数据仓库冷知识快问快答（30题）
问题： 数据仓库（Data Warehouse）这个术语最早是由哪位计算机科学家在20世纪80年代末提出的？
A) 比尔·盖茨 (Bill Gates) B) 詹姆斯·高斯林 (James Gosling) C) 比尔·恩门 (Bill Inmon) D) 莱纳斯·托瓦兹 (Linus Torvalds) 答案：C) 解析： 比尔·恩门被誉为“数据仓库之父”，他在1988年首次系统性地提出了数据仓库的概念，定义为“面向主题的、集成的、非易失的、随时间变化的数据集合，用于支持管理决策”。 问题： 在ETL（抽取、转换、加载）流程中，“T”（转换）步骤最不可能涉及以下哪项操作？
A) 将日期格式从 MM/DD/YYYY
统一为YYYY-MM-DDB) 计算每个订单的总金额（单价 x 数量） C) 将销售数据从源数据库复制到目标数据库 D) 将“男”、“女”标准化为“M”、“F” 答案：C) 解析： 复制是“抽取”(E) 和“加载”(L) 的核心，而“转换”(T) 专注于数据的清洗、标准化、计算、聚合等处理。复制本身不属于转换。 问题： 星型模式（Star Schema）中的“事实表”（Fact Table）通常存储什么类型的数据？
A) 描述性属性，如产品名称、客户地址 B) 可度量的业务事件，如销售额、订单数量 C) 数据库的元数据信息 D) 用户访问日志的原始文本 答案：B) 解析： 事实表是星型模式的核心，存储具体的、可量化的业务指标（度量值），并通过外键关联到维度表（存储描述性属性）。 问题： 如果一个数据仓库的维度表设计得非常庞大（例如，包含数百万行），哪种技术最有助于提升基于该维度的查询性能？
A) 对事实表进行分片（Sharding） B) 在维度表的关键属性上创建索引 C) 增加ETL流程的执行频率 D) 将维度表转换为事实表 答案：B) 解析： 索引是加速数据库查询（尤其是WHERE、JOIN、ORDER BY）的常用技术。在维度表的常用筛选或连接字段（如产品ID、客户ID）上创建索引能显著提升查询速度。 问题： “缓慢变化维度”（Slowly Changing Dimension, SCD）类型2（SCD Type 2）的主要特点是？
A) 直接覆盖旧值，不保留历史 B) 添加新行，保留历史版本，并用有效日期或版本号标记 C) 在同一行添加新列存储新值 D) 完全禁止维度属性的变更 答案：B) 解析： SCD Type 2是处理维度属性变化的标准方法，通过插入新记录并标记有效时间范围来完整保留历史信息，确保历史分析的准确性。 问题： 在数据仓库中，“数据集市”（Data Mart）通常与“企业级数据仓库”（EDW）的关系是？
A) 数据集市是EDW的子集，面向特定部门或主题 B) EDW是数据集市的子集 C) 数据集市和EDW完全独立，互不关联 D) 数据集市只存储原始日志数据 答案：A) 解析： 数据集市通常是基于EDW构建的，聚焦于特定业务领域（如销售、财务），为特定用户群体提供更便捷、更聚焦的数据视图。 问题： OLAP（联机分析处理）立方体（Cube）的主要优势是什么？
A) 提供极快的复杂多维分析查询响应 B) 确保事务处理的原子性和一致性 C) 降低数据存储成本 D) 简化ETL流程 答案：A) 解析： OLAP立方体预先计算和存储了各种维度组合下的聚合结果（如按年、月、地区、产品类别的销售额），使得“切片、切块、钻取、旋转”等分析操作非常迅速。 问题： 假设一个事实表记录了每笔订单的销售金额。如果要分析“每个客户每年的总消费额”，这个查询主要依赖于哪种数据库操作？
