内存数据库实现、恢复与异构展望

正确答案：行存 → 一次访问完整记录的短事务；列存 → 只扫描少数属性的大规模分析；向量化执行 → 以小批数据循环处理，提高 Cache 和函数调用效率；实时编译 JIT → 针对查询生成专用机器代码，减少解释与通用分支

行列布局决定数据邻近，向量化和 JIT 决定算子怎样执行，是两个层次的选择

正确答案：CSB+ 树 → 减少子指针和 Cache miss，改善内存索引遍历局部性；Radix 分区 → 按若干位分桶，使后续哈希或连接工作集适合 Cache；NUMA-aware 排序合并 → 让线程优先处理本地内存并减少远程访问

算法用额外布局、分区或调度成本换取更好的 Cache 和 NUMA 局部性

正确答案：锁 → 冲突访问在执行过程中等待；乐观并发控制 → 先执行，在验证或提交阶段检测冲突并可能重试；无锁结构 → 用原子指令等避免传统互斥锁，但实现和证明复杂；快照隔离 → 读取事务快照，写入提交时检查写冲突

内存速度缩短了数据访问，协调成本反而可能成为主要瓶颈

正确答案：装载最近一致检查点 → 读取检查点之后的持久日志 → 按依赖或分区并行重做已提交更新 → 优先恢复热点表或关键索引以尽快提供部分服务 → 完成其余数据和索引重建并验证一致性

检查点缩短日志范围，并行和热点优先改善恢复时间，但都必须保持事务依赖和可见性

正确答案：磁盘系统的内存优化／混合路线 → 迁移成本低但受原架构路径限制；独立内存数据库 → 可全面重设布局与执行，但迁移、功能和生态成本较高；GPU／异构加速路线 → 加速适合算子，但受数据传输、调度和事务边界限制

路线选择要同时看性能目标、负载边界、可靠性和迁移成本

正确答案：行式事务更新与列式分析副本的同步、提交结果何时对分析快照可见、长分析与短事务的 CPU、内存和带宽隔离、日志、检查点和恢复后副本一致

内存降低访问延迟，但不会消除同步、可见性、隔离和恢复责任