维度建模工程师考试试卷与答案.docVIP

维度建模工程师考试试卷与答案

一、单项选择题（每题2分，共20分）

1.维度建模中，事实表的主键是？

A.单个维度键B.多个维度键组合C.随机生成键D.业务主键

2.雪花模型和星型模型相比，特点是？

A.结构更简单B.冗余更少C.性能更好D.维护更方便

3.以下哪种数据适合存放在维度表？

A.销售金额B.销售数量C.产品名称D.订单编号

4.维度建模过程的第一步通常是？

A.确定事实B.确定维度C.设计表结构D.抽取数据

5.关于缓慢变化维，以下说法正确的是？

A.不允许数据变化B.只记录最新数据C.可记录数据历史变化D.变化时删除旧数据

6.事实表中的度量通常是？

A.文本类型B.日期类型C.数值类型D.布尔类型

7.星型模型的中心是？

A.维度表B.事实表C.汇总表D.索引表

8.维度建模主要用于？

A.OLTP系统B.OLAP系统C.数据库备份D.数据传输

9.为了提高查询性能，维度表通常需要？

A.全表扫描B.建立索引C.分区D.压缩

10.维度建模中，对数据进行预聚合的目的是？

A.减少数据量B.保证数据准确性C.提高查询速度D.便于数据更新

二、多项选择题（每题2分，共20分）

1.维度建模中的维度类型包括？

A.时间维度B.地理维度C.产品维度D.客户维度

2.以下哪些是事实表的特点？

A.包含大量事实数据B.主键由维度键组成C.数据量通常较大D.很少进行更新操作

3.星型模型的优点有？

A.结构简单易懂B.查询性能好C.易于维护D.适合大数据量

4.设计维度表时，需要考虑的因素有？

A.粒度B.键的设计C.属性选择D.数据来源

5.缓慢变化维的处理方式有？

A.直接覆盖B.新增记录C.多版本记录D.不处理

6.维度建模过程包括？

A.需求分析B.概念设计C.逻辑设计D.物理设计

7.事实表中的度量可以分为？

A.可加性度量B.半可加性度量C.不可加性度量D.随机度量

8.为了优化维度建模的性能，可以采取的措施有？

A.合理分区B.建立索引C.减少冗余D.数据压缩

9.维度表中的属性可以分为？

A.描述性属性B.层次结构属性C.码属性D.文本属性

10.维度建模与ER模型的区别在于？

A.设计目的不同B.数据结构不同C.应用场景不同D.数据处理方式不同

三、判断题（每题2分，共20分）

1.维度建模中，事实表一定在中心位置。（）

2.雪花模型比星型模型更节省存储空间。（）

3.维度表中的属性不可以更新。（）

4.事实表中的度量必须是数值类型。（）

5.星型模型适合复杂的数据分析场景。（）

6.缓慢变化维不需要处理数据变化。（）

7.维度建模只适用于关系型数据库。（）

8.设计维度表时，粒度越细越好。（）

9.事实表中的数据量通常比维度表大。（）

10.维度建模过程中不需要考虑数据仓库的性能。（）

四、简答题（每题5分，共20分）

1.简述星型模型和雪花模型的区别。

星型模型以事实表为中心，维度表直接与事实表相连，结构简单，冗余多；雪花模型对维度表进行规范化，有层级关系，冗余少，但结构复杂，查询性能相对较差。

2.什么是缓慢变化维，有哪些处理方式？

缓慢变化维指维度数据会随时间缓慢变化。处理方式有：直接覆盖（只保留最新值）、新增记录（保留历史和新值）、多版本记录（记录不同版本详细信息）。

3.简述维度建模的基本步骤。

首先进行需求分析，明确业务需求；接着确定事实和维度；然后设计事实表和维度表结构，包括粒度、键等；最后进行物理设计，考虑存储和性能优化。

4.为什么事实表中的度量通常是数值类型？

因为事实表用于存储业务事实，度量需可量化分析。数值类型便于进行求和、平均、计数等聚合操作，能更好地支持数据分析和决策，文本等其他类型难以直接用于此类分析。

五、讨论题（每题5分，共20分）

1.在大数据环境下，维度建模面临哪些挑战及应对策略？

挑战：数据量巨大，存储和性能压力大；数据类型多样，处理复杂。策略：采用分布式存储和计算框架，如Hadoop等；优化表结构设计，合理分区、分桶；利用数据压缩技术减少存储量。

2.维度建模在不同行业的应用有哪些差异？

不同行业业务需求不同。零售行业注重销售数据、商品维度；医疗行业关注患者信息、诊疗记录维度；金融行业侧重交易数据、账户维度。数据特点和分析重点不同，导致维度和事实选择、模型设计有差异。

3.如何确保维度建模的数据质量？

从数据源头抓起，规范数据采集流程。进行数据清洗，去除脏数据。建立数据校验机制，对关键维度和度量进行准确性校验。定期审计数据，检查数据一致性和完整性，及时发现和纠正问题。

4.讨论维度建模与数据挖掘的关系。

维度建模为数据挖掘提供数据基础，合理的维度建模能组织和整合数据，便于数据挖掘算法获取有效信息。数据挖掘则利用维度建模后的数据发现潜在模式和规律，二者相辅相成，维