A) SELECT ... WHERE ...B) INSERT INTO ... VALUES ...C) UPDATE ... SET ...D) SELECT ... GROUP BY ... SUM(...)答案：D) 解析： 分析“总消费额”需要对销售金额进行求和( SUM
)，并按客户和年份进行分组(GROUP BY
)，这是典型的聚合查询。问题： 数据仓库中的“元数据”（Metadata）指的是？
A) 原始的、未经处理的业务数据 B) 关于数据的数据，如表结构、字段含义、ETL流程、数据血缘 C) 数据仓库服务器的硬件配置 D) 用户的登录密码 答案：B) 解析： 元数据是数据仓库的“地图”和“说明书”，它描述了数据的来源、结构、含义、转换规则和依赖关系，对数据治理和理解至关重要。 问题： 在现代云数据仓库（如Snowflake, BigQuery）中，“计算”和“存储”通常是？
A) 紧密耦合，无法分离 B) 完全分离，可以独立扩展 C) 存储依赖于计算资源 D) 计算资源固定不变 答案：B) 解析： 这是云数据仓库的核心架构优势。存储（存放数据）和计算（执行查询）解耦，允许用户根据需要独立地增加或减少计算资源，实现弹性伸缩和成本优化。 问题： “数据湖”（Data Lake）与“数据仓库”（Data Warehouse）最根本的区别之一在于？
A) 数据湖只存储图片和视频 B) 数据湖存储原始、未处理的数据（结构化、半结构化、非结构化），而数据仓库存储经过清洗和结构化的数据 C) 数据仓库不能存储历史数据 D) 数据湖不需要ETL流程 答案：B) 解析： 数据湖旨在以原始格式存储海量数据，Schema-on-Read（读时建模），灵活性高；数据仓库则强调Schema-on-Write（写时建模），数据经过ETL处理，结构清晰，更适合稳定、高性能的分析。 问题： 在数据仓库项目中，“数据治理”（Data Governance）不包括以下哪项？
A) 定义数据所有权和责任 B) 制定数据质量标准和规则 C) 管理用户对数据的访问权限 D) 直接编写所有ETL代码 答案：D) 解析： 数据治理是关于策略、标准、流程和责任的框架，确保数据的可用性、可理解性、一致性、完整性和安全性。编写ETL代码是具体的技术实现工作，通常由数据工程师完成，受治理框架的指导。 问题： 一个事实表的主键通常是？
A) 一个自增的代理键（Surrogate Key） B) 一个或多个维度表的外键组合 C) 一个业务系统中的自然键（Natural Key） D) 一个随机生成的UUID 答案：B) 解析： 事实表的主键通常由关联的维度表的外键（如日期键、产品键、客户键）组合而成，这唯一标识了一次具体的业务事件（如某天某客户购买某产品的订单）。代理键有时也用于事实表，但复合外键是更基础的设计。 问题： “数据血缘”（Data Lineage）图主要用来追踪？
A) 数据库服务器的网络延迟 B) 数据从源头到最终报表的流动路径和转换过程 C) 用户查询的执行时间 D) 数据存储的物理位置 答案：B) 解析： 数据血缘可视化了数据的“旅程”，展示数据从源系统经过哪些ETL作业、在哪些表中被处理，最终如何出现在报表或仪表板中。这对于影响分析、故障排查和合规审计至关重要。 问题： 在维度建模中，一个“退化维度”（Degenerate Dimension）指的是？
A) 已经废弃不用的维度表 B) 没有对应维度表的、存在于事实表中的业务标识符（如订单号、发票号） C) 一个非常小的维度表 D) 一个包含大量空值的维度 答案：B) 解析： 退化维度是事实表中的一个特殊字段，它本身是一个业务键（如订单号），但没有相关的描述性属性需要单独建模成维度表。它主要用于事实表的粒度定义和特定查询（如查单笔订单详情）。 问题： 为什么数据仓库通常不直接在生产OLTP（联机事务处理）数据库上进行复杂的分析查询？
