容量规划、混沌与可观测

共 31 题
#

1. 连接数上限(max_connections)与连接池规划

A 连接数上限受内存、文件描述符等资源限制,应通过连接池复用连接并预留余量 ✓ 正确答案
B 连接数上限设置得越大越好,能容纳更多并发
C 连接池大小与并发无关,可随意设置
D 连接耗尽时数据库会自动无限排队等待
#

2. 复制中断演练与自动恢复验证

A 复制中断演练会破坏主库数据,应避免
B 通过受控注入复制故障,验证监控告警、自动恢复与数据一致性 ✓ 正确答案
C 复制中断后无需核对数据一致性
D 复制中断只能靠人工手工恢复
#

3. 主从切换(failover)的 RTO 实测

A RTO 指允许丢失的数据量
B 主从切换不会影响业务连续性
C RTO 无需实测,凭经验估算
D RTO 是服务从故障到恢复可用的最大时间,需通过切换演练实测 ✓ 正确答案
#

4. 备份恢复演练(恢复时间实测)

A 通过演练实测恢复时间并校验数据完整性,验证备份可用性 ✓ 正确答案
B 只要做了备份,恢复就一定成功
C 备份恢复演练只需执行一次
D 恢复时间与备份策略无关
#

5. 基于 QPS/吞吐与数据量的容量模型估算

A 容量估算只需考虑数据量
B 峰值负载与常态负载不需要区分
C 容量模型一旦确定无需调整
D 以 QPS、吞吐、数据量等为输入,按单机能力换算资源并预留余量 ✓ 正确答案
#

6. Little 定律在数据库连接与并发建模的应用

A Little 定律公式为 L = λ × W,可估算并发连接数 = QPS × 单请求耗时 ✓ 正确答案
B Little 定律公式为 L = λ / W
C Little 定律与并发无关
D Little 定律无需考虑波动因素
#

7. sysbench/pgbench 的 OLTP 压测场景设计

A 压测无需预热数据库
B 压测只需测一个并发量
C 通过配置并发、读写比例、事务结构与数据分布,贴近真实业务进行压测 ✓ 正确答案
D 压测结果无需关注延迟分位数
#

8. TPC-C/TPC-H 基准的业务含义与局限

A TPC-C 是 OLAP 分析基准
B TPC 基准结果完全代表真实性能
C TPC-H 模拟的是事务处理
D TPC-C 模拟 OLTP 事务吞吐,TPC-H 模拟 OLAP 分析查询,但负载与真实业务存在差异 ✓ 正确答案
#

9. 压测中思考时间(think time)与真实负载

A 思考时间与并发无关
B 思考时间越长吞吐越高
C 省略思考时间测出的是真实负载
D 思考时间是用户两次请求之间的停顿,加入后更贴近真实负载 ✓ 正确答案
#

10. 数据库故障演练(主库宕机/网络分区)设计

A 故障演练应在生产高峰进行以测试极限
B 故障演练无需回滚预案
C 网络分区演练无需验证脑裂防护
D 通过受控注入主库宕机/网络分区,控制爆炸半径并验证切换与恢复 ✓ 正确答案
#

11. 注入磁盘满/IO hang 验证数据库行为

A 磁盘满时数据库应继续正常写入
B IO hang 对数据库无影响
C 注入磁盘满/IO hang 验证数据库能否优雅降级、告警并恢复,避免数据损坏 ✓ 正确答案
D 磁盘满时数据库会自动清理数据
#

12. 脑裂(split-brain)场景的防护验证

A 脑裂指集群出现多个主节点接受写入,造成数据不一致
B 脑裂时双主写入也能保持数据一致
C 网络分区不会引发脑裂
D 通过多数派选举与 fencing 可防止脑裂 ✓ 正确答案
#

13. 混沌实验的稳态指标(吞吐/延迟/错误率)

A 稳态指标是实验后采集的随机值
B 错误率不影响稳态判定
C 混沌实验无需基线
D 以稳态吞吐、延迟、错误率为基线,对比实验前后判断系统是否达标 ✓ 正确答案
#

14. 混沌平台(Chaos Mesh)与数据库演练

A Chaos Mesh 只能注入网络故障
B 混沌平台支持故障注入、实验编排与观测,可自动化开展数据库韧性演练 ✓ 正确答案
C 混沌平台无法评估系统韧性
D 混沌实验不能接入 CI/CD
#

15. 容量规划中的峰值与常态负载区分

A 容量规划只需看常态负载
B 区分常态与峰值负载,常态定规格、峰值定弹性策略,避免浪费与不足 ✓ 正确答案
C 峰值负载与常态负载无区别
D 容量规划与峰值无关
#

