سوالات مصاحبه Replication و Sharding سطح جونیور (50 سوال)

Question 1

هدف اصلی replication در یک دیتابیس چیست؟

Accepted Answer

نگه‌داشتن کپی یکسان داده روی چند ماشین

Answer

تقسیم داده به بخش‌های جدا روی چند ماشین

Answer

فشرده‌سازی داده برای کاهش فضای دیسک

Answer

رمزنگاری داده قبل از ذخیره روی دیسک

Question 2

sharding (یا partitioning) در دیتابیس یعنی چه؟

Accepted Answer

تقسیم داده به زیرمجموعه‌هایی که هر کدام روی یک node هستند

Answer

کپی کامل همه داده روی تک‌تک nodeهای cluster

Answer

انتقال داده‌های قدیمی به یک storage ارزان‌تر

Answer

ساختن index روی ستون‌هایی که زیاد query می‌شوند

Question 3

تفاوت اصلی replication و sharding کدام است؟

Accepted Answer

replication داده را کپی می‌کند، sharding داده را تقسیم می‌کند

Answer

replication داده را تقسیم می‌کند، sharding داده را کپی می‌کند

Answer

هر دو داده را کپی می‌کنند ولی با سرعت متفاوت

Answer

replication فقط در NoSQL و sharding فقط در SQL است

Question 4

در معماری leader-follower (single-leader)، نوشتن‌ها به کجا ارسال می‌شوند؟

Accepted Answer

فقط به leader، که تغییرات را به followerها می‌فرستد

Answer

به هر followerی که به کلاینت نزدیک‌تر است

Answer

به‌طور هم‌زمان به همه nodeها توسط کلاینت

Answer

به یک follower تصادفی که بعداً به leader خبر می‌دهد

Question 5

followerها در معماری leader-follower معمولاً چه نقشی دارند؟

Accepted Answer

سرویس‌دادن به خواندن‌ها و آماده‌بودن برای جایگزینی leader

Answer

پذیرفتن نوشتن‌ها و ارسال آن‌ها به leader برای تأیید

Answer

نگه‌داشتن فقط index‌ها بدون داده اصلی

Answer

تقسیم داده‌ها بین خودشان بر اساس shard key

Question 6

اضافه‌کردن read replica بیشتر چه چیزی را scale می‌کند؟

Accepted Answer

ظرفیت خواندن، ولی نه ظرفیت نوشتن

Answer

ظرفیت نوشتن، ولی نه ظرفیت خواندن

Answer

هم ظرفیت خواندن و هم نوشتن به یک اندازه

Answer

فقط فضای ذخیره‌سازی کل داده

Question 7

در synchronous replication، leader چه زمانی موفقیت نوشتن را به کلاینت اعلام می‌کند؟

Accepted Answer

بعد از اینکه follower(های) sync نوشتن را تأیید کردند

Answer

بلافاصله بعد از نوشتن روی دیسک خود leader

Answer

قبل از اینکه نوشتن حتی روی leader ذخیره شود

Answer

بعد از یک تأخیر ثابت، بدون توجه به followerها

Question 8

ویژگی اصلی asynchronous replication چیست؟

Accepted Answer

leader بدون منتظرماندن برای followerها نوشتن را تأیید می‌کند

Answer

followerها قبل از leader نوشتن را ذخیره می‌کنند

Answer

نوشتن فقط وقتی تأیید می‌شود که همه replicaها آن را دارند

Answer

followerها هیچ‌وقت تغییرات leader را دریافت نمی‌کنند

Question 9

بزرگ‌ترین ریسک asynchronous replication هنگام خرابی leader چیست؟

Accepted Answer

از دست رفتن نوشتن‌هایی که هنوز به followerها نرسیده بودند

Answer

قفل‌شدن دائمی همه followerها تا برگشت leader

Answer

تکراری شدن همه رکوردها روی followerها

Answer

حذف خودکار همه داده‌های followerها

Question 10

عیب اصلی synchronous replication چیست؟

Accepted Answer

کندتر شدن نوشتن و توقف آن در صورت در دسترس نبودن follower

Answer

از دست رفتن داده در صورت خرابی leader

Answer

عدم امکان خواندن از followerها

Answer

نیاز به sharding برای کار کردن

Question 11

replication lag به چه چیزی گفته می‌شود؟

Accepted Answer

فاصله زمانی بین نوشتن روی leader و اعمال آن روی follower

Answer

زمانی که طول می‌کشد تا یک query روی leader اجرا شود

Answer

تأخیر شبکه بین کلاینت و load balancer

Answer

زمان لازم برای ساختن یک replica جدید از صفر

Question 12

کاربری پروفایلش را ویرایش می‌کند و بعد از refresh، مقدار قدیمی را می‌بیند. این کدام مشکل است؟

