数仓高频面试题 Top 20（含参考答案）

📚 数仓高频面试题 Top 20（含参考答案）

适用岗位：数据开发工程师、数仓工程师、BI 工程师、数据分析 难度等级：初中级 → 高级 建议收藏 + 背诵关键点 + 结合项目理解

🔟 基础篇（10 题）

1. 请简述数据仓库的分层架构及每层的作用？

参考答案： 常见的分层为：ODS → DWD → DWS → ADS → DIM

层级	全称	作用
ODS	Operational Data Store	贴源层，原始数据接入，保持与业务系统一致
DWD	Data Warehouse Detail	明细数据层，清洗、去噪、维度退化、统一口径
DWS	Data Warehouse Summary	轻度汇总层，按主题（用户、订单等）聚合
ADS	Application Data Service	应用层，面向报表、BI、接口，直接支撑指标
DIM	Dimension	维度层，存储公共维度表（用户、商品、时间等）

✅ 加分点：强调“DWD 是原子指标来源，DWS 支持多指标复用”。

2. 为什么要分层？不分层会有什么问题？

参考答案：

好处：
- 解耦：各层职责清晰，便于维护；
- 复用：中间层可被多个应用共享；
- 可追溯：数据链路清晰，便于排查问题；
- 口径统一：在 DWD 层统一逻辑，避免重复计算。
不分层的问题：
- 数据烟囱：每个报表单独处理原始数据，重复开发；
- 口径不一致：同一指标多个版本；
- 维护困难：逻辑散落在各处，无法快速迭代。

3. 什么是维度建模？星型模型和雪花模型的区别？

参考答案：

维度建模：由 Kimball 提出，以业务过程为核心，围绕“事实表 + 维度表”构建模型。
星型模型：
- 事实表居中，维度表直接关联；
- 维度表冗余较多，但查询性能高；
- 推荐使用。
雪花模型：
- 维度表进一步规范化，形成层级；
- 存储节省，但 JOIN 多，性能较差；
- 一般不推荐，除非维度特别复杂。

✅ 举例：订单事实表 + 用户维度表 + 商品维度表 = 星型模型。

4. 事实表有哪些类型？它们的区别是什么？

类型	特点	示例
事务事实表	记录每次业务操作，粒度最细	每笔订单、每笔支付
周期快照表	按固定周期记录状态	每日库存余额
累积快照表	记录一个流程的全生命周期	订单从创建到完成的全过程

✅ 关键点：事务型最常用，累积快照用于流程分析。

5. 如何处理缓慢变化维（SCD）？常见策略有哪些？

SCD 类型：

类型	策略	适用场景
SCD1	覆盖旧值	地址错误修正
SCD2	增加新行，标记生效时间	用户等级变化，需保留历史
SCD3	增加新字段	只保留最新和上一次值

✅ 推荐：SCD2 最常用，通过 start_time, end_time, is_current 管理版本。

6. 数仓中的拉链表是什么？如何设计？

参考答案：

拉链表：用于记录维度的历史变化，本质是 SCD2 的实现方式。

关键字段：

user_id, user_name, province, start_date, end_date, is_active

特点：
- end_date = '9999-12-31' 表示当前有效；
- 每次维度变化时，关闭旧记录，新增一条新记录。

✅ 用途：支持“任意时间点快照”分析，如“去年此时用户分布”。

7. 什么是数据血缘？为什么重要？

参考答案：

数据血缘：描述数据从源头到最终报表的流转路径（谁生成、被谁使用）。
重要性：
- 故障排查：某字段出错，可快速定位上游；
- 影响分析：修改一个表，知道会影响哪些下游；
- 数据治理：提升数据透明度和可信度。

✅ 工具：DataHub、Atlas、自研元数据系统。

8. 数仓建模的流程是怎样的？

参考答案：

业务调研：了解业务流程和核心指标；
指标拆解：明确原子指标、维度、口径；
选择业务过程：如订单、支付、退款；
定义粒度：如“每笔订单”；
确定维度：时间、用户、商品、地区等；
确定事实：金额、数量等度量；
构建模型：事实表 + 维度表；
评审与迭代。

✅ 强调“以业务过程为中心”。

9. 什么是数据孤岛？如何解决？

参考答案：

数据孤岛：数据分散在不同系统，缺乏整合，无法联动分析。
解决方案：
- 建设统一数仓/数据湖；
- 制定统一 ID-Mapping（如 user_id 映射）；
- 建立公共维度层（DIM）；
- 推动指标字典和元数据管理。

