数据仓库面试题及答案（实战版）.docxVIP

数据仓库面试题及答案（实战版）

一、基础概念题（入门必问）

问题：请用通俗的语言解释数据仓库和数据库的核心区别，以及各自的应用场景？

答案：数据库是“业务库”，核心是支持日常业务操作（比如电商下单、银行转账），追求并发、实时性和数据一致性，数据是“动态的”（频繁增删改）；数据仓库是“分析库”，核心是整合多个业务库的数据，做统计分析、决策支持（比如月度销售报表、用户行为分析），数据是“静态的”（主要是查询和加载，几乎不删改）。简单说：数据库管“当下做事”，数据仓库管“回头看总结”。

问题：什么是事实表和维度表？请举一个电商场景的例子说明。

答案：事实表是“存业务指标的表”，核心是可量化的数值（比如销售额、订单量）和关联维度的主键，数据量大、更新频繁；维度表是“存描述信息的表”，核心是对业务场景的分类描述（比如用户、商品、时间），数据量小、更新慢，用于过滤和分组。

例子：电商的“订单事实表”（含订单ID、用户ID、商品ID、下单时间ID、支付金额、购买数量），关联的维度表有“用户维度表”（用户ID、姓名、地区、注册时间）、“商品维度表”（商品ID、品类、价格、品牌）、“时间维度表”（时间ID、年、月、日、星期）。

问题：数据仓库的分层架构（ODS、DW、DM）分别是什么意思？为什么要分层？

答案：分层核心是“解耦、复用、易维护”，三层架构分工明确：

ODS层（操作数据存储层）：直接同步业务库的原始数据，不做过多清洗，保留数据原貌（比如同步电商订单表的原始数据，包括删除标记、临时字段），相当于“数据中转站”；

DW层（数据仓库层）：核心分层，对ODS数据做清洗（去重、补缺失值）、整合（关联多表）、转换（计算指标），按主题划分（比如用户主题、订单主题），是后续分析的“数据底座”；

DM层（数据集市层）：面向具体业务场景的汇总数据（比如运营报表、大屏数据），是DW层数据的“子集”，直接给业务人员或应用使用，查询效率高。

分层原因：避免重复加工（比如多个报表共用DW层数据）、方便问题定位（比如数据错误可逐层排查）、支持灵活扩展（新增报表只需从DW层加工）。

二、建模相关题（核心考察点）

问题：星型模型和雪花模型的区别是什么？实际工作中更倾向用哪种？为什么？

答案：核心区别在维度表的关联方式：

星型模型：事实表在中心，所有维度表直接关联事实表，维度表不相互关联（维度表是“扁平化”的，比如商品维度表直接包含品牌、品类信息，不单独建品牌表）；

雪花模型：维度表会进一步拆分（标准化），多个维度表之间可能存在关联（比如商品维度表关联品牌维度表、品类维度表，品牌和品类单独建表）。

实际工作中更倾向星型模型，原因：查询效率高（关联表少，避免多表嵌套查询）、维护简单（维度表扁平化，无需关注维度间的关联逻辑）、业务理解成本低（符合业务人员的认知习惯，比如查商品数据直接从商品表获取所有信息）。雪花模型虽节省存储（减少数据冗余），但查询复杂、性能差，仅在存储资源极度紧张或维度层级极多（比如地域维度：国家-省-市-区-街道，且各层级需单独维护）时少量使用。

问题：什么是缓慢变化维度（SCD）？常见的SCD处理方式有哪几种？分别适用什么场景？

答案：缓慢变化维度是指维度表中的数据不是频繁变化，而是“缓慢、不定期”变化的（比如用户的地址、商品的分类、员工的部门），核心是如何记录维度数据的历史变化，保证分析结果的准确性（比如要查“去年某用户下单时的地址”，就需要保留历史地址信息）。

常见处理方式及场景：

SCD1（覆盖更新）：直接用新数据替换旧数据，不保留历史记录；适用场景：维度变化无需追溯（比如用户的昵称，即使改了，不需要知道之前的昵称）；

SCD2（新增记录）：不修改旧数据，新增一条包含新数据的记录，用字段标记生效时间（start_date）、失效时间（end_date）、是否当前有效（is_current）；适用场景：需要完整追溯历史变化（比如用户的地址、商品的价格，要查不同时间点的状态），是实际工作中最常用的方式；

SCD3（增加新列）：在原记录中增加新列存储新数据，保留最近一次的历史值（比如原列“address”存旧地址，新增“new_address”存新地址）；适用场景：只需保留最近一次变化（比如员工的部门，只需知道“之前部门”和“当前部门”，不需要更早的历史），且变化次数少。

问题：数据建模时，如何选择粒度？粒度设计过粗或过细会有什么问题？

答案：粒度是指数据仓库中数据的“细化程度”（比如订单粒度是“每一笔订单”，还是“每天每个用户的订单汇总”），核心原则是“满足业务分析需求的最细粒度”。

粒度选择依据：业务需求（比如要分析“每笔订单的转