# 1. 图数据库的存储模型，原生图（Neo4j, NebulaGraph, JanusGraph）与多层映射（图→关系表→内存图）的性能差异？ A 内存图加载无需任何序列化开销 B 多层映射（关系表）的遍历成本不随深度增加 C 原生图存储的每次遍历都需要全图索引查找 D 原生图把邻接关系物理存储在节点旁，遍历时索引无关地跳转邻居，多跳遍历成本与图大小无关 ✓ 正确答案
# 2. 图查询语言，Cypher（Neo4j）、nGQL（NebulaGraph）、GQL（ISO/IEC 39075 国际标准）的语法与表达力对比？ A nGQL 是 SQL 标准图查询语言 B 三种语言语法完全相同，无可移植性差异 C Cypher 以模式匹配语法直观表达路径，GQL 是 ISO/IEC 39075 国际标准，旨在统一图查询表达 ✓ 正确答案 D GQL 只支持 RDF 图，不支持属性图
# 3. 图数据库的批量导入与写入性能（Neo4j import、Nebula 批量写入） A Neo4j 的 neo4j-admin import 从 CSV 离线构建图、跳过逐条事务，适合大规模初始化导入 ✓ 正确答案 B 批量导入与逐条插入性能没有差异 C Nebula 批量写入必须逐条 RPC，无法批量提交 D 导入时开启事务日志和索引构建能显著提升速度
# 4. Neo4j GDS 的图投影（graph projection）与 Cypher 查询有何区别？为什么 PageRank、Louvain 等图算法要在内存投影图上执行？ A 图投影把图加载为内存紧凑结构供图算法多轮迭代，而 Cypher 适合声明式路径查询 ✓ 正确答案 B 图投影与 Cypher 查询返回结果完全相同 C 图算法直接在存储层逐轮 Cypher 执行效率最高 D 图投影只能投影整张图，无法投影子图
# 5. Cypher 查询优化器如何选择遍历起点（节点标签与属性索引）？多跳遍历的执行计划与关系库的 JOIN 计划有何对应？ A 多跳图遍历等价于关系库的链式 JOIN，优化器选起点相当于选高选择性的驱动表 ✓ 正确答案 B 图遍历与关系库 JOIN 完全无关 C 图优化器不利用标签与属性索引选择起点 D 多跳遍历的扩展顺序与 JOIN 连接顺序毫无关系
# 6. 图遍历算法（BFS/DFS/最短路径/PageRank）的实现原理与在大图上的工程优化（剪枝、并行、索引）？ A BFS 用栈深入，DFS 用队列逐层扩展 B BFS 用队列逐层扩展求最短路径，A* 用启发式剪枝，PageRank 通过迭代传播权重收敛 ✓ 正确答案 C Dijkstra 只能用于无向图 D 大图遍历无法通过并行或索引加速
# 7. 图存储的邻接表实现，CSR/CSC 与邻接链表在大图遍历中的缓存与内存差异？ A 邻接链表连续存储邻居，缓存命中率更高 B CSR/CSC 用连续数组存储邻居，缓存命中率高、内存占用低，优于指针分散的邻接链表 ✓ 正确答案 C CSR/CSC 每个邻居都要单独的指针与节点 D 两者在缓存与内存上没有任何差异
# 8. Supernode（超级节点）问题，高扇出节点的遍历爆炸如何用索引、剪枝与采样缓解？ A 采样后结果与精确结果完全一致 B Supernode 问题只影响存储，不影响遍历性能 C 高扇出节点导致遍历分支爆炸，可用索引过滤邻居、剪枝控制规模、采样近似求解来缓解 ✓ 正确答案 D 索引无法缩小遍历时的邻居范围
# 9. 图数据库的遍历查询，BFS/DFS 与深度限制（fan-out）？ A 深度限制只影响查询结果，不影响性能 B BFS 适合深路径枚举，DFS 适合求最短路径 C BFS 逐层扩展适合求最短路径，深度限制与 fan-out 控制可抑制遍历爆炸 ✓ 正确答案 D fan-out 与遍历爆炸无关
# 10. 图查询语言，Cypher/Gremlin/GQL 的表达力差异？ A Gremlin 只支持模式匹配，不支持遍历步骤 B 三种语言都是过程式遍历语言 C Cypher 是声明式模式匹配语言，Gremlin 是过程式遍历语言，GQL 是 ISO 标准统一语言 ✓ 正确答案 D Cypher 强调"如何遍历"，Gremlin 强调"想要什么结果"
# 11. 