南方电网面试题

简答题：以之前做过的项目为例，分层相关的   
ods  dwd dws  dwt  ads  dwd             

C卷编程题：写存储过程，求是否有一半人超过多少工资，否则提升500达到工资都在多少多少以上。
select deptno,avg(sal) as avg_sal_dpt from emp_copy group by deptno;

SQL> select t1.empno, t1.ename, t1.deptno, t1.sal, t2.avg_sal_dpt
  2    from emp_copy t1,
  3         (select deptno, avg(sal) as avg_sal_dpt from emp_copy group by deptno) t2
  4   where t1.deptno = t2.deptno
  5     and t1.sal >= t2.avg_sal_dpt;

简答题：1.死锁的四个注意事项是啥？什么情况下容易造成死锁？
（1） 互斥条件：一个资源每次只能被一个进程使用。
（2） 请求与保持条件：一个进程因请求资源而阻塞时，对已获得的资源保持不放。
（3） 不剥夺条件:进程已获得的资源，在末使用完之前，不能强行剥夺。
（4） 循环等待条件:若干进程之间形成一种头尾相接的循环等待资源关系。
（1） 因为系统资源不足。 （2） 进程运行推进的顺序不合适。 （3） 资源分配不当等

2.实时数仓和离线数仓有啥区别？
离线数仓
就是在计算开始前已知所有输入数据，输入数据不会产生变化，一般计算量级较大，计算时间也较长。例如今天早上一点，把昨天累积的日志，计算出所需结果。最经典的就是Hadoop 的 MapReduce 方式；一般是根据前一日的数据生成报表，虽然统计指标、报表繁多，但是对时效性不敏感。
实时数仓
输入数据是可以以序列化的方式一个个输入并进行处理的，也就是说在开始的时候并不需要知道所有的输入数据。与离线计算相比，运行时间短，计算量级相对较小。强调计算过程的时间要短，即所查当下给出结果。主要侧重于对当日数据的实时监控，通常业务逻辑相对离线需求简单一下，统计指标也少一些，但是更注重数据的时效性，以及用户的交互性。
离线数仓，一般地，（业务、日志）数据存储在 HDFS 上，一般分这几层：ods/dwd/dws/dm，其中 dm 层的数据会导出到 olap、rds、kv 数据库中供业务方使用。ad-hoc 查询的数据来源一般来自 ods 层或 dw 层，ad-hoc 的查询引擎为 hive/spark/presto。
实时数仓，也是基于分层的模型 ods/dwd/dws/，业务数据和日志数据,事实数据存储在 kafka 中，维度数据存储在 Hbase/Tair 中，dm 层的数据最终导出到 mq/olap/rds/kv 中。ad-hoc  查询基于 Flink 来做。（都是流动的数据），如上图所示，就是 Kappa 架构。

3.项目数仓模型的如何分层？为什么？
数据运营层(ODS)数据仓库层（DW）数据服务层/应用层（ADS）
清晰数据结构 方便数据血缘追踪  减少重复开发  把复杂问题简单化  屏蔽原始数据的异常

分析题：1.表空间为啥突然增大？2.你的项目是如何建模，为什么？
1.  首先用语句查询容量大于1G的数据段
select segment_name,sum(bytes)/1024/1024 from dba_segments group by segment_name having sum(bytes)/1024/1024>1000;
2.根据LOB段查询该该lob段属于哪个表
3.释放lob类型数据占据的空间
alter table adu_* move tablespace BFPICK lob(content) store as (tablespace bfpick)
4.之后就释放了重复数据所占的空间了，然后在对该表重建索引