1. 岗位能力画像与简历优化模板
本章聚焦DBA岗位的硬核能力与简历表达技巧。通过能力画像拆解面试官的隐性期待，并给出可复用的简历结构、关键词清单与量化句式，让你从海量候选人中脱颖而出。
📌 DBA能力画像维度速查表
| 能力维度 | 核心要求 | 简历关键词 | 量化示例 |
|---|---|---|---|
| 数据库内核原理 | MVCC、锁机制、日志系统 | InnoDB、undo/redo、隔离级别 | 诊断死锁频率降低70% |
| SQL优化与调优 | 执行计划、索引策略 | explain、覆盖索引、慢查询 | 查询耗时从4.2s降至120ms |
| 高可用架构设计 | 主从复制、故障切换 | MHA、Orchestrator、RTO/RPO | 实现RTO<30s，RPO=0 |
| 运维自动化实战 | 备份恢复、监控告警 | xtrabackup、Prometheus、Ansible | 备份耗时缩减85% |
| 业务理解与沟通 | 架构评审、故障复盘 | 技术方案、跨部门协作 | 主导3次大促压测 |
🎤 面试问答 · 岗位画像与简历优化
Q1：请描述你在数据库性能调优方面的典型经验。
面试官考察点：是否具备系统性调优思维（从监控→定位→优化→验证），而非只懂单个优化手段。
回答框架： STAR法则 + 核心指标对比。
示例回答：“某电商订单库日均慢查询200+，我通过Prometheus+slow log定位到索引缺失与SQL改写，对TOP3 SQL增加联合索引并优化分页逻辑，最终慢查询降至0，接口P99从3.2s降至380ms。”
可能追问：你怎么区分全表扫描和索引回表的影响？当时为什么不选缓存方案？
⚠️ 避坑：不要只讲工具不讲效果；避免“用了索引就快了”这种模糊描述。
Q2：你的简历中写着“优化SQL使查询效率提升80%”，能具体说明吗？
面试官考察点：验证量化成果的真实性、优化边界感、是否了解底层原理。
回答框架： 优化前基准 → 根因 → 具体操作 → 优化后数据 → 收益泛化。
示例回答：“优化前某报表SQL耗时8.2s，explain发现全表扫描+排序。添加合适索引后降至1.6s（提升80%），但进一步分析业务可接受1.5s以下，因此未继续深挖。同时将该索引策略输出为规范文档。”
可能追问：如果加了索引后写入变慢怎么权衡？这个索引是否覆盖了所有查询条件？
⚠️ 避坑：不要夸大提升倍数；主动说明未过度优化，体现成本意识。
Q3：你会如何设计一份高可用的MySQL架构？
面试官考察点：架构经验、容灾意识、RTO/RPO理解、是否有落地细节。
回答框架： 业务场景 → 架构方案 → 关键指标 → 演练验证。
示例回答：“核心业务采用1主2从+半同步复制，搭配Orchestrator自动故障切换；备份采用xtrabackup每日全量+binlog增量，RPO控制在5分钟内。每季度进行混沌工程演练，最近一次主库宕机切换耗时28s。”
可能追问：半同步复制在极端情况下丢失数据的概率？如何避免脑裂？
⚠️ 避坑：不要只说“搭建主从”，要包括故障转移、监控、备份恢复的完整闭环。
💡 简历优化关键提醒
- 关键词清单：InnoDB、MVCC、死锁、主从延迟、分库分表、ShardingSphere、慢查询治理、备份恢复、RTO/RPO、混沌工程。
- 成果量化句式：
「耗时从X降至Y，提升Z%」
「覆盖N个核心库，T次大促0故障」
「自动化脚本替代M台DBA人肉操作」 - 简历结构建议：个人信息 → 技术栈 → 项目经验（STAR格式） → 个人亮点（开源/博客/专利）。