图数据库的事务支持（Neo4j 单机 ACID vs Nebula 分布式事务） A 分布式事务与单机事务在延迟上完全等价 B Neo4j 是分布式数据库，不支持单机 ACID C Nebula 分布式事务没有任何协调开销 D Neo4j 单机提供完整 ACID 事务、延迟低，Nebula 分布式事务需跨节点协调，扩展性高但开销更大 ✓ 正确答案
# 12. 属性图（Cypher/nGQL）与 RDF/SPARQL 的建模差异与选型 A RDF 用 Cypher 查询，属性图用 SPARQL 查询 B 属性图与 RDF 建模方式完全相同 C 属性图以节点、边、属性建模，适合业务遍历；RDF 以三元组与本体建模，适合语义网与推理 ✓ 正确答案 D 属性图侧重语义推理，RDF 侧重关系遍历
# 13. 图数据库的索引体系（标签索引、属性索引、全文与空间索引）分别加速什么操作？索引选择如何影响遍历起点？ A 空间索引用于加速文本关键词查询 B 属性索引只加速全文检索 C 索引选择不影响遍历起点 D 标签索引定位标签节点集，属性索引按属性过滤并决定遍历起点，全文/空间索引分别加速文本与位置查询 ✓ 正确答案
# 14. 图数据库的应用场景，社交网络、知识图谱、欺诈检测、推荐系统的工程边界与选型？ A 知识图谱必须用关系库，不能使用图数据库 B 图数据库适合所有数据库场景，无需其他组件 C 欺诈检测只需关系库的 JOIN，不需要图算法 D 社交关系、欺诈检测、知识图谱等场景依赖图的多跳遍历与图算法，图数据库可与关系库、图计算引擎组合使用 ✓ 正确答案
# 15. 图数据库与关系型数据库的混合使用，图查询嵌入 SQL（SQL/PGQ, ISO 39075）的标准化进展？ A 图查询无法嵌入标准 SQL B SQL/PGQ 只能用于图数据库，不能用于关系库 C SQL/PGQ 是 SQL 标准（ISO/IEC 9075-16）新增的图查询部分，允许在 SQL 中嵌入图模式匹配，使关系库能表达图查询 ✓ 正确答案 D ISO 39075 标准与图查询无关
# 16. GQL 标准与 SQL/PGQ，ISO 39075 的路径模式查询与现有 Cypher/nGQL 的表达力差异？ A SQL/PGQ 与 GQL（ISO 39075）统一路径模式查询语义，支持跨数据库可移植并与 SQL 融合，区别于厂商方言 ✓ 正确答案 B GQL 与 Cypher 语义完全相同，无差异 C SQL/PGQ 不支持可变长度路径 D nGQL 是 ISO 国际标准
# 17. 图嵌入与图算法在推荐/风控中的落地，与图查询是互补还是替代关系？ A 图嵌入完全替代图查询，不需要遍历 B 图查询提供可解释的事实检索，图算法提供结构分析，图嵌入提供低维特征，三者在推荐/风控中互补 ✓ 正确答案 C 图算法只能用于社交推荐，不能用于风控 D 三者互斥，只能选择其一
# 18. 图数据库 vs 关系库递归 CTE，多跳性能对比？ A 图数据库的每跳遍历都需要全表扫描 B 递归 CTE 与图数据库在多跳查询上性能完全一致 C 递归 CTE 每跳通过 JOIN 重建邻接并产生膨胀的结果集，深跳时性能下降明显；图数据库用邻接指针直连，深跳更高效 ✓ 正确答案 D 递归 CTE 深跳性能优于图数据库
# 19. 图数据库的扩展性，分布式图（Nebula/JanusGraph）？ A JanusGraph 不需要任何存储后端 B 分布式图可以完全消除跨节点遍历通信 C 图数据库只能单机部署，无法水平扩展 D NebulaGraph 自建分片存储与 Raft 副本，JanusGraph 依赖 Cassandra/HBase 等分布式后端，二者都支持水平扩展但跨分区遍历有通信开销 ✓ 正确答案
# 20. LDBC SNB 基准如何衡量图数据库性能？与关系库递归 CTE 的对比实验设计有哪些要点？ A 基准数据规模无需一致，越大越好 B LDBC SNB 只测写入吞吐，不测查询 C 对比图库与递归 CTE 只需测一种跳数即可 D LDBC SNB 以社交网络负载覆盖交互查询、BI 查询与图算法，对比实验需保证数据/查询/硬件一致并覆盖不同跳数与扇出 ✓ 正确答案
