【一】高频 SQL 面试题解析
SQL 是测试工程师的核心技能，面试官常通过复杂查询考察逻辑思维与数据库理解能力。
1.1 内连接、左连接与右连接的区别
在 数据库测试 中，理解 JOIN 操作至关重要。面试官常问：“如果 A 表有 10 条记录，B 表有 5 条记录，LEFT JOIN 后结果集是多少条？” 答案是：取决于匹配情况。若 B 表每条记录都匹配 A 表的一条，则结果为 10 条；若 B 表有多条匹配 A 表的一条，则可能超过 10 条。
-- 示例：查询所有用户及其订单信息（包括无订单的用户）
SELECT u.user_id, u.username, o.order_id
FROM users u
LEFT JOIN orders o ON u.user_id = o.user_id;
测试要点：验证 LEFT JOIN 是否保留了左表所有记录，即使右表无匹配数据时，右表字段应为 NULL。
1.2 窗口函数 ROW_NUMBER() vs RANK()
窗口函数是 SQL 进阶面试的常客。ROW_NUMBER() 为每条记录分配唯一序号，而 RANK() 在遇到相同值时会跳过后续序号。
-- 示例：找出每个部门工资最高的员工
SELECT dept_id, emp_name, salary,
RANK() OVER(PARTITION BY dept_id ORDER BY salary DESC) as rank
FROM employees;
测试场景：当多个员工工资相同时，RANK() 会给出相同排名，后续排名跳过。例如：1, 2, 2, 4。而 ROW_NUMBER() 会给出 1, 2, 3, 4。
1.3 GROUP BY 与 HAVING 的区别
WHERE 在分组前过滤，HAVING 在分组后过滤。这是基础但易错点。
-- 示例：查询平均订单金额大于 100 元的客户
SELECT customer_id, AVG(amount) as avg_amount
FROM orders
GROUP BY customer_id
HAVING AVG(amount) > 100;
测试用例设计：创建包含不同金额订单的客户数据，验证 HAVING 条件是否正确过滤了平均值低于阈值的客户。
【二】数据库性能测试实战
性能测试不仅关注响应时间，更涉及索引优化、锁机制与并发控制。
索引失效场景
常见失效原因：LIKE '%abc'（左模糊）、函数操作、类型隐式转换、OR 条件未全索引。 测试方法：使用 EXPLAIN 分析执行计划，关注 type 是否为 ALL（全表扫描）。
锁与并发控制
测试高并发下的数据一致性。例如：库存扣减时，如何防止超卖？ 解决方案：使用乐观锁（版本号）或悲观锁（SELECT FOR UPDATE）。
慢查询优化
定位慢查询：开启慢查询日志，分析执行时间超过阈值（如 1s）的 SQL。 优化策略：添加合适索引、重写 SQL、分库分表。
| 测试维度 | 关键指标 | 合格标准 | 常用工具 |
|---|---|---|---|
| 响应时间 | P95/P99 延迟 | < 200ms | JMeter, LoadRunner |
| 吞吐量 | QPS/TPS | 根据业务需求 | Percona Monitoring |
| 资源使用 | CPU/内存/IO | CPU < 70% | top, iostat |
| 连接数 | 活跃连接 | < 最大连接数 80% | SHOW PROCESSLIST |
【三】数据一致性验证方法
在微服务与分布式系统中，数据一致性是测试的重中之重。
源系统与目标系统数据核对
使用脚本自动比对源库与目标库的关键字段。例如：订单状态同步，确保源库“已支付”状态正确同步至目标库。 工具推荐：使用 Python 编写比对脚本，或通过数据库内置工具（如 mysqldiff）。
ACID 属性测试
验证原子性：转账操作中，A 扣款成功而 B 收款失败时，A 的扣款应回滚。 测试方法：模拟异常中断，检查数据状态是否一致。
异步消息队列数据核对
在最终一致性模型中，验证消息是否全部消费，无丢失、无重复。 监控指标：消息队列堆积量、消费延迟。
【四】数据库自动化测试框架搭建
自动化测试提升回归效率，框架设计需兼顾灵活性与可维护性。
框架选型
Java：JDBC + TestNG + Allure 报告。适合大型企业级应用。 Python：pytest + SQLAlchemy + pytest-html。开发效率高，适合快速迭代。
测试数据管理
使用工厂模式生成测试数据，确保数据隔离与可重复性。 最佳实践：测试前清理数据，测试后回滚或清理，避免数据污染。
断言策略
不仅断言 SQL 执行结果，还需断言数据库状态（如记录数、字段值）。 示例：验证插入操作后，记录数增加 1，且关键字段值正确。
Python 示例：使用 pytest 进行数据库测试
import pytest import pymysql def test_insert_user(): conn = pymysql.connect(host='localhost', user='test', password='123', db='testdb') cursor = conn.cursor() # 插入测试数据 cursor.execute("INSERT INTO users (name, email) VALUES ('Test', 'test@example.com')") conn.commit() # 验证数据 cursor.execute("SELECT COUNT() FROM users WHERE email = 'test@example.com'") count = cursor.fetchone()[0] assert count == 1, "数据插入失败" # 清理数据 cursor.execute("DELETE FROM users WHERE email = 'test@example.com'") conn.commit() conn.close()
【五】面试高频问题与回答策略
掌握面试技巧，展现专业深度，提升通过率。
Q1: 如何设计数据库测试用例？
回答策略：从功能、性能、安全、兼容性四个维度展开。 示例：功能测试：CRUD 操作验证；性能测试：高并发下的响应时间；安全测试：SQL 注入防护；兼容性测试：不同数据库版本支持。
Q2: 什么是 SQL 注入？如何防御？
回答策略：解释原理 + 防御措施。 示例：SQL 注入是攻击者通过输入恶意 SQL 代码改变查询逻辑。防御：使用参数化查询、预编译语句、输入验证、最小权限原则。
Q3: 如何优化慢查询？
回答策略：定位问题 + 优化手段。 示例：1. 使用 EXPLAIN 分析执行计划；2. 添加合适索引；3. 重写 SQL 避免全表扫描；4. 优化表结构（如垂直分表）；5. 考虑缓存策略。