数仓面试题及答案.docxVIP

数仓面试题及答案

什么是数据仓库？它有哪些主要特点？

答案：数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，主要用于支持企业的管理决策。其特点如下：面向主题，数据围绕企业关键主题（如客户、产品、销售等）组织；集成性，数据来自多个数据源，经抽取、清洗、转换后集成；相对稳定性，数据进入后一般不修改，主要用于查询分析；反映历史变化，存储不同时间点数据，便于分析趋势。

数据仓库的分层架构通常包含哪些层？各层的作用是什么？

答案：一般包含ODS、DWD、DWS、ADS层。ODS层（操作数据存储层）：接收和存储原始数据，做简单清洗，保留原始特征，为后续处理提供基础；DWD层（数据明细层）：对ODS层数据细致清洗、转换和关联，形成明细数据，为上层提供干净的基础数据；DWS层（数据汇总层）：对DWD层数据汇总，方便后续查询分析，提高查询效率；ADS层（应用数据层）：直接为前端应用提供数据支持，满足具体业务查询和展示需求。

星型模型和雪花模型有什么区别？分别适用于什么场景？

答案：区别：星型模型有一个事实表，周围围绕多个维度表，维度表互不关联；雪花模型的维度表会进一步细化，形成多层关联。适用场景：星型模型适合查询频繁、对性能要求高的场景；雪花模型适合维度属性多、需要更细致分析的场景。

什么是ETL？它包含哪几个步骤？

答案：ETL是抽取（Extract）、转换（Transform）、加载（Load）的缩写，是数据仓库构建的重要过程。抽取：从数据源获取数据；转换：对数据进行清洗、转换、集成等处理，使其符合数据仓库要求；加载：将处理后的数据加载到数据仓库中。

在ETL过程中，遇到数据质量问题（如数据缺失、重复、不一致等），你会怎么处理？

答案：对于数据缺失，若为关键字段，可尝试从其他数据源补充，或与业务方确认默认值；非关键字段可标记缺失后保留。数据重复时，通过唯一标识去重，或根据业务规则保留最新/有效数据。数据不一致，需核对数据源，与业务方确认正确标准，按标准转换统一。

星型模型和雪花模型在实际应用中，你会如何选择？

答案：若业务查询频繁，对性能要求高，且维度属性不复杂，选星型模型，能减少关联查询，提升效率。若维度属性多，需要更深入细致分析，且对查询性能要求不是特别苛刻，可考虑雪花模型，它能更好地组织细化的维度数据。

数据仓库中常用的优化方法有哪些？

答案：有索引优化、SQL语句优化、分区表优化等。索引可提高查询速度，但会增加插入、更新时间，需合理设计。SQL语句优化可通过合理使用查询条件、避免全表扫描等提升性能。分区表将大表分成小表，提高查询和维护效率。

什么是事实表和维度表？它们的作用分别是什么？

答案：事实表是存储业务度量数据的表，包含与业务过程相关的数值型指标，以及与维度表关联的外键。作用是记录业务发生的具体数据，是分析的核心。维度表是存储描述性信息的表，用于描述事实表中的度量数据。作用是为事实表提供上下文，方便从不同角度分析数据。

在数据仓库建设中，如何保证数据的一致性？

答案：首先建立统一的数据标准，包括数据定义、格式、编码等。其次在ETL过程中，严格按照标准进行数据转换和清洗，确保不同数据源的数据统一。另外，建立数据血缘追踪，明确数据的来源和处理过程，便于排查不一致问题。同时，定期进行数据校验和审计，及时发现并解决一致性问题。

你在之前的工作中，有没有遇到过数据仓库性能瓶颈的问题？是如何解决的？

答案：遇到过。曾出现查询速度慢的问题，经分析发现是某张大表未做分区，且查询时未合理使用索引。解决方法是对该表进行分区，根据业务特点按时间分区；同时，为常用查询字段建立合适的索引。优化后，查询速度提升了约60%。