A) OLTP数据库没有分析功能 B) 复杂分析会消耗大量资源，影响OLTP系统的性能和响应速度 C) 分析查询只能在数据湖中执行 D) OLTP数据库不支持SQL 答案：B) 解析： OLTP系统（如订单系统）设计目标是高并发、低延迟的事务处理（增删改查单条记录）。复杂的分析查询（涉及大量数据扫描和聚合）会占用CPU、内存和I/O资源，可能导致OLTP系统变慢甚至不可用。因此需要将分析负载分离到专用的数据仓库。 问题： “数据质量”维度不包括以下哪项？
A) 准确性（Accuracy） B) 完整性（Completeness） C) 一致性（Consistency） D) 数据存储的加密强度 答案：D) 解析： 数据质量主要关注数据本身是否可靠、可用，核心维度包括准确性、完整性、一致性、时效性、唯一性等。数据加密属于数据安全范畴，虽然重要，但不直接衡量“质量”。 问题： 在Kimball的维度建模理论中，构建数据仓库的第一步通常是？
A) 选择数据库软件 B) 选择服务器硬件 C) 选择业务过程（如处理订单、发货） D) 设计事实表的主键 答案：C) 解析： Kimball方法强调“自下而上”，从具体的、可量化的业务过程入手。确定了要分析的业务过程（如“处理订单”），才能定义相关的事实（销售额）和维度（时间、产品、客户、商店）。 问题： 一个事实表中，度量值（Measures）不可能是以下哪种类型？
A) 可加的（Additive），如销售额 B) 半可加的（Semi-additive），如账户余额（可按时间加，但按账户不能简单加） C) 不可加的（Non-additive），如利润率 D) 纯文本描述，如“客户满意度高” 答案：D) 解析： 事实表的度量值必须是数值型的，以便进行聚合计算（求和、平均等）。纯文本描述属于维度属性，应放在维度表中。 问题： “拉链表”（Zipper Table）是哪种缓慢变化维度技术的俗称？
A) SCD Type 0 (不变化) B) SCD Type 1 (覆盖) C) SCD Type 2 (新增行) D) SCD Type 3 (添加新列) 答案：C) 解析： “拉链表”是SCD Type 2的一种形象化称呼。它通过为每个维度实体的历史状态创建新记录，并用开始日期和结束日期（或有效日期）“拉链”起来，形成一条完整的历史记录链。 问题： 在数据仓库中，“粒度”（Granularity）指的是？
A) 数据存储的物理块大小 B) 事实表中一行数据所代表的业务事件的详细程度（如每笔订单 vs. 每天每个商店的总销售额） C) 数据库索引的密度 D) ETL作业的执行频率 答案：B) 解析： 粒度是事实表设计的核心。它决定了分析的最细级别。粒度越细（如每笔订单），灵活性越高，可聚合性越强；粒度越粗（如每天每产品类别的汇总），存储和查询可能更快，但分析灵活性降低。 问题： 为什么数据仓库中的日期维度表通常不是直接使用数据库的DATE类型字段，而是要建一个独立的日期维度表？
A) DATE类型在数据库中不存在 B) 独立的日期维度表可以方便地添加丰富的业务属性（如财年、季度、节假日标志、周几等），便于复杂分析 C) 为了增加数据库的复杂性 D) DATE类型无法进行比较 答案：B) 解析： 虽然事实表有日期键，但独立的日期维度表可以包含 is_holiday
,fiscal_quarter
,day_of_week_name
,weekend_flag
等大量对分析有用的属性，避免在查询中进行复杂的日期计算。问题： “数据虚拟化”（Data Virtualization）技术允许用户？
