简介：《DCA考试题库.doc》是一份面向达梦数据库DCA认证备考者的题库资料，内容紧扣认证大纲，适合数据库管理员、运维人员及准备考取DCA证书的读者用于自测与知识梳理。文档共1个doc文件，约318KB，以选择题形式系统覆盖第一章「达梦数据库简介」和第二章「安装及卸载DM软件」的核心考点，包括数据库三大构造、内存缓冲区与共享内存池的作用、线程类型及启动时机、日志与文件管理、SYSTEM数据库、段簇页关系、物理与逻辑构造区分，以及DBA职责、DM常用工具、主备方案与集群基础概念等。目前已有98人浏览/学习。通过反复练习这些题目，可帮助读者快速掌握达梦数据库的体系结构、日常管理和安装卸载流程，同时检验对关键知识点的理解程度，作为备考冲刺或上岗前查漏补缺的实用参考资料。
1. 别急着背“DCA考试题库.doc”里的答案，先搞懂它该用来干什么
“DCA考试题库.doc”这个文件，拿到手的人第一反应往往是打开、往下翻、开始背题。但DCA（Docker Certified Associate）考试和学校里的期末考不一样，题干很少直白地问“下面哪个命令正确”，而是给你一段现场描述——“某容器启动后立即退出，日志里报权限错误”，这时候让你选。题库里真正值钱的不是答案，是每条答案背后的判断链。把它当背诵材料，你会觉得够用，考试时换个问法就翻车；把它当“诊断清单”来用，一道题就能带出一串命令、参数和排错动作。这篇文章写给两类人：准备报名但只有一份题库文档的考生，以及想借考证把Docker和Kubernetes操作体系捋一遍的在职运维、开发。
2. 先给题库建索引：把DCA题目按知识域和难度分桶
一份真实的doc题库，打开以后通常是几百行“题干 + A/B/C/D + 答案”，格式千篇一律，但难度分布很不均匀。如果你从头到尾按顺序刷，前二十题也许是镜像命令入门，后二十题突然全是Kubernetes编排场景，刷到一半容易产生“我好像都会”的错觉。等上了考场，大部分题目反而集中在编排和故障排查上。所以正确做法不是开始背题，而是先给题库做一次结构化归类。
2.1 DCA备考中常见的四个知识域与复习权重
DCA的知识体系经历过若干次调整，但无论怎么调，出题范围基本落在这四个域里：容器编排、镜像与运行时、网络与存储、安全与排错。我在准备过程中，习惯先把题库里的每道题归档到其中一个域，再按命中数量分配时间。这样既不会漏掉低频考点，也能保证高频知识域被练到肌肉记忆。
| 知识域 | 常见题目动作 | 刷题时关注点 | 我建议的投入 |
|---|---|---|---|
| 容器编排 | kubectl 创建/调度/排查、service 暴露 | 能否复述完整命令而不是只认选项 | 40% |
| 镜像与运行时 | docker build/run/exec、Dockerfile 编写 | 参数边界、镜像分层概念 | 20% |
| 网络与存储 | --network、-v/--mount、overlay 网络 | 什么场景用哪个参数 | 20% |
| 安全与排错 | 权限、证书、日志、restart policy | 故障现象对应哪条排查命令 | 20% |
这个表不是官方考纲配比，而是我根据题库里的题目密度做的经验分配，你可以按自己的题库重新算。核心原则只有一个：不要均匀用力，花半小时统计题库里哪个知识域题目最多，就把最多的复习时间堆到那里。题库的价值这时第一次体现出来——它本身就是最靠谱的考点热力图。
2.2 在Excel里给题目打双标签：domain + confidence
归档一个项目，就要先有字段。我会在Word里把题库另存为纯文本，再把题目粘进Excel，新增两列：知识域、置信度。知识域用公式判，置信度手动标。
Excel公式这样写，假设题干在A列：
=IF(ISNUMBER(SEARCH("kubectl",A2)),"编排",IF(ISNUMBER(SEARCH("docker run",A2)),"运行时",IF(ISNUMBER(SEARCH("docker volume",A2)),"存储",IF(ISNUMBER(SEARCH("docker logs",A2)),"排错","待定"))))这个公式的匹配优先级从上到下，先用最独特的命令词定位域。匹配不到的统一标记为“待定”，后续再人工判断。“待定”比例如果超过20%，说明题库里有很多综合题，单独一个命令词定不了位，那就需要再把题干里第二关键词写进公式。用公式而不是肉眼一条条分，好处是题目条数多时不累，而且以后新增题目可以直接复用。
