ETL工程师真实面试题（含详细接地气答案）.docxVIP

ETL工程师真实面试题（含详细接地气答案）

一、基础理论核心题（必问）

1、简单说下你理解的ETL，以及和ELT的区别？

参考答案：

ETL就是数据抽取、转换、加载，是传统数仓的核心流程。

E（Extract抽取）：从业务数据库、日志、接口、文件等各类源系统把原始数据拉出来；

T（Transform转换）：这是最核心的步骤，包括清洗脏数据、去重、字段映射、格式统一、关联计算、维度补全、分层加工等；

L（Load加载）：把处理好的规整数据，写入数仓、数据集市、业务库、报表库等目标存储。

ELT是现在大数据场景更常用的模式，和ETL最大的区别是：先加载、后转换。

传统ETL转换在工具端完成，对服务器性能要求高，适合小数据量、结构化数据；ELT是先把原始数据全量同步到大数据仓库（Hive、Snowflake等），后续所有清洗、计算、转换都在数仓内部通过SQL完成，架构更轻便，适配海量数据，也是目前企业主流用法。

2、ETL开发中，常见的脏数据有哪些？你怎么处理？

参考答案：

工作中最常见的脏数据有6类，我都是根据业务场景针对性处理：

1）空值、空字符串：比如用户姓名、手机号为空，金额为null。维度字段空值统一替换成“未知”，度量值空值替换为0，避免计算报错；

2）重复数据：单条数据完全重复，或者唯一主键重复。根据业务保留最新一条，其余删除，日常会加主键去重逻辑；

3）格式不统一：比如