Accepted Answer

نقض read-your-writes به‌خاطر خواندن از replica عقب‌مانده

Answer

split brain بین دو leader در cluster

Answer

hot spot روی shard مربوط به کاربر

Answer

از دست رفتن داده به‌خاطر خرابی دیسک

Question 13

failover در یک سیستم leader-follower یعنی چه؟

Accepted Answer

promote کردن یک follower به leader وقتی leader از کار افتاده

Answer

خاموش کردن همه followerها برای کاهش بار leader

Answer

انتقال داده‌ها به یک shard جدید

Answer

برگرداندن دیتابیس از روی backup شب قبل

Question 14

split brain در replication به چه وضعیتی گفته می‌شود؟

Accepted Answer

دو node هم‌زمان خود را leader می‌دانند و نوشتن می‌پذیرند

Answer

داده یک جدول بین دو shard تقسیم شده است

Answer

leader و follower از دو نسخه متفاوت دیتابیس استفاده می‌کنند

Answer

کلاینت‌ها نیمی از query‌ها را به cache می‌فرستند

Question 15

sharding معمولاً چه نوع partitioningی است؟

Accepted Answer

horizontal: تقسیم سطرهای یک جدول بین چند node

Answer

vertical: تقسیم ستون‌های یک جدول بین چند جدول

Answer

functional: جدا کردن هر سرویس با دیتابیس خودش

Answer

temporal: نگه‌داشتن فقط داده‌های امروز

Question 16

shard key (partition key) چیست؟

Accepted Answer

فیلدی که تعیین می‌کند هر رکورد در کدام shard ذخیره شود

Answer

کلید رمزنگاری که برای هر shard جداگانه ساخته می‌شود

Answer

primary key جدولی که لیست shardها را نگه می‌دارد

Answer

شناسه‌ای که هر replica برای اتصال به leader دارد

Question 17

در range partitioning داده‌ها چگونه بین shardها تقسیم می‌شوند؟

Accepted Answer

هر shard یک بازه پیوسته از مقادیر key را نگه می‌دارد

Answer

هر رکورد به‌صورت تصادفی به یک shard فرستاده می‌شود

Answer

hash کلید، mod تعداد shardها محاسبه می‌شود

Answer

همه رکوردها روی همه shardها کپی می‌شوند

Question 18

مزیت اصلی hash partitioning نسبت به range partitioning چیست؟

Accepted Answer

پخش یکنواخت‌تر داده و بار بین shardها

Answer

اجرای سریع‌تر range queryها روی کلید

Answer

حذف کامل نیاز به replication

Answer

امکان join بین همه جدول‌ها بدون هزینه

Question 19

چرا range partitioning روی ستون `created_at` برای داده‌های لاگ مشکل‌ساز است؟

Accepted Answer

همه نوشتن‌های جدید به shard آخر (بازه فعلی) می‌روند

Answer

timestamp نمی‌تواند به‌عنوان shard key استفاده شود

Answer

داده‌های قدیمی خودبه‌خود حذف می‌شوند

Answer

range query روی زمان غیرممکن می‌شود

Question 20

عیب اصلی hash partitioning چیست؟

Accepted Answer

range query روی کلید باید به همه shardها فرستاده شود

Answer

داده‌ها همیشه روی یک shard جمع می‌شوند

Answer

lookup یک کلید مشخص نیاز به scan همه shardها دارد

Answer

امکان replication روی shardها وجود ندارد

Question 21

directory-based sharding چگونه کار می‌کند؟

Accepted Answer

یک lookup table نگاشت هر key به shard را نگه می‌دارد

Answer

hash کلید مستقیماً شماره shard را تعیین می‌کند

Answer

هر shard یک بازه الفبایی ثابت دارد

Answer

کلاینت‌ها shard را به‌صورت تصادفی انتخاب می‌کنند

Question 22

hot spot در یک سیستم shard‌شده یعنی چه؟

