数据仓库面试问题汇总

      毕业后做了7年java应用开发，主要在一家传统软件公司做BI相关的东西。因为主要是写业务代码，大公司都有自己的技术平台，所以java技术也并不很强，多线程都很少自己写。最近三年到了互联网公司，转到做数仓相关的项目，其实主要是用hive sql在做数据处理，就是被鄙视的sql boy。由于进的并不是正经的数仓部门，而是在数仓基础上做数据应用系统的部门，所以还是偏业务，且对数仓理解不是很深入。所以本人技术水平很渣。面试了很多，面不过。把遇到的问题记录下来，希望可以和大家一起探讨，也是一种提高吧。如果大家能够回答这些问题，希望可以回复。

说一说你整个项目从数据采集到指标、报表的这整个过程是怎么做的吧。

这个问题还是挺能反映应聘者能力的，因为数仓是比较杂的一个工种，在不同的公司或者不同的项目，侧重点不一样。比如小公司基本上从ETL开始就要亲力亲为了，对于建模理论要求没那么迫切。大公司可能etl基于平台，开发量变少，但是对建模、数据治理要求可能更高。还有的公司更偏重数据分析的思路，或者说分析业务的思路，而不是单纯搞搞工程。开放问题，回答的时候就是把自己的项目说清楚。如果不知道怎么说清楚，那么推荐一个技巧：把各个阶段的产出物交代清楚，比如了解业务阶段输出什么、建模阶段输出什么，等等。我太渣了，没真正从0做过数仓，项目经验不足，哪里能找到标准一点的答案呢？从《阿里巴巴大数据之路》里面能找到吗？

事实表有哪几种类型？

本渣之前看过《数据仓库工具箱---维度建模指南》，但一时想不起来了，仔细想还是想不起来。确定看过，确定想不起。

缓慢变化维你们是怎么处理的？

使用拉链表

拉链表是怎么实现的？

这个在网上一搜可以搜到实例，但是如果结合业务再问的话，这是一个可以问的挺深的问题。数仓就是这样一个跟业务强结合的东西，离开业务抽象出来的东西反而没有灵魂，解决具体业务问题的方法才是价值。

数据总线矩阵是怎么理解的，为什么要做这个？

感觉可以从数据整合、数据打通等角度回答吧，回答不好。

你们的数仓是怎么样的架构？

技术架构我基本不会，所以也没什么可以说的。只会一个数仓分层：ods、dwd、dwb、ads（app）。细问的话会有很多衍生问题：

ods你们是怎么实现的？

dwd这一层做了什么？

维度建模用在哪一层上？

维度建模有什么优缺点？

更好的应对业务变化，数据冗余多，占空间多，就是用空间换时间。这个问题其实还蛮难的，分析优缺点，就要有对比，跟别的建模方式对比，只有对其他的建模方式有理解才可能回答出来。

做数据仓库如何解决不同业务部门的统计口径不一致的问题？

我们公司业务变化特别快，有时候半年业务主流程就会大变，这种情况下，你怎么应对？

如何评价一个数据仓库的好坏？

数据准确性、时效性、健壮性。面试官说这些都是一些原则，比较虚，有没有可衡量的指标？就是一个数据仓库建好了，用这些指标评价它好不好，有不好的要指出来，指导它改进。这个我真不知道。

mapreduce原理清楚吗？讲一讲，画一画那个经典的流程图吧。

从hive sql提交到生成mapreduce任务，再执行，这个过程是怎么样的？资源调度是怎样的？

hive优化接触过吗？做过哪些？

hive的数据倾斜一般怎么处理？

spark用过吗？

spark现在用的是真多。。。

你们的数仓建设过程中是如何保障数据正确性的？

让你建设一个数仓的话，你的关注点有哪些？

这个就开放问题了，能看出做数仓的思路，也能看出对数仓理解的情况。如果对面试官的路子就好。

你的项目中怎么应用维度建模？能具体说说吗，具体的表有哪些？

RCFile解析过吗？文件结构是怎么样的？

udaf写过吗？udtf呢？怎么写，分哪几个步骤，怎么转换成mr的？

hive中transform用过吗？