置信度这一列我建议手动打，因为只有你自己知道哪些题是蒙的。标准就三档：1是完全没见过，2是犹豫但选对了，3是秒答且能讲清每个干扰项为什么错。这张带着“domain + confidence”的Excel表，就是后面刷题系统的数据底座。
2.3 批量清洗doc题目的命令：从Word行尾到结构化文本
直接用复制粘贴把doc内容搬进Excel，通常会遇到一个老熟人：选项和题干挤在同一行、换行符混乱、表格变成大段文本。常见做法是先用LibreOffice做一次无头转换，把.doc转成无人机可读的CSV，再导入Excel处理。
mkdir -p dca_work libreoffice --headless --convert-to csv:Text --outdir dca_work DCA考试题库.doc这条命令把“DCA考试题库.doc”转成dca_work目录下的CSV文件。参数csv:Text表示导出时使用纯文本CSV过滤器，--outdir指定输出目录，避免转换后的文件覆盖原文件。注意centOS系装的是LibreOffice，Debian系可能要用libreoffice-writer包，转换前先确认命令存在，否则会报“未知选项”错误。
转出来的CSV里，题目编号、题干、选项可能仍混在一个单元格里。这一步不做完美清洗，只需要保证每道题占一行。真正的清洗在Excel里用分列和查找替换完成，比如把“A.”统一替换成“|A.”，再按“|”分列。整个过程大约半小时，做完后你就拥有了一张可以排序、筛选、统计的DCA题库主表，比守着Word文档翻翻找找节省大量时间。
3. 三遍刷题法：把DCA题库变成能统计收敛的错题系统
题库整理好以后，下一步是定刷题策略。单纯从头到尾看完所有题，效率极低；看完后感觉都会，合上文档又全忘。我常用的方法是三遍刷题法：第一遍标置信度，第二遍只刷低置信度题，第三遍按知识域权重模拟考。三遍的目标不一样，越往后越接近真实考试的决策压力。
3.1 第一遍快速过题：只标“置信度”不背答案
第一遍不要求记住任何答案，要求每题只做一次判断：这题我到底会不会。遇到会的，直接选答案，对一下解析，确认自己的思路没问题；遇到犹豫或不会的，不看五分钟解析，而是先凭直觉选一个，再标1分或2分。
这个过程的价值在于建立真实的认知基线。人脑很容易被“看答案后觉得简单”欺骗，所以第一遍必须把看解析和打分分开：先写自己认为的答案，再对答案，最后标置信度。置信度低的题就是你的盲区集合，它们是第二遍刷题的主体。第一遍速度要快，每小时能过60到80道题，连续刷两天，把整体分布摸清。
不要在第一遍就把所有解析抄到笔记本上，那是在重复制作一遍题库。真正需要抄下来的，只有那些“我错得莫名其妙”的题，这类题通常隐藏着理解偏差，值得单独收集。
3.2 第二遍只刷低置信度题：一个Python脚本维护错题本
第二遍开始前，把Excel另存为dca_tags.csv，里面至少要包含四列：question、answer、domain、confidence。然后写一个简单脚本，从低置信度题目里随机抽题，答错的自动追加进错题文件。
import csv import random with open('dca_tags.csv', encoding='utf-8') as f: questions = list(csv.DictReader(f)) def build_drill(threshold=2, size=15): low_conf = [q for q in questions if int(q.get('confidence', 3)) <= threshold] picked = random.sample(low_conf, min(size, len(low_conf))) wrong = [] for i, q in enumerate(picked, 1): print(f"[{i}/{len(picked)}] {q['question']}") ans = input("你的答案: ").strip() if ans != q['answer']: print("错误，正确答案是:", q['answer']) wrong.append(q) print(f"本次抽查 {len(picked)} 题，错 {len(wrong)} 题") return wrong wrong = build_drill() with open('wrong.csv', 'a', encoding='utf-8') as f: w = csv.DictWriter(f, fieldnames=questions[0].keys()) w.writerows(wrong)脚本里threshold=2意味着只取置信度小于等于2的题，包括完全不会和犹豫的题。size=15控制每次抽查数量，建议每次控制在15到25题，保证做题质量而不是数量。输入答案时，脚本只做严格字符串匹配，所以题库清洗时最好把答案统一成“A”或“B”这种单字符，避免大小写和空格干扰。答错的题不会在一次session里重复出现，而是被追加进wrong.csv，成为下一轮的复习资源。
