数据仓库面试题-初级

1、什么是数据仓库？

权威定义：数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。

1）数据仓库是用于支持决策、面向分析型数据处理；

2）对多个异构的数据源有效集成，集成后按照主题进行重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改

异构数据源（disparate data source）广义上讲是指数据结构、存取方式、形式不一样的多个数据源。如，在一个系统中，同时包含由关系型数据库Oracle/SQL SERVER/MYSQL、EXCEL文件或txt文本数据、XML数据等不同的数据源的一个整体，就是一个异构的数据源

2、数据仓库和数据库的区别？  

从目标、用途、设计来说

1）数据库是面向事务处理的，数据是由日常的业务产生的，并且是频繁更新的；数据仓库是面向主题的，数据来源多样化，经过一定的规则转换得到的，用于分析和决策

2）数据库一般用来存储当前事务性数据，如交易数据；数据仓库一般存储的是历史数据

3）数据库设计一般符合三范式，有最大的精确度和最小的冗余度，有利于数据的插入；数据仓库设计一般不符合三范式，有利于查询

3、数据集市和数据仓库的区别？

1）数据仓库是企业级的，能为整个企业各个部门的运行提供决策支持手段；

数据集市是一种微型的数据仓库，它通常有更少的数据,更少的主题区域，以及更少的历史数据，因此是部门级的，一般只能为某个局部范围内的管理人员服务，因此也称之为部门级数据仓库。

2） 数据仓库向各个数据集市提供数据

3） 几个部门的数据集市组成一个数据仓库

4） 通常仓库中数据粒度比集市的粒度要细

作为一个包含多个业务部门，且有大量应用系统的企业，应该如何去设计搭建数据集市。

开放性题目，可以按照部门划分集市，也可以按照应用系统划分集市等等

4、如何构建数据仓库？

数仓模型的选择是灵活的，不局限于某种模型方法。

数仓数据是灵活的，以实际需求场景为导向。

数仓设计要兼顾灵活性、可扩展性，要考虑技术可靠性和实现成本。

1）调研：业务调研、需求调研、数据调研

2）划分主题域：通过业务调研、需求调研、数据调研最终确定主题域

3）构建总线矩阵、维度建模

总线矩阵：把总线架构列表形成矩阵形式，行表示业务处理过程，即事实，列表示一致性的维度，在交叉点上打上标记表示该业务处理过程与该维度相关（交叉探查）

4）设计数仓分层架构

5）模型落地

6）数据治理

5、为什么需要数据仓库建模？

性能：良好的模型能帮我们快速查询需要的数据，减少数据的IO吞吐

成本：减少数据冗余、计算结果复用、从而降低存储和计算成本

效率：改善用户使用数据的体验，提高使用数据的效率

改善统计口径的不一致性，减少数据计算错误的可能性

6、数仓架构为什么要分层？

1）分层可以清晰数据结构，使用时更好的定位和理解

2）方便追踪数据的血缘关系

3）规范数据分层，可以开发一些通用的中间层数据，能够减少极大的重复计算

4）把复杂的问题简单化