16. 存储容量增长预测与扩容节奏

A 容量扩容应在使用率 100% 时进行
B 容量预测无需考虑业务增长
C 基于历史增长预测容量,设水位阈值并预留扩容准备时间,用数据治理控制增长 ✓ 正确答案
D 扩容节奏与数据迁移无关
#

17. CPU/IO/内存瓶颈点的容量拐点识别

A CPU 打满不会影响延迟
B 容量拐点无需压测即可确定
C 容量拐点指负载增长到某点后资源成为瓶颈,导致性能不再线性提升 ✓ 正确答案
D 所有资源总是同时达到拐点
#

18. 云数据库的容量弹性与上限评估

A 云数据库弹性扩容无任何上限
B 云数据库弹性受实例规格与配额上限约束,需评估上限、扩容耗时与成本 ✓ 正确答案
C 云数据库扩容无需耗时
D 弹性能力与成本无关
#

19. 容量基线与历史趋势对比如何做(同比/环比/季节性),扩容触发阈值如何设定?

A 容量基线只需看当前值
B 季节性波动无需考虑
C 通过同比/环比/季节性识别趋势与波动,按增长与峰值设定前瞻性扩容阈值 ✓ 正确答案
D 扩容阈值只需按平均值设定
#

20. 压测数据与生产数据分布的差异修正

A 压测数据分布与生产无关
B 压测数据越少越准确
C 压测数据规模与分布需贴近生产,否则结果失真 ✓ 正确答案
D 数据倾斜不影响压测结果
#

21. 基准测试的统计显著性(多次取中位)

A 单次测量即可代表性能
B 平均值比中位数更能抵御尖峰
C 多次测量取中位数可抵御极端值干扰,报告分位数以反映波动 ✓ 正确答案
D 统计显著性无需控制变量
#

22. 压测对从库延迟与复制的影响

A 高写入压测会导致从库复制延迟,需监测 lag 并评估复制健壮性 ✓ 正确答案
B 压测写负载不影响从库
C 从库延迟永远为零
D 复制延迟与读写分离无关
#

23. 混沌压测(注入故障+压测)的综合验证

A 混沌压测只需在低负载下进行
B 混沌压测结合高负载与故障注入,验证系统在双重压力下的降级、切换与恢复能力 ✓ 正确答案
C 故障注入不影响压测结果
D 混沌压测无需关注恢复
#

24. 压测结果的可视化与瓶颈定位

A 压测结果只需看平均吞吐
B 瓶颈定位无需资源利用率
C 通过可视化吞吐、延迟、资源利用率,结合延迟分解与慢查询定位瓶颈 ✓ 正确答案
D 延迟分位数无用
#

25. 演练后的容量与 SLO 修正

A 演练结果无需反馈到容量规划
B 根据演练实测修正容量模型与 SLO,形成闭环改进 ✓ 正确答案
C 演练后 SLO 无需调整
D 容量修正与演练无关
#

26. 故障演练的爆炸半径如何控制,审批流程与自动熔断如何落地?

A 通过限定范围、审批流程与自动熔断控制爆炸半径,异常时自动止损 ✓ 正确答案
B 故障演练应在生产高峰进行
C 故障演练无需回滚预案
D 熔断机制与监控无关
#

27. 数据库混沌实验与告警有效性验证

A 告警系统无需验证
B 混沌实验可验证告警是否被及时准确触发,发现静默故障 ✓ 正确答案
C 混沌实验与告警无关
D 告警越灵敏越好无需校准
#

28. 演练结果的反哺(容量/架构改进)

A 演练结果只是记录,无需改进
B 改进不需要再验证
C 演练发现的架构缺陷无需处理
D 演练暴露的问题应推动容量与架构改进,形成闭环 ✓ 正确答案
#

29. 韧性指标(MTTR)的度量与改进

A MTTR 无法通过演练改进
B MTTR 是平均无故障时间
C MTTR 越大约好
D MTTR 是平均修复时间,反映故障恢复能力 ✓ 正确答案
#

30. 数据库韧性文化(常态化演练)建设

A 通过常态化演练、平台化与门禁机制,把韧性建设内化为日常实践 ✓ 正确答案
B 韧性文化倡导出了问题再演练
C 演练只需做一次
D 韧性文化与团队无关
#

31. 混沌实验如何与发布门禁结合(实验通过率作为门禁),失败处理与回滚怎么做?

A 混沌实验通过率与发布无关
B 实验失败无需记录
C 发布无需韧性验证
D 以混沌实验通过率作为发布门禁,不通过则阻断发布并回滚修复 ✓ 正确答案