Accepted Answer

shardی که سهم نامتناسبی از بار را دریافت می‌کند

Answer

shardی که داده‌هایش به‌تازگی backup شده است

Answer

replicaی که دمای سخت‌افزارش بالا رفته است

Answer

shardی که هیچ داده‌ای در آن نیست

Question 23

«celebrity problem» در sharding به چه اشاره دارد؟

Accepted Answer

یک key بسیار پرطرفدار که shard خودش را overload می‌کند

Answer

کاربرانی که داده‌شان روی چند shard پخش است

Answer

shardی که توسط مدیر سیستم دستی انتخاب شده

Answer

leaderی که بیشتر از followerها حافظه دارد

Question 24

چرا queryهایی که چند shard را درگیر می‌کنند پرهزینه هستند؟

Accepted Answer

باید به چند node فرستاده و نتایج در اپلیکیشن ادغام شوند

Answer

دیتابیس اجازه اجرای آن‌ها را به هیچ شکلی نمی‌دهد

Answer

همیشه باعث از دست رفتن داده می‌شوند

Answer

فقط روی leader قابل اجرا هستند و نه replica

Question 25

rebalancing در یک cluster شارد‌شده یعنی چه؟

Accepted Answer

جابه‌جایی داده بین nodeها برای پخش متعادل بار

Answer

تغییر schema همه shardها به‌طور هم‌زمان

Answer

ری‌استارت همه nodeها به ترتیب

Answer

حذف replicaهای اضافی برای صرفه‌جویی

Question 26

مشکل روش `hash(key) % N` برای انتخاب shard چیست؟

Accepted Answer

با تغییر N، تقریباً همه کلیدها باید جابه‌جا شوند

Answer

توزیع داده بین shardها همیشه ناهمگون است

Answer

پیدا کردن shard یک کلید خیلی کند است

Answer

فقط برای کلیدهای عددی کار می‌کند

Question 27

consistent hashing چه مزیتی دارد؟

Accepted Answer

با اضافه/حذف node فقط بخش کوچکی از کلیدها جابه‌جا می‌شوند

Answer

تضمین می‌کند همه کلیدها روی همه nodeها باشند

Answer

نیاز به تابع hash را کاملاً حذف می‌کند

Answer

range queryها را روی کلید سریع‌تر می‌کند

Question 28

virtual nodes (vnodes) در consistent hashing برای چه استفاده می‌شوند؟

Accepted Answer

پخش یکنواخت‌تر کلیدها با قرار دادن هر node در چند نقطه حلقه

Answer

ساختن nodeهای مجازی که داده را فقط در حافظه نگه می‌دارند

Answer

جایگزین کردن replication با کپی‌های مجازی

Answer

مخفی کردن آدرس nodeها از کلاینت‌ها

Question 29

چرا replicaها را معمولاً در availability zoneهای مختلف قرار می‌دهند؟

Accepted Answer

تا خرابی یک zone همه کپی‌ها را هم‌زمان از بین نبرد

Answer

تا هزینه انتقال داده بین zoneها صفر شود

Answer

چون یک zone فقط یک دیتابیس را پشتیبانی می‌کند

Answer

تا replication lag به صفر برسد

Question 30

replication factor برابر ۳ یعنی چه؟

Accepted Answer

هر قطعه داده روی ۳ node مختلف ذخیره می‌شود

Answer

داده به ۳ shard مختلف تقسیم می‌شود

Answer

هر نوشتن ۳ بار روی یک دیسک تکرار می‌شود

Answer

cluster حداکثر ۳ node می‌تواند داشته باشد

Question 31

semi-synchronous replication چیست؟

Accepted Answer

leader منتظر تأیید حداقل یک follower می‌ماند و بقیه async هستند

Answer

نیمی از نوشتن‌ها sync و نیمی async انجام می‌شوند

Answer

replication فقط در ساعات کم‌بار انجام می‌شود

Answer

followerها فقط نیمی از داده را دریافت می‌کنند

Question 32

کاربر یک کامنت جدید می‌بیند، صفحه را refresh می‌کند و کامنت ناپدید می‌شود. کدام تضمین نقض شده؟

