数据仓库ETL面试题及详细实战答案（接地气版）.docxVIP

数据仓库ETL面试题及详细实战答案（接地气版）

一、ETL基础核心面试题（必问）

1、简单说下你对ETL的理解，ETL和ELT的区别是什么？

参考答案：

ETL就是数据仓库最基础的数据加工流程，分别是抽取、转换、加载。

E（Extract抽取）：从业务数据库、日志文件、接口、第三方系统等各类数据源，把原始数据同步出来，不做修改，只做采集。

T（Transform转换）：这是核心环节，对原始脏数据做清洗、去重、字段拆分、格式统一、关联补全、维度退化、指标计算等加工，把杂乱的业务数据变成规范的数仓可用数据。

L（Load加载）：把加工清洗后的标准数据，批量写入数据仓库、数据集市、报表库等目标存储。

ETL和ELT核心区别：

ETL是先转换、后加载，在同步工具、脚本层面完成数据清洗转换，再入库，传统数仓、Oracle、MySQL数仓用的多，对算力要求低，但数据处理效率慢。

ELT是先加载、后转换，先把原始脏数据全量入库到大数据引擎（Hive、Spark、Snowflake），再在仓库内做清洗转换，适配海量数据，处理速度快，是现在大数据数仓的主流方式。

2、数仓中脏数据有哪些类型？你日常怎么清洗？

参考答案：

日常工作中遇到的脏数据主要分6类，我都是针对性做清洗，不会统一粗暴删除：

1.空值/空字符串：比如用户姓名、订单金额为空。维度字段空值统一替换成“未知”，度量值空值替换为0，避免