大数据面试题_数据仓库篇

大数据面试题_数据仓库篇

离线数据仓库

1、为什么要对数据仓库分层？

1. 用空间换时间，通过大量的预处理来提升应用系统的用户体验（效率），因 此数据仓库会存在大量冗余的数据。
2. 如果不分层的话，如果源业务系统的业务规则发生变化将会影响整个数据清 洗过程，工作量巨大。
3. 通过数据分层管理可以简化数据清洗的过程，因为把原来一步的工作分到了 多个步骤去完成，相当于把一个复杂的工作拆成了多个简单的工作，把一个大的 黑盒变成了一个白盒，每一层的处理逻辑都相对简单和容易理解，这样我们比较 容易保证每一个步骤的正确性，当数据发生错误的时候，往往我们只需要局部调 整某个步骤即可。

2、数据建模用的哪些模型？

星型模型
星形模式(Star Schema)是最常用的维度建模方式。星型模式是以事实表为中心， 所有的维度表直接连接在事实表上，像星星一样。 星形模式的维度建模由一个事实表和一组维表成，且具有以下特点：
a. 维表只和事实表关联，维表之间没有关联；
b. 每个维表主键为单列，且该主键放置在事实表中，作为两边连接的外键；
c. 以事实表为核心，维表围绕核心呈星形分布；
雪花模型
雪花模式(Snowflake Schema)是对星形模式的扩展。雪花模式的维度表可以拥有 其他维度表的，虽然这种模型相比星型更规范一些，但是由于这种模型不太容易 理解，维护成本比较高，而且性能方面需要关联多层维表，性能也比星型模型要 低。所以一般不是很常用。
星座模型
星座模式是星型模式延伸而来，星型模式是基于一张事实表的，而星座模式是基 于多张事实表的，而且共享维度信息。前面介绍的两种维度建模方法都是多维表 对应单事实表，但在很多时候维度空间内的事实表不止一个，而一个维表也可能 被多个事实表用到。在业务发展后期，绝大部分维度建模都采用的是星座模式。

3、你感觉数仓建设中最重要的是什么

数仓建设中，最重要的是数据准确性，数据的真正价值在于数据驱动决策，通过数据指导运营，在一个不准确的数据驱动下，得到的一定是错误的数据分析，影响的是公司的业务发展决策，最终导致公司的策略调控失败。