大数据平台数仓面试提纲

1、数仓架构
拿一个你最近的项目举例，具体说下一个数仓建设的过程及注意点。（也可以放在第5在问里）
互联网数仓与传统行业数仓有什么不同？是什么引起他们之间的不同
分层、数仓主题划分的标准和依据？
数据建模（维度、范式、宽表），缓慢变化维如何处理？几种方式？ 
宽表通常包含哪些字段信息？
事实表有哪几类?事务事实表、周期快照事实表、累积快照事实表。
范式模型具体哪几个主题？
维表与代码表？区别和联系？

打点 accesslog 数据如何处理，如何进模型及各层？
数据质量治理、元数据管理方面的经验。
数仓存在的意义价值及分层的好处？

2、hadoop生态
hive引擎几种？
Hive支持的存储格式有：
    Text File
    SequenceFile
    RCFile
    Avro Files
    ORC Files
    Parquet
谈一下hadoop部署的过程
mr运行机制

3、hive调优
优化的方面
大表大表关联，大小表关联。
union all太多，如何加快查询速度？
数据倾斜的原因及改进处理的措施。

4、基础技术方面
shell：远程复制、本地与服务器文件传输，正则匹配
vi中，光标到快速移动到首行、行尾，整行快速复制和粘贴，查找和替换字符串
awk及sed的使用
SQL:分析函数、窗口函数（累积值如何计算？）
hive中的sql与关系型数据库中sql有哪些不同？
hive中的复杂数据类型：ARRAY、MAP、STRUCT、UNION及其使用场景。
hive里json字符串如何解析出来？
如何在mysql中进行排名？
hadoop操作：
两集群间传送文件怎么实现？distcp
上传本地文件到hdfs

使用过的数据库？
开发语言？

5、对业务的关注
拿一个你最近的项目举例，具体说下一个数仓建设的过程及注意点。（1中没提就放在这里问）
（重点考察细节，在项目中承担的角色、数据主题如何划分、共分几层、对于具体维度和事实的处理，以及具体的技术实现）
数据应用：
用户标签体系
消息推送
用户拉新效果评估
漏斗分析

6、延展
数据湖、主数据、dv建模、算法、数据挖掘、人工智能、实时计算
hbase、impala、kafka、tableau、ES、mongoDb、GP

7、发散问题
工作中自已的最擅长的和最不擅长最需要改进的地方
说一下自己在工作或项目中遇到的一个最大（印象深刻）的困难，及其最终解决的过程
最近看的一些书及关注的技术，自己职业规划

8、review简历，找重点、亮点复核