这个脚本有一个很关键的边界：它没有做去重。同一天重复跑几次build_drill，可能抽出相同的题，因为random.sample每次都是独立随机。如果想要避免重复，可以把已抽过的题目ID存成一个名单，抽取时先过滤。但对于第二遍刷题，少量重复反而有助于记忆巩固，不必过度设计。
3.3 第三遍模拟考：按知识域权重抽题并记录耗时
第三遍的目的是模拟考场压力，不是再学新知识。这时的抽题不能只看置信度，还要按知识域权重来，比如编排题占40%，运行时占20%。这样模拟出来的卷子才接近真实考试分布，避免整套题净是简单题。
from collections import defaultdict by_domain = defaultdict(list) for q in questions: by_domain[q['domain']].append(q) def build_paper_with_weights(domain_weights, total=30): paper = [] for domain, weight in domain_weights.items(): pool = by_domain.get(domain, []) n = round(total * weight) paper.extend(random.sample(pool, min(n, len(pool)))) random.shuffle(paper) return paper domain_weights = {"编排": 0.4, "运行时": 0.2, "存储": 0.2, "排错": 0.2} paper = build_paper_with_weights(domain_weights)这段代码里的domain_weights必须和前面Excel分桶时用到的知识域名称完全一致，否则by_domain里取不到数据。total=30表示整套模拟卷30题，你可以按自己可用时间调节。需要注意round(total * weight)在权重加总略小于1时会少抽题，比如300.4=12、300.2=6、另两个也是6，合计30，刚刚好；如果权重设成0.35这种，就会产生取整误差，建议权重保留两位小数且总和等于1。
模拟考必须卡时间。一套30题的模拟卷，我一般要求自己在35到40分钟内完成，留出15分钟检查多选题和场景题。做完后不只对答案，还要统计：哪个知识域错得最多，哪类题耗时最长。如果第三次模拟考依然是同一个知识域在错，说明题量不够，回到第二遍把该域的置信度1、2分题再刷一轮。这三遍走完，你的错题本应该越来越薄，wrong.csv里剩余的就是最后的背诵清单，也最值得考前一夜翻。
4. 抓住DCA题库里的两类题型的得分点：多选题不贪，场景题不猜
DCA的实际考试里，题型主要分单题和多选题，题干则普遍是场景化的。题库里的题目往往把场景压缩在一两句话里，考试时场景会更长、条件更杂。理解这两种题型各自的得分逻辑，比多刷二十道题更有用。
4.1 多选题：对Docker/K8s的“或逻辑”要克制
多选题是题库里最容易失分的题，因为它的判定方式经常是“少选错选都扣分”，而不是“选对就给分”。我见过不少复习得很努力的人，栽在多选题上，原因是他们把题库里的多选答案当成“知识清单”来背，却没有意识到考试中的多选干扰项往往只在细节上做文章。
细想一下：题干问“以下哪些命令可以查看容器日志”，选项里“docker logs container”和“docker logs -f container”都是对的，但“docker attach container”只有在特定交互场景下才能看到输出，不能当作通用日志查看命令，于是它成了伪装成正确选项的干扰项。应对多选题的第一原则是克制：拿不准的选项宁可不选，也别贪多。因为少选一个可能扣一半分，多选一个错误选项可能直接扣全部分数。
