
# 14. 云数据库的自动小版本升级策略 A 升级无需任何管控，随时自动进行 B 升级策略与业务无关 C 小版本升级不会影响任何连接 D 应设置维护窗口、分阶段（先测试后生产）验证，并做好回滚预案，兼顾及时修复与稳定 ✓ 正确答案
# 15. MPP 的大聚合与排序超出内存时如何 spill 到磁盘？与单机数据库的临时文件机制相比有什么异同？ A MPP 无法 spill 到磁盘 B spill 不影响性能 C MPP 的 spill 需要跨节点网络传输 D 两者都用"内存+磁盘临时文件+归并"处理超内存数据；MPP 的 spill 发生在各 segment 本地，节点间不平衡可能造成倾斜，大量 spill 会降低性能 ✓ 正确答案
# 16. 云数据库容量规划如何做，根据 QPS、连接数、存储增长预测实例规格？预留容量与自动扩容的取舍依据是什么？ A 容量规划只看存储大小，与 QPS 无关 B 预留容量永远比自动扩容好 C 需按 QPS、连接数、存储增长估算规格并预留余量；固定规格适合稳定负载，自动扩容适合波动负载，按可预测性与成本取舍 ✓ 正确答案 D 自动扩容无限且无上限，无需规划
# 17. 云数据库审计日志如何开启与归档，审计与合规（保留/脱敏）如何平衡？ A 审计日志无需保留，即用即弃 B 审计日志应包含所有明文数据，不做脱敏 C 审计日志记录访问行为并归档，按合规设置保留期，同时对敏感字段脱敏、限制访问、最小化采集以平衡成本与隐私 ✓ 正确答案 D 审计与合规无关
# 18. MPP 与 SMP 单机并行的层次关系 A 两者完全互斥 B SMP 只适用于单核 C MPP 是节点间并行，SMP 是单机多核并行，MPP 节点内部仍依赖 SMP 并行，属于不同层次 ✓ 正确答案 D MPP 不需要 SMP 支持
# 19. MPP 的节点故障与查询重试 A 节点故障不影响任何查询 B MPP 查询不需要重试 C 节点故障时副本接管数据，正在执行的查询可能失败需上层重试，集群通过副本与重平衡恢复数据 ✓ 正确答案 D 节点故障会永久丢失数据
# 20. MPP 集群扩容为什么需要数据重分布（如 gpexpand）？重分布期间的读写影响与迁移窗口如何规划？ A 扩容后新节点自动均衡，无需重分布 B gpexpand 只增加存储，不重分布数据 C 重分布没有性能影响 D 新增节点后需按哈希重分布数据以均衡负载，重分布是重操作，需在低峰期分批、限速、校验 ✓ 正确答案
