数仓面试内容
1.简述数仓架构?
一、数据源层
-
功能：负责提供原始数据。这些数据来源广泛，有结构化的有非结构化的。
-
特点：数据源层的数据具有多样性、异构性和分布性等特点。
二、ETL层
-
功能：ETL是Extract（抽取）、Transform（转换）、Load（加载）的缩写，负责将数据从数据源中抽取出来，进行必要的清洗、转换和集成处理，然后加载到数据仓库中。在抽取过程中，需要根据数据源的特点和业务需求，选择合适的抽取方法，确保数据的准确性和完整性；转换过程则包括数据清洗、数据转换和数据集成等操作，以消除数据中的噪声、错误和不一致性，将数据转换为目标存储格式；最后，将处理好的数据加载到数据仓库的事实表。
三、数据仓库层
-
功能：用于存储和管理经过ETL处理后的数据。它按照主题的方式组织数据，每个主题对应一个或多个业务领域的数据集合，如销售主题、客户主题、产品主题等。数据仓库中的数据通常以事实表和维度表的形式进行存储，事实表包含了与业务相关的度量信息，如销售额、销售量等，维度表则包含了对事实表进行描述的维度信息，如时间、地区、产品类别等，通过这种星型模型或雪花模型的组织方式，能够方便地进行多维分析和查询。
-
存储：数据仓库可以采用关系型数据库（如Oracle、MySQL、SQL Server等）、列式存储（如HBase、Vertica等）、非关系型数据库（如MongoDB、Cassandra等）或数据湖（如Delta Lake、Apache Hudi等）等多种存储方式，以满足不同用户的需求和业务场景。
四、OLAP层
-
功能：即联机分析处理层，主要基于数据仓库中的数据进行快速、一致、交互式的分析和查询，为用户提供决策支持。OLAP通过多维数据集市技术，将数据按照多个维度进行建模和存储，使用户能够从不同的角度对数据进行切片、切块、旋转等操作，深入挖掘数据背后的信息和规律。
五、前端应用层
-
功能：作为数据仓库与用户的交互层，负责将OLAP分析的结果以直观、易懂的方式展示给用户，并提供各种数据分析工具和报表功能，帮助用户更好地理解和使用数据。
-
特点：前端应用层注重用户体验和交互性，能够根据用户的角色和权限提供个性化的界面和服务，满足不同用户的需求。
2.简述数据仓库架构设计的方法与原则
一、设计方法
-
需求分析：
- 数据仓库的设计始于对业务需求的深入理解。通过与业务部门沟通，明确他们希望通过数据仓库解决什么问题，如销售趋势分析、客户行为分析等2。
- 收集和整理业务需求，包括数据源、数据类型、报表需求等。
-
概念模型设计：
- 在需求分析的基础上，设计数据仓库的概念模型。这通常包括确定主题域、维度表、事实表等7。
- 使用工具（如ER图）来描述概念模型，确保模型能够反映业务需求。
-
逻辑模型设计：
- 将概念模型转化为逻辑模型，确定数据的组织形式、存储结构等。
- 考虑数据粒度、分割、聚合等因素，以优化查询性能和存储效率。
-
物理模型设计：
- 根据逻辑模型设计物理模型，包括选择合适的存储引擎、索引策略、分区策略等。
- 考虑数据的压缩、编码方式等，以减少存储空间和提高查询性能。
-
数据集成与ETL设计：
- 设计ETL（Extract, Transform, Load）流程，实现从数据源到数据仓库的数据抽取、转换和加载。
- 确保ETL流程的高效性、可靠性和可扩展性。
二、设计原则
-
以业务需求为导向：
- 数据仓库的设计必须紧密围绕业务需求展开，确保能够支持业务决策和分析。
-
数据质量至上：
- 采取有效的数据清洗、验证和纠错措施，以提高数据质量。
-
分层架构设计：
- 采用分层架构设计数据仓库，将不同层次的功能分离开来，如数据源层、ETL层、数据仓库层和应用层等。
- 提高系统的灵活性和可维护性。
-
高内聚低耦合：
- 每一层或每一个模块都应该具有明确的功能和职责，内部组件应紧密合作，而不同层或模块之间应尽量减少依赖。
-
性能优化：
- 合理的索引策略、分区策略以及查询优化等。
- 确保系统能够满足业务需求的查询响应时间和吞吐量要求。