2025年大學(xué)《數(shù)據(jù)計(jì)算及應(yīng)用》專業(yè)題庫(kù)——數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)湖的區(qū)別與應(yīng)用比較考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.下列哪一項(xiàng)不是數(shù)據(jù)倉(cāng)庫(kù)通常具備的特征？A.面向主題B.數(shù)據(jù)集成C.數(shù)據(jù)時(shí)變D.數(shù)據(jù)格式高度統(tǒng)一化2.數(shù)據(jù)湖通常存儲(chǔ)的數(shù)據(jù)格式最可能包括：A.僅結(jié)構(gòu)化數(shù)據(jù)B.僅半結(jié)構(gòu)化數(shù)據(jù)C.結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)D.僅非結(jié)構(gòu)化數(shù)據(jù)3.適合進(jìn)行快速、復(fù)雜的在線分析處理（OLAP）的查詢，通常更傾向于使用：A.數(shù)據(jù)湖B.數(shù)據(jù)倉(cāng)庫(kù)C.搜索引擎D.云存儲(chǔ)服務(wù)4.將原始數(shù)據(jù)直接加載到分析平臺(tái)進(jìn)行探索性分析，這種處理模式更符合：A.數(shù)據(jù)倉(cāng)庫(kù)的ETL流程B.數(shù)據(jù)湖的原始數(shù)據(jù)存儲(chǔ)理念C.傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)操作D.機(jī)器學(xué)習(xí)模型的訓(xùn)練階段5.如果一個(gè)企業(yè)需要構(gòu)建一個(gè)統(tǒng)一平臺(tái)，用于存儲(chǔ)過(guò)去十年的所有業(yè)務(wù)日志、用戶行為追蹤信息（原始格式）以及各種傳感器數(shù)據(jù)，供數(shù)據(jù)科學(xué)家進(jìn)行探索和模型訓(xùn)練，那么數(shù)據(jù)湖是更合適的選型，主要原因是：A.數(shù)據(jù)湖能保證極高的數(shù)據(jù)準(zhǔn)確性B.數(shù)據(jù)湖能自動(dòng)完成復(fù)雜的數(shù)據(jù)建模C.數(shù)據(jù)湖對(duì)存儲(chǔ)非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)具有天然優(yōu)勢(shì)且成本較低D.數(shù)據(jù)湖能直接支持復(fù)雜的OLAP分析6.數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)通常是：A.原始格式，未經(jīng)處理B.經(jīng)過(guò)清洗、轉(zhuǎn)換和整合的，面向主題的C.實(shí)時(shí)不斷變化的D.主要用于短期數(shù)據(jù)備份7.以下哪項(xiàng)技術(shù)是數(shù)據(jù)倉(cāng)庫(kù)中常用的，用于將數(shù)據(jù)從源系統(tǒng)抽取、轉(zhuǎn)換并加載到目標(biāo)倉(cāng)庫(kù)的過(guò)程？A.NoSQL數(shù)據(jù)庫(kù)B.在線分析處理（OLAP）C.批量數(shù)據(jù)處理（BatchProcessing）D.ETL（Extract,Transform,Load）8.相比于傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)湖的主要優(yōu)勢(shì)之一在于：A.提供固定的、預(yù)定義的分析模型B.更好地支持非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)C.顯著降低數(shù)據(jù)存儲(chǔ)成本D.優(yōu)化了實(shí)時(shí)事務(wù)處理能力9.一個(gè)零售商希望對(duì)其所有在線和線下渠道的用戶購(gòu)買歷史進(jìn)行整合分析，以發(fā)現(xiàn)跨渠道的購(gòu)物模式和客戶畫像。這個(gè)需求最適合通過(guò)構(gòu)建：A.數(shù)據(jù)湖，用于存儲(chǔ)原始交易數(shù)據(jù)供后續(xù)分析B.數(shù)據(jù)倉(cāng)庫(kù)，用于整合處理后的主題域數(shù)據(jù)支持報(bào)表和BIC.專門的實(shí)時(shí)數(shù)據(jù)平臺(tái)D.