数仓 面试题（离线）实战解答

无意间翻到以前的数仓面试题，今天把它整理出来，方便你我他。

数仓分层:

为什么要对数仓进行分层?

1、说说对数据仓库的理解

数据仓库是面向主题进行组织的，数据是集成的、不可更新的、随时间变化的的。

数据仓库经历了这样三个阶段：简单报表阶段、数据集市阶段、数据仓库阶段。

2、数据库和数据仓库的区别

数据库：是一种逻辑概念，用来存放数据的仓库，通过数据库软件来实现。数据库由很多表组成，表是二维的，一张表里可以有很多字段。

数据仓库：是数据库概念的升级。从逻辑上理解，数据库和数据仓库没有区别，都是通过数据库软件实现存放数据的地方，但是从数据量来讲数据仓库比数据库更庞大些。数据仓库的主要作用用于数据挖掘、数据分析，辅助领导来做决策的。

区别：实际上二者之间讲的是OLTP和OLAP

操作型处理 OLTP：它是针对具体业务在数据库联机的日常操作，通常对少数记录进行查询、修改。
分析型处理 OLAP：一般针对某些主题的历史数据进行分析，支持管理决策。

3、为什么叫星型模型和雪花模型

星型模型是：多维表的数据关系，它由一个事实表和一组维表组成，每个维作为主键

雪花模型是：当一个或多个维没有直接连接到事实表上，而是通过其他维表连接到事实表上的时候，其图解就像雪花模型连接在一起、

使用场景：
雪花模型使得维度分析更加容易，比如“针对特定的广告主，有哪些客户或者公司是在线的?”
星形模型用来做指标分析更适合，比如“给定的一个客户他们的收入是多少?”

4、星型模型和雪花模型各自的优点

一待思考的。。。。

5、什么是缓慢变化维

缓慢变化维
1.缓慢变化维在数据仓库中，有个概念叫缓慢变化维，经常简写为SCD，
2.缓慢变化维的提出是因为现实世界中，维度的属性并不是静态的，它会随时间的流失发生缓慢的变化。
这种随着时间变化的我们称之为缓慢变化维。。。

6、如果现在有一千张表从一个库到另外一个库的ODS层，你会怎么做？

利用消息队列做数据订阅发布（）

7、‘2019-04-12’ 取 周几

weekofyear

8、数仓三层架构，具体每层作用

1：数据访问层：主要是对非原始数据（数据库或者文本文件等存放数据的形式）的操作层，而不是指原始数据，也就是说，是对数据库的操作，而不是数据，具体为业务逻辑层或表示层提供数据服务。
2：业务逻辑层：主要是针对具体的问题的操作，也可以理解成对数据层的操作，对数据业务逻辑处理，如果说数据层是积木，那逻辑层就是对这些积木的搭建。
3：界面层：主要表示WEB方式，也可以表示成WINFORM方式，WEB方式也可以表现成：aspx，如果逻辑层相当强大和完善，无论表现层如何定义和更改，逻辑层都能完善地提供服务。

9、拉链表知道么？

拉链表就是随着时间变迁产生历史数据。

拉链表的含义：就是记录历史。记录一个事务从开始一直到当前状态的所有变化信息。

10、in exists 的区别 not in 和 not exists的区别

in 是一个集合运算符.
a in {a,c,d,s,d…}
这个运算中,前面是一个元素,后面是一个集合,集合中的元素类型是和前面的元素一样的.
而exists是一个存在判断,如果后面的查询中有结果,则exists为真,否则为假.
——————————————————
not in 和not exists如果查询语句使用了not in 那么内外表都进行全表扫描，没有用到索引；
而not extsts 的子查询依然能用到表上的索引。所以无论那个表大，用not exists都比not in要快。

总之：

尽量使用not exist ，避免使用not exist

not in 会默认调用子查询

not exist 会调用关联子查询

11、增量处理的时候，源数据库删除的数据是怎么处理

– 谁知道的话，回复下，这个问题，多谢。。。
 
zhì zhī sǐ dì ér hòu shēng
置 之 死 地 而 后 生

【转载注明出处，尊重原创 】

 

【作者水平有限，如有错误欢迎指正 .】