Accepted Answer

monotonic reads

Answer

atomicity در تراکنش

Answer

durability نوشتن

Answer

partition tolerance

Question 33

eventual consistency در یک سیستم replicate‌شده چه تضمینی می‌دهد؟

Accepted Answer

اگر نوشتن جدیدی نیاید، همه replicaها در نهایت هم‌گرا می‌شوند

Answer

همه replicaها در هر لحظه داده یکسان دارند

Answer

هر نوشتن در کمتر از یک ثانیه به همه می‌رسد

Answer

خواندن همیشه آخرین مقدار نوشته‌شده را برمی‌گرداند

Question 34

multi-leader replication چیست؟

Accepted Answer

چند node نوشتن می‌پذیرند و تغییرات را با هم replicate می‌کنند

Answer

یک leader داریم که چند shard مختلف را مدیریت می‌کند

Answer

leader هر چند دقیقه یک بار عوض می‌شود

Answer

هر کلاینت leader مخصوص خودش را دارد

Question 35

در leaderless replication (سبک Dynamo) نوشتن چگونه انجام می‌شود؟

Accepted Answer

کلاینت یا coordinator نوشتن را به چند replica هم‌زمان می‌فرستد

Answer

نوشتن فقط به یک leader ثابت فرستاده می‌شود

Answer

نوشتن ابتدا در یک صف و سپس در leader ذخیره می‌شود

Answer

هر replica به نوبت در یک روز مشخص نوشتن می‌پذیرد

Question 36

در quorum با N replica، شرط `W + R > N` چه چیزی را تضمین می‌کند؟

Accepted Answer

مجموعه replicaهای خواندن و نوشتن حداقل در یک node هم‌پوشانی دارند

Answer

همه replicaها همیشه داده کاملاً یکسانی دارند

Answer

هیچ‌وقت هیچ replicaی از کار نمی‌افتد

Answer

نوشتن‌ها همیشه سریع‌تر از خواندن‌ها هستند

Question 37

استراتژی Last-Write-Wins (LWW) برای حل conflict چگونه عمل می‌کند؟

Accepted Answer

نوشتنی که timestamp بزرگ‌تری دارد نگه داشته و بقیه دور ریخته می‌شوند

Answer

همه نوشتن‌های متضاد با هم ادغام می‌شوند

Answer

conflict به کاربر نشان داده می‌شود تا خودش انتخاب کند

Answer

نوشتنی که اول رسیده نگه داشته می‌شود

Question 38

دو کاربر هم‌زمان یک آیتم به سبد خرید مشترک اضافه می‌کنند و سیستم از LWW استفاده می‌کند. چه اتفاقی می‌افتد؟