搜索引擎索引10.數(shù)據(jù)湖架構(gòu)通常需要支持更強(qiáng)大的計(jì)算能力，以應(yīng)對(duì)其存儲(chǔ)的多樣化數(shù)據(jù)，以下哪種計(jì)算框架常被用于數(shù)據(jù)湖的分析處理？A.關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)（RDBMS）B.傳統(tǒng)ETL工具C.MapReduceD.ApacheSpark二、簡(jiǎn)答題（每題5分，共20分）1.簡(jiǎn)述數(shù)據(jù)倉(cāng)庫(kù)中“集成”的含義及其重要性。2.簡(jiǎn)述數(shù)據(jù)湖存儲(chǔ)原始數(shù)據(jù)的“靈活性”體現(xiàn)在哪些方面。3.解釋什么是數(shù)據(jù)倉(cāng)庫(kù)的“時(shí)變性”，并舉例說(shuō)明。4.描述一個(gè)場(chǎng)景，其中使用數(shù)據(jù)湖比使用數(shù)據(jù)倉(cāng)庫(kù)更具優(yōu)勢(shì)，并說(shuō)明理由。三、論述題（每題10分，共30分）1.詳細(xì)比較數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)湖在數(shù)據(jù)模型設(shè)計(jì)上的主要區(qū)別。2.論述數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)湖在應(yīng)用目的和目標(biāo)用戶方面存在的差異。3.假設(shè)一個(gè)初創(chuàng)公司正在快速發(fā)展，需要存儲(chǔ)海量的用戶行為日志（半結(jié)構(gòu)化，格式不統(tǒng)一），并希望數(shù)據(jù)團(tuán)隊(duì)能快速地進(jìn)行探索性分析以發(fā)現(xiàn)用戶偏好，同時(shí)也要為即將推出的產(chǎn)品做一些初步的報(bào)表分析。請(qǐng)分析在這種場(chǎng)景下，是優(yōu)先建設(shè)數(shù)據(jù)湖還是數(shù)據(jù)倉(cāng)庫(kù)更合適？闡述你的理由，并討論可能的技術(shù)選型或解決方案思路。---試卷答案一、選擇題1.D2.C3.B4.B5.C6.B7.D8.B9.B10.D二、簡(jiǎn)答題1.集成是指數(shù)據(jù)倉(cāng)庫(kù)需要從不同的業(yè)務(wù)系統(tǒng)（源系統(tǒng)）中抽取數(shù)據(jù)，并將其轉(zhuǎn)換成統(tǒng)一格式，消除源系統(tǒng)之間的差異和不一致性，按照數(shù)據(jù)倉(cāng)庫(kù)的主題域進(jìn)行整合。其重要性在于確保數(shù)據(jù)在進(jìn)入分析層之前是干凈、一致和可信的，從而為最終用戶（如管理層）提供可靠、一致的決策支持信息，避免因數(shù)據(jù)源分散、標(biāo)準(zhǔn)不一而導(dǎo)致的分析錯(cuò)誤或矛盾。2.數(shù)據(jù)湖存儲(chǔ)原始數(shù)據(jù)的“靈活性”主要體現(xiàn)在：①格式多樣性：可以無(wú)差別地存儲(chǔ)結(jié)構(gòu)化、半結(jié)構(gòu)化（如JSON、XML、CSV）、非結(jié)構(gòu)化（如文本、圖片、視頻）等各種格式的數(shù)據(jù)，無(wú)需預(yù)先定義模式；②Schema-on-Read：數(shù)據(jù)的結(jié)構(gòu)（Schema）在寫入時(shí)可能未知或不必嚴(yán)格定義，而是在數(shù)據(jù)被讀取和分析時(shí)才進(jìn)行解析和定義，使得數(shù)據(jù)加載過(guò)程更簡(jiǎn)單、快速，更能適應(yīng)數(shù)據(jù)類型的不斷變化；③數(shù)據(jù)處理多樣性：支持多種不同的數(shù)據(jù)處理和分析技術(shù)（如批處理、流處理、圖計(jì)算、機(jī)器學(xué)習(xí)等）直接作用于存儲(chǔ)層的數(shù)據(jù)，用戶可以根據(jù)需要選擇合適的技術(shù)進(jìn)行分析探索。3.數(shù)據(jù)倉(cāng)庫(kù)的“時(shí)變性”是指數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)會(huì)隨著時(shí)間的推移而發(fā)生變化，通常表現(xiàn)為添加新的數(shù)據(jù)（反映業(yè)務(wù)發(fā)展）、更新現(xiàn)有數(shù)據(jù)（反映業(yè)務(wù)變化）或刪除舊數(shù)據(jù)（反映業(yè)務(wù)消亡）。