处理题库中的多选解析时，不要只记“正确答案是ABD”，而是把每个选项单独判断一次，写一行注释“为什么C不对”。这个过程比较累，但能把一道多选题的收益放大三倍。时间有限的情况下，优先整理那些“三个选项都对、只有一个错”的多选题，这种题正是DCA考官的偏好。
4.2 场景题：看到“排查”“无法启动”“权限拒绝”就往命令上走
场景题的题干往往像一个小型工单：“某Kubernetes节点上的Pod反复重启，kubectl describe显示Back-off restarting failed container，你需要做什么？”这时选项里不会直接给“kubectl logs”，而是给几个近似的动作。你如果只看题目是否眼熟，很容易选错。
我的习惯是读场景题时顺手在草稿纸上写下会出现哪些命令，再回头套选项。题干说“容器启动后立即退出”，脑海中就要自动弹出docker ps -a、docker logs、docker inspect这套排查链；题干说“Kubernetes Service访问不通”，就要先想到kubectl get endpoints、kubectl get svc、kubectl describe pod。题库里大量场景题的解析都遵循这个套路，你只需要在刷题时主动把“题干关键词”和“命令键”绑定起来。
另外，场景题的迷惑选项经常是把正确命令的参数写错。比如把“docker run --rm”写成“docker run --remove”，把“kubectl get events --sort-by=.lastTimestamp”写成“kubectl get events --sort”。这些细微差别只能靠对命令本身的熟悉来识别，背答案解决不了。所以做题过程中凡是碰到自己不确定的命令，我会在本地敲一遍，把输出截图存进错题本，复习时看截图比看文字印象深。
4.3 高频命令速查表：解析里反复出现的命令
刷题到后期，可以把题库解析里出现频率最高的命令整理成一张速查表，贴在自己能看见的地方。注意，这份表只用来检索和核对，不是用来背的；考试时真正需要的，是你已经通过敲命令形成了手部记忆。
| 命令 | 作用 | 常见干扰写法 |
|---|---|---|
| docker ps -a | 查看所有容器含退出状态 | docker ps缺省只看运行中 |
| docker logs --tail 100 | 查看最近日志 | 漏写--tail只看全部 |
| docker inspect --format '{{.State.Status}}' | 结构化查看状态 | 只写docker inspect，输出太长 |
| kubectl describe pod | 查看Pod事件 | kubectl inspect不存在 |
| kubectl get events --sort-by=.lastTimestamp | 按时间排事件 | 拼成--sort-by=timestamp |
| kubectl logs deployment/ | 查看Deployment日志 | 写错资源类型 |
| docker volume ls | 列出卷 | docker volume list同样有效但少见 |
| docker network create --driver overlay net1 | 创建overlay网络 | 漏定义driver导致跨节点不通 |
这些命令在题库解析里反复出现，不是因为它们多难，而是因为它们几乎覆盖了DCA日常排错的标准路径。速查表放到最后复习阶段时，标准应该是：看到一个命令，能说出它的常用参数、默认行为、以及至少一个使用场景。做不到，就回到模拟考里抽相关题目。
5. DCA题库复习常见问题：五个真实翻车点与排查思路
刷题这件事本身没有太多技术含量，但翻车的姿势却出奇一致。以下五条是我在实际复习和带朋友备考过程中反复遇到的坑，每一条都对应具体的现象、原因和解决步骤。
5.1 题库版本和考试平台脱节
现象：复习时没有见过某个命令，考试时却出现在题目里，尤其是kubectl的不少子命令在旧题库里根本没有。原因：DCA考察内容随着Docker和Kubernetes版本更新，一份两年前的题库可能还停留在旧命令写法上。解决：拿到题库之后先看里面出现的命令所属的版本范围，再用当前主流版本环境把命令逐一跑一遍；凡是本地执行报“unknown command”的，立刻查官方文档，不要怀疑自己环境装错。
5.2 背住了答案顺序，换选项顺序就废了