Accepted Answer

یکی از دو افزودن بی‌صدا از دست می‌رود

Answer

هر دو آیتم به‌درستی در سبد ثبت می‌شوند

Answer

سیستم هر دو نوشتن را رد می‌کند

Answer

سبد خرید به‌طور کامل پاک می‌شود

Question 39

قرار دادن replica در regionهای نزدیک کاربران چه فایده‌ای دارد؟

Accepted Answer

کاهش latency خواندن برای کاربران آن region

Answer

حذف کامل replication lag

Answer

کاهش تعداد نوشتن‌هایی که leader دریافت می‌کند

Answer

بی‌نیاز شدن از backup

Question 40

چرا ستونی مثل `country` با چند مقدار محدود shard key مناسبی نیست؟

Accepted Answer

تعداد کم مقادیر و توزیع ناهمگون باعث shardهای نامتعادل می‌شود

Answer

رشته‌ها را نمی‌توان به‌عنوان shard key استفاده کرد

Answer

این ستون باعث می‌شود replication غیرفعال شود

Answer

query بر اساس کشور غیرممکن می‌شود

Question 41

در یک فروشگاه، چرا sharding جدول `orders` بر اساس `user_id` رایج است؟

Accepted Answer

همه سفارش‌های یک کاربر در یک shard قرار می‌گیرند و query تک‌shardی می‌شود

Answer

چون `user_id` همیشه کوچک‌ترین ستون جدول است

Answer

چون باعث می‌شود همه سفارش‌ها در یک shard باشند

Answer

چون نیاز به index روی جدول را حذف می‌کند

Question 42

معمولاً چگونه یک follower جدید بدون توقف leader راه‌اندازی می‌شود؟

Accepted Answer

گرفتن snapshot از leader و سپس اعمال تغییرات بعد از آن snapshot

Answer

قفل کردن کل دیتابیس و کپی فایل‌ها

Answer

کپی کردن داده از روی cache اپلیکیشن

Answer

ارسال مجدد همه درخواست‌های کاربران از ابتدا

Question 43

leader معمولاً از چه چیزی برای ارسال تغییرات به followerها استفاده می‌کند؟

Accepted Answer

یک replication log مثل WAL یا binlog

Answer

کپی کامل دیتابیس بعد از هر نوشتن

Answer

ایمیل یا پیام به ادمین سیستم

Answer

خروجی لاگ‌های HTTP اپلیکیشن

Question 44

قبل از sharding یک دیتابیس معمولاً چه کارهایی را امتحان می‌کنند؟

Accepted Answer

vertical scaling، read replica، caching و بهینه‌سازی query

Answer

حذف همه indexها برای سریع‌تر شدن نوشتن

Answer

غیرفعال کردن backupها برای آزاد کردن منابع

Answer

انتقال همه داده به یک فایل CSV

Question 45

چرا استفاده از `AUTO_INCREMENT` محلی هر shard برای ID مشکل‌ساز است؟

Accepted Answer

shardهای مختلف IDهای تکراری تولید می‌کنند

Answer

`AUTO_INCREMENT` در سیستم‌های shard‌شده کار نمی‌کند

Answer

IDها خیلی بزرگ می‌شوند و جا نمی‌شوند

Answer

sharding را به range-based محدود می‌کند

Question 46

geo-partitioning (ذخیره داده هر کاربر در region خودش) معمولاً به چه دلیلی انجام می‌شود؟

Accepted Answer

کاهش latency و رعایت قوانین محل نگهداری داده مثل GDPR

Answer

کاهش تعداد کل کاربران سیستم

Answer

ساده‌تر کردن queryهای سراسری بین regionها

Answer

حذف نیاز به replication در هر region

Question 47

چرا replication جایگزین backup نیست؟

Accepted Answer

یک `DELETE` اشتباه یا داده خراب هم به همه replicaها منتقل می‌شود

Answer

replicaها اجازه خواندن داده را نمی‌دهند

Answer

replication فقط ساختار جدول‌ها را کپی می‌کند

Answer

replicaها بعد از یک روز خودبه‌خود پاک می‌شوند

Question 48

سیستم‌های automatic failover معمولاً چطور تشخیص می‌دهند که leader از کار افتاده است؟

Accepted Answer

نرسیدن heartbeat از leader در یک timeout مشخص

Answer

بررسی دستی لاگ‌ها توسط اپراتور در هر دقیقه

Answer

شمارش تعداد کاربران آنلاین سیستم

Answer

مقایسه حجم دیسک leader با followerها

Question 49

در سیستمی که هم sharding و هم replication دارد، کدام جمله معمولاً درست است؟

Accepted Answer

هر shard چند replica دارد و یک node می‌تواند leader برخی shardها و follower بقیه باشد

Answer

هر node کل داده را دارد و فقط یکی از آن‌ها leader کل cluster است

Answer

shardها replica ندارند چون sharding جای replication را می‌گیرد

Answer

هر replica فقط ستون‌های متفاوتی از یک shard را نگه می‌دارد

Question 50

چرا multi-leader replication به conflict resolution نیاز دارد ولی single-leader معمولاً ندارد؟

Accepted Answer

چون دو leader می‌توانند هم‌زمان یک رکورد را به‌طور متفاوت تغییر دهند

Answer

چون در multi-leader همه followerها نوشتن را رد می‌کنند

Answer

چون single-leader اصلاً از replication log استفاده نمی‌کند

Answer

چون multi-leader فقط برای داده‌های read-only است