最典型的時(shí)變體現(xiàn)在時(shí)間維度上，即數(shù)據(jù)倉(cāng)庫(kù)會(huì)記錄業(yè)務(wù)事件發(fā)生的時(shí)間戳，并保留歷史數(shù)據(jù)記錄，以便進(jìn)行趨勢(shì)分析、比較分析等。例如，產(chǎn)品信息表會(huì)記錄產(chǎn)品發(fā)布日期和可能的下架日期；銷售訂單表會(huì)記錄訂單發(fā)生的確切日期，并且可以查詢到過(guò)去任何一天的銷售情況。4.場(chǎng)景：一個(gè)金融科技公司需要處理來(lái)自用戶App的實(shí)時(shí)用戶行為數(shù)據(jù)（如點(diǎn)擊、瀏覽、交易嘗試等），這些數(shù)據(jù)量巨大且格式多樣（如設(shè)備日志、JSON請(qǐng)求體），需要快速地進(jìn)行探索性分析，以實(shí)時(shí)監(jiān)測(cè)異常行為、優(yōu)化產(chǎn)品設(shè)計(jì)或進(jìn)行實(shí)時(shí)個(gè)性化推薦。使用數(shù)據(jù)湖更合適。理由：數(shù)據(jù)湖能以較低成本存儲(chǔ)海量的原始格式數(shù)據(jù)，并支持如Spark等強(qiáng)大的實(shí)時(shí)計(jì)算和分析框架直接對(duì)湖中的數(shù)據(jù)進(jìn)行處理和探索，能夠快速響應(yīng)快速變化的業(yè)務(wù)需求，而數(shù)據(jù)倉(cāng)庫(kù)通常更適合批處理和相對(duì)穩(wěn)定的歷史數(shù)據(jù)分析，且對(duì)實(shí)時(shí)性要求較高的場(chǎng)景可能需要額外的實(shí)時(shí)數(shù)據(jù)管道接入，復(fù)雜度和成本較高。三、論述題1.數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)模型設(shè)計(jì)通常是預(yù)先設(shè)計(jì)好的，常見(jiàn)的有星型模型和雪花模型。星型模型以一個(gè)中心事實(shí)表為核心，周圍連接多個(gè)維度表，結(jié)構(gòu)簡(jiǎn)單，查詢效率高，適合面向主題的查詢分析。雪花模型是星型模型的進(jìn)一步規(guī)范化，將維度表繼續(xù)分解成更小的維度表，可以減少數(shù)據(jù)冗余，但表的數(shù)量增多，查詢路徑變長(zhǎng)，可能影響性能。數(shù)據(jù)模型的設(shè)計(jì)緊密圍繞特定的業(yè)務(wù)主題（如銷售、客戶、產(chǎn)品），數(shù)據(jù)結(jié)構(gòu)是規(guī)范化和面向分析的。數(shù)據(jù)湖的數(shù)據(jù)模型設(shè)計(jì)則通常是非結(jié)構(gòu)化或弱結(jié)構(gòu)化的，遵循“Schema-on-Read”原則。數(shù)據(jù)在寫入時(shí)通常不需要預(yù)定義模式，其結(jié)構(gòu)由存儲(chǔ)的數(shù)據(jù)本身決定。讀取數(shù)據(jù)時(shí)，分析應(yīng)用程序需要根據(jù)需要自行解析和定義數(shù)據(jù)結(jié)構(gòu)。數(shù)據(jù)湖更傾向于存儲(chǔ)原始數(shù)據(jù)，保留數(shù)據(jù)的“原生”形態(tài)，模型是動(dòng)態(tài)的、靈活的，由使用數(shù)據(jù)湖進(jìn)行分析的應(yīng)用來(lái)驅(qū)動(dòng)。2.數(shù)據(jù)倉(cāng)庫(kù)的主要應(yīng)用目的是支持企業(yè)的決策支持，目標(biāo)用戶通常是企業(yè)內(nèi)部的管理層、業(yè)務(wù)分析師、數(shù)據(jù)分析師等，他們使用數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行報(bào)表分析、趨勢(shì)分析、績(jī)效監(jiān)控、客戶細(xì)分等，以了解業(yè)務(wù)狀況、發(fā)現(xiàn)問(wèn)題和機(jī)會(huì)，制定戰(zhàn)略或戰(zhàn)術(shù)決策。數(shù)據(jù)倉(cāng)庫(kù)提供的是經(jīng)過(guò)處理、整合、面向主題的、相對(duì)穩(wěn)定的數(shù)據(jù)集。數(shù)據(jù)湖的應(yīng)用目的更加多樣化，既