大数据面试题 —— 数据仓库

数据仓库是什么

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，主要用于存储历史数据，然后通过分析整理进而提供数据支持和辅助决策。

数据仓库和数据库的区别

数据库(OLTP)，数据仓库(OLAP)。

（1）数据库中主要存放的是一些在线的数据，数据仓库中主要存放的是历史数据，并且存放的数据要比数据库多；

（2）数据库主要用于业务处理(比如交易系统)，数据仓库主要用于数据分析；

（3）数据库的设计就是要避免冗余，而数据仓库通常会专门引入冗余，减少后面进行分析时大量的 join 操作。

在数据仓库中，冗余指的是相同的数据在多个表中重复存储。比如预聚合数据，为了提高查询性能，数据仓库可能会事先计算并存储聚合数据。

数据仓库和数据集市

数据仓库其实指的集团数据中心：主要是将公司中所有的数据全部都聚集在一起进行相关的处理操作 (ODS层)

数据的集市(小型数据仓库)：在数据仓库基础之上, 基于主题对数据进行抽取处理分析工作, 形成最终分析的结果。

一个数据仓库下, 可以有多个数据集市。

数据仓库和数据集市的区别

• 范围的区别
  • 数据仓库是针对企业整体分析数据的集合。
  • 数据集市是针对部门级别分析的数据集合。
• 数据粒度不同
  • 数据仓库通常包括粒度较细的数据明细。
  • 数据集市则会在数据仓库的基础上进行数据聚合，这些聚合后的数据就会直接用于部门业务分析。

数据湖产品

数据湖与数据仓库的区别

为什么要对数据仓库分层

补充说一下：我觉得数据仓库就是一种以空间换取时间的架构！

数仓分层，以及每一层的作用

（1）ODS 原始数据层：存放原始数据，直接加载原始日志，数据，数据保持原貌不做处理。

DIM层，维度层，保存维度数据，主要是对业务事实的描述信息，