数据建模面试题

---

前言：最近公司又要招一个数据建模工程师，所以我也要负责建模工程师的技术面。总结了下数据建模的面试问题，如有错误，欢迎沟通。
唉，就一打杂的命；主业毫无进展，就天天打杂了。

---

1. 请介绍一个数据建模相关项目

[需要能讲清楚自己干了啥子玩意儿]

2. 你在工作中常用的建模工具有哪些？

[基础题，查看是否有真实的使用经验]
powerdesigner、Balsamiq Mockups、ER/Studio、CA ERwin…

3. 数据库三范式

[基础中的基础]

• 每个属性值唯一，不具有多义性 ;
• 每个非主属性必须完全依赖于整个主键，而非主键的一部分 ;
• 每个非主属性不能依赖于其他关系中的属性，因为这样的话，这种属性应该归到其他关系中去。

4. 对概念、逻辑、物理建模的理解

• 概念建模：得出实体即可
• 逻辑建模：将实体细化成具体的表，同时丰富表结构
• 物理建模：创建数据库对象，针对业务需求，我们也可能做如数据拆分

5. 模型设计有哪几步？

• 确定主题：确定数据分析或前端展现的主题
• 确定度量：确定主题后，需要考虑分析的技术指标。它们一般为数据值型数据
• 确定事实数据粒度：确定量度之后，需要考虑该量度的汇总情况和不同维度下量度的聚合情况
• 确定维度：维度是分析的各个角度。维度的层次(Hierarchy)和级别(Level)
• 创建事实表：在确定好事实数据和维度后，将考虑加载事实表

6. 有哪些模型设计方法？

• 范式/关系建模：主要解决关系型数据库得数据存储，符合三范式
• 维度建模：按照事实表，维表来构建数据仓库

7. 维度模型分哪几种？

• 星型模型：核心是一个事实表及多个非正规化描述的维度表组成
• 雪花模型：它是星型模型的扩展，不同的是维度表被规范化，进一步分解到附加表中
• 星座模型：由多个事实表组合，维表是公共的，可以被多个事实表共享。星座模型是数据仓库最常使用的模型

8. 维度模型中表的分类

• 实体表：主要是一些对象表比如用户，商家，商品
• 维度表：指一些业务状态，编号的解释，又叫码表，像地区表，订单状态，支付方式，审批状态。状态分类
• 周期性事实表：状态还会改变的就是周期型事实表
• 事务型事实表：数据产生就不在变化，可判断为事务型事实表

9. 如何判断哪些表是增量表，哪些是全量表？

实体表和维度表统称维度表，可做定期全量[按ETL周期来]
事务性事实表，可做每日增量[按ETL周期来]
周期性事务表，可做拉链表

10. 你们的模型是如何分层的，为什么？

[言之有理即可]

• 贴源层：保存原始数据，结构清晰，不会影响
• 明细层：经过ETL处理，数据更规范化
• 汇总层：大宽表，减少重复开发
• 应用层：面向业务需求定制开发

11. 如何做元数据管理？

字段级元数据管理。一定要做到及时元数据备份[至少每日]

12. 项目进行到一半，需要增加一个维度怎么办？

1. 按照5分析新增维度
2. 分析新增维度与现有维度的关系

13. 建模完之后，发现某个事实表巨大无比怎么办？

散列，数据倾斜处理巴拉巴拉…

14. 如何做数据质量管理？

元数据管理、数据完整性、数据一致性、数据合规性、数据冗余、数据资产分级…