10. 什么是数据质量？如何保障？

参考答案：

数据质量维度：完整性、准确性、一致性、及时性、唯一性。
保障手段：
- ETL 加校验（非空、主键、枚举值）；
- 数据探查（Data Profiling）；
- 监控告警（如空值率突增）；
- 落地 SLA（如 T+1 表准时产出）。

🔟 进阶篇（10 题）

11. 如何通过指标拆解指导数仓建模？

【详细见数仓哲与思专栏】

✅ 参考回答见前文：

以 GMV 为例，拆解为“原子指标 + 维度 + 条件 + 时间”，反推需要 DWD 层清洗订单状态，DWS 层按维度聚合，最终支撑多指标复用。

12. 实时数仓的架构是怎样的？与离线数仓的区别？

参考答案：

实时架构： MySQL → Canal/maxwell → Kafka → Flink → Kafka/Doris/ClickHouse → BI
离线架构： 业务库 → Sqoop/datax → HDFS → Hive/Spark → 报表
区别

维度	离线数仓	实时数仓
延迟	T+1	秒级/分钟级
技术栈	Hive、Spark	Flink、Kafka、Doris
存储	HDFS、Hive	Kafka、ClickHouse、Doris
场景	日报、周报	实时大屏、风控、监控

✅ 趋势：Lambda 架构 → Kappa 架构 → 流批一体（Flink Unified）。

13. 什么是维度退化（Degenerate Dimension）？

参考答案：

指将没有描述属性的维度（如订单号、发票号）直接作为事实表的字段，而不是单独建维度表。
原因：这些“维度”只是业务编号，无属性，建维度表反而增加 JOIN。
示例：order_sn 直接放在订单事实表中。

14. 如何设计一个高复用的 DWS 层？

参考答案：

按 主题域 设计：用户、订单、商品、流量；
按 公共维度 聚合：user_id, dt, province；
粒度清晰：如“用户日汇总”；
字段通用：只放原子指标（sum_amt, cnt_order），不放派生指标；
支持下钻：保留必要维度，便于 ADS 层灵活使用。

15. 什么是数据一致性？如何保证？

参考答案：

数据一致性：同一指标在不同报表中结果一致。
保证方法：
- 统一在 DWD 层定义原子指标；
- 建立指标字典；
- 避免在 ADS 层重复计算逻辑；
- 定期对账（如离线 vs 实时 GMV）。

16. 指标体系如何设计？

参考答案：

金字塔结构：
- 顶层：核心 KPI（如 GMV、利润）；
- 中层：过程指标（如转化率、留存率）；
- 底层：原子指标（订单数、用户数）。
方法：
- 拆解 KPI（如 GMV = 流量 × 转化率 × 客单价）；
- 建立指标树；
- 落地指标字典。

17. 如何处理数据延迟或任务失败？

参考答案：

监控告警：任务超时、数据量异常；
重试机制：自动重试 2-3 次；
补数流程：支持按天补数据；
依赖管理：避免环形依赖；
SLA 管理：关键表 T+1 准时产出率 > 99%。

18. 什么是数据治理？包含哪些内容？

参考答案：

数据治理：保障数据可用、可信、可管。
核心内容：
- 元数据管理（表、字段、血缘）；
- 数据质量；
- 数据安全（脱敏、权限）；
- 指标管理；
- 成本治理（冷热数据分层存储）。

19. 离线和实时数据如何对账？

参考答案：

目标：确保实时数据与离线数据误差 < 1%。
方法：
- 在 T+1 将实时累计值与离线值对比；
- 分维度下钻（如按渠道、区域）；
- 分析差异原因：延迟、去重逻辑、时间戳处理等；
- 优化实时逻辑（如 Flink 窗口去重）。

20. 你在项目中遇到的最大挑战是什么？如何解决的？

✅ 建议模板（结合数仓项目）：

“在某电商项目中，多个团队的 GMV 口径不一致，差了 15%。我们通过指标拆解发现：有的包含退款订单，有的未过滤测试数据。解决方案：

建立指标字典，明确 GMV = 支付订单金额 - 退款订单；

在 DWD 层统一清洗逻辑；

输出统一 DWS 表供所有下游使用。最终实现全公司 GMV 口径统一，提升了数据可信度。”

📎 附：高频关键词速记表

类别	关键词
建模	维度建模、星型模型、事实表、维度表、粒度
分层	ODS、DWD、DWS、ADS、DIM
指标	原子指标、派生指标、指标字典、一致性
实时	Flink、Kafka、Doris、实时大屏、流批一体
治理	数据血缘、数据质量、元数据、SCD、拉链表