A) 物理复制所有数据到一个中心仓库 B) 通过一个统一的逻辑视图访问分散在不同源系统的数据，无需物理移动 C) 删除所有历史数据以节省空间 D) 将非结构化数据自动转换为结构化数据 答案：B) 解析： 数据虚拟化提供了一个抽象层，让用户像查询一个数据库一样查询多个异构数据源（数据库、数据湖、API等），查询时才实时获取数据，减少了数据复制和延迟，适合敏捷分析。 问题： 在数据仓库的“维度建模”中，雪花模式（Snowflake Schema）相对于星型模式（Star Schema）的主要缺点是？
A) 查询性能可能更慢，因为需要连接更多的表 B) 数据冗余更多 C) 无法表示层次关系 D) 不支持事实表 答案：A) 解析： 雪花模式对维度表进行了规范化，减少了数据冗余，但导致维度表被拆分成多个层级（如产品 -> 产品类别 -> 产品大类），查询时需要连接更多表，可能影响性能。星型模式牺牲一些冗余换取更快的查询速度。 问题： 一个数据仓库项目中，最可能负责定义“客户”维度的业务含义和属性的人是？
A) 网络管理员 B) 业务分析师（Business Analyst） C) 操作系统工程师 D) 数据库硬件供应商 答案：B) 解析： 业务分析师是业务部门与技术团队的桥梁。他们理解业务需求，负责定义关键业务实体（如客户、产品）的业务规则、属性和指标，确保数据模型能准确反映业务现实。 问题： “数据编织”（Data Fabric）是一种？
A) 新型的数据库存储引擎 B) 一种利用主动元数据、知识图谱和自动化，实现无缝数据集成、发现和管理的架构方法 C) 专门用于处理图像数据的技术 D) 一种过时的ETL工具 答案：B) 解析： 数据编织是近年来兴起的架构理念，旨在通过智能化的元数据管理和自动化，简化复杂数据环境（多云、混合云、数据湖仓）下的数据访问、集成和治理，提供一致的数据体验。 问题： 在云数据仓库中，“按需计费”（Pay-as-you-go）模式的主要优势是？
A) 固定成本，无需预算 B) 用户只为实际使用的计算和存储资源付费，成本更灵活可控 C) 免费使用所有功能 D) 无需进行任何性能优化 答案：B) 解析： 云服务的按需计费模式消除了前期大规模硬件投资，用户可以根据业务负载动态调整资源，高峰时扩容，低谷时缩容，有效控制成本。 问题： “数据可观测性”（Data Observability）主要关注？
A) 数据中心的物理安全摄像头 B) 监控数据管道的健康状况，包括数据质量、新鲜度、 lineage、数据量等，及时发现和预警问题 C) 用户界面的美观程度 D) 数据库服务器的温度 答案：B) 解析： 借鉴IT可观测性概念，数据可观测性通过监控关键指标（如数据延迟、空值率、模式变更、数据量突变），帮助数据团队了解数据系统的内部状态，快速定位数据中断或质量问题。 问题： 一个事实表记录了每笔销售订单。如果业务需求是分析“每个产品类别的月销售额”，这个查询最可能使用哪种聚合函数？
A) COUNT(*)B) AVG(sales_amount)C) SUM(sales_amount)D) MIN(order_date)答案：C) 解析： “销售额”通常指总收入，需要对每笔订单的 sales_amount
进行求和(SUM
)，并按产品类别和月份分组。问题： “数据仓库即服务”（DWaaS）的主要交付模式是？
A) 供应商邮寄硬盘 B) 通过云平台提供托管的、可扩展的数据仓库解决方案 C) 提供开源软件下载 D) 派遣工程师驻场安装 答案：B) 解析： DWaaS是云服务的一种，如Amazon Redshift, Google BigQuery, Snowflake, Azure Synapse Analytics。供应商负责底层基础设施的管理、维护和扩展，用户通过网络访问，按需使用，简化了运维。
据统计，99%的大咖都关注了这个公众号👇
猜你喜欢👇
数仓面试👇
后台回复资料获取更多福利