现象：题库里明明是“选B”，考试时同样的题干但四个选项顺序打乱，考生仍然按B去选，结果选了个干扰项。原因：只记答案位置，没读句子内容，这是背题复习法最典型的后遗症。解决：第一遍刷题时就把每一道题的正确答案“翻译”成自己的话写在一侧，比如“这题选docker logs --tail 100，因为要看崩溃前的日志”。复习时遮住答案只读自己的话，判断是否仍然成立。
5.3 在Windows或Mac上刷题练命令，考试环境是Linux
现象：本地用Docker Desktop跑得很顺，考试里明明是类似题目，却出现文件权限、挂载路径、网络冲突的细微差异，导致判断失误。原因：容器技术在不同平台上的默认行为有区别，比如Docker Desktop的宿主机路径和Linux虚拟机路径不一致。解决：把题库里涉及挂载、网络、权限的题目挑出来，专门找一台Linux机器或云主机复现一遍。不要在本机图省事，考试环境默认不会给你Windows便利。
5.4 刷题不卡时间，考场上时间崩盘
现象：平时每道题都能慢慢推敲，正确率不错；一到模拟考或真实考场上，后半程出现大量时间不够，多选题被迫乱选。原因：复习过程没有建立时间感知。解决：从第三遍模拟考开始，用手机倒计时替代“心里有数”。每个知识域给自己定死时间，比如编排题每题最多90秒，超过先标记跳过。考场上宁可留几道没做的题，也不能让做过的题因慌乱答错。
5.5 忽略了题干末句的限定条件
现象：题目讨论“持久化存储”，四个选项涉及volume、环境变量、镜像tag、仓库地址，有人选了镜像tag的选项，得分惨败。原因：场景题的关键信息往往藏在最后一句，比如“容器重启后数据仍要保留”，这时候其他领域的选项就已经是干扰项了。解决：每次读场景题先读末句，再回读题干背景。我在刷题时会故意把题末的限定条件用荧光笔标记出来，复习错题时第一眼就看这里，避免只盯着命令匹配。
6. 题库之外的最后一步：把错题还原成最小可复现实验
题库刷到最后，剩下的问题不再是“选哪个”，而是“这个命令在我的环境里到底输出什么”。与其对着解析反复猜，不如把每道反复错的场景题变成一个小实验，直接在本地容器环境里跑一遍。这一步做完，原本模糊的记忆才会变成实操经验。
6.1 用一组命令搭建可重复的本地验证环境
我常用的做法是准备一台Linux虚拟机，装好Docker和kubectl，再准备一个通用实验脚本。这个脚本只做一件事：确认环境可用，然后启动一个带体积标记的测试容器，方便各类场景题在上面复现。
set -e docker info >/dev/null 2>&1 || { echo "docker 不可用"; exit 1; } kubectl version --client >/dev/null 2>&1 || echo "kubectl 未安装" docker run -d --name dca-lab --restart=on-failure:3 nginx:alpine docker inspect dca-lab --format '{{.State.Status}} {{.HostConfig.RestartPolicy.Name}}' docker rm -f dca-lab >/dev/null脚本里的set -e保证任何一条命令失败就立即停止，避免后续排查基于一个已经坏掉的环境。docker run指定--restart=on-failure:3，是为了复现“容器反复重启”的排错题；docker inspect加上--format只取自己关心的字段，这也是考试里非常高频的用法。每次做完实验就docker rm -f清理掉，保持环境干净，下一道题可以直接复用。
6.2 把每一道场景题改成“实验验收条件”
具体操作是，把题库里的场景题转换成一句可执行的话，比如题目问“如何在容器内部确认nginx进程运行”，就在实验环境里docker exec dca-lab ps aux，然后对比输出和题目的解析。这样做的好处是，一道题从“我在四个选项里猜一个”变成了“我看命令输出判断一个”，两者在真实考试中几乎等价。
我自己的做法是每周抽一个下午，把错题本里的十道场景题逐一跑一遍实验，并把关键输出截图保存。等到考前最后两天，不看题库，只看这些截图和注释。这个习惯帮我避免了不少“背了答案却不知道命令长什么样”的尴尬。如果你手头正好有这份题库，不妨从第一道标了置信度1分的题开始，敲一次命令，你会觉得之前刷题都是在隔靴搔痒。希望这些方法对你有帮助，也希望你能少走我当年走过的弯路。
本文还有配套的精品资源，点击获取
分析的可验证能力闭环)
