数据库篇
面向全栈 Node 工程师的数据库面试指南，加入向量检索、云原生、AI 辅助调优等 2025 年热点。
1. 关系型 vs 文档型：如何选型？
- 关系型（MySQL、PostgreSQL、TiDB）：事务（ACID）、复杂查询、强一致。边缘：PlanetScale、Neon 主打无感扩展。
- 文档型（MongoDB、Firestore、DynamoDB）：Schema 灵活、写入吞吐高；需通过 TTL、分片策略保证性能。
- 面试答题建议：结合业务举例，例如“用户画像主库用 Postgres，埋点日志放 ClickHouse，生成的 AI 结果写回 Mongo 供实时读取”。
2. PostgreSQL 正在取代 MySQL？
- Node 生态（Prisma、Drizzle、Kysely）都首先支持 Postgres 特性，如 JSONB、
LISTEN/NOTIFY、窗口函数。 - 2024 年 pgvector 成为事实标准，可直接在 Postgres 里做向量检索，避免维护额外的向量库。
- PlanetScale（MySQL）仍适合强事务 + 可观测，但面试会问“你怎样补齐全文检索？”，可回答“结合 Typesense/Elastic 或 MySQL 8.0 的
INVISIBLE INDEX”。
3. 向量数据库与 AI 应用（硬核加分）
| 类型 | 产品 | 亮点 | Node 实践 |
|---|---|---|---|
| 托管云 | Pinecone, Zilliz, Upstash Vector | 多区域副本、托管扩缩容 | @pinecone-database/pinecone、zilliz-cloud SDK，结合 LangChain.js |
| 自建 | Milvus, Qdrant, Weaviate | 自主可控、离线批量导入 | 通过 Docker Compose + Node CLI 批量插入向量 |
| 混合 | Supabase Vector | Postgres 扩展，SQL + 向量一体 | 直接 match_documents SQL，适合 BFF 查询 |
示例 SQL：
SELECT id, metadata, content
FROM documents
WHERE project_id = $1
ORDER BY embedding <=> $2
LIMIT 8;
sql
4. 缓存与消息队列的组合拳
- Redis 7 + RedisJSON/RedisSearch 用于频繁查询和实时看板；Upstash/Aiven 提供 Serverless 方案。
- 面试延伸：如何用 Redis Streams 与 Node Worker 做任务调度？可回答“使用
ioredis监听xreadgroup，处理 AI 生成任务，并通过 Dead Letter Stream 兜底”。 - MQ 选择：Kafka（高吞吐）、Pulsar（多租户）、RabbitMQ（可靠投递）。强调在 Node 中使用
kafkajs、rmq等库实现“AI 批处理 + 审核”的异步链路。
5. ORM/Query Builder 选型
- Prisma：类型推导一流，支持
Prisma Accelerate、Accelerate+Data Proxy；劣势是运行时略重。 - Drizzle ORM：零依赖、原生 SQL、适合 Cloudflare Workers/Edge。
- Knex/Kysely：灵活，可用于多数据库兼容。准备好回答“如何在多租户 SaaS 中设计 schema（Row-Level Security/Schema per tenant）”。
6. 数据库调优与运维常考点
- 连接池：Node 中推荐
pg/mysql2的池化，Serverless 则使用prisma accelerate、neon serverless driverorplanetscale serverless driver。 - 索引：涵盖传统 B-Tree、Partial Index、Covering Index，以及向量库里的 IVF、HNSW。可用 AI 帮忙生成初始索引计划，但要通过
EXPLAIN ANALYZE验证。 - 备份恢复：描述 PITR（Point-in-time Recovery）、逻辑备份、物理备份的差异，并结合云厂商（阿里云 RDS、腾讯云 CynosDB）策略。
7. 数据同步与 CDC
- Debezium + Kafka + Node 消费者：捕获 MySQL/Postgres 变更，触发缓存刷新或 AI 自动写稿。
- TiCDC / Flink CDC：对接下游实时分析（ClickHouse、StarRocks）。
- Node 侧可使用
@eventrix/cdc、pg-logical监听变更，示例：AI 自动校对用户提交内容后将结果写回。
8. 安全与合规（国内外都重视）
- 敏感数据脱敏：字段加密（KMS）、Token 化、AI 模型 prompt 削弱敏感字段。
- 零信任访问：结合 Cloudflare Tunnel、Tailscale，或数据库专线访问（阿里云 DMS 工具）。
- 数据库在 AI 项目中的合规：强调敏感 prompt 不落盘、使用对象存储（OSS、S3）承载向量原始文档，并配置生命周期策略。
9. 高频追问速记
- “MongoDB 和 MySQL 该怎么选？” 回答从数据结构、事务、成本、AI 上下游接口支持四个维度展开。
- “如何保障向量库的准确率？” 提及数据清洗、维度选择（一般 512/768）、归一化、定期重建索引。
- “Node 服务如何保持数据库连接稳定？” 覆盖连接池、健康检查、
SIGTERM优雅关闭、Serverless 中的连接复用。
推荐资料：PostgreSQL 17 Release Notes、pgvector 0.6 基准测试、Supabase AI Changelog、阿里云《向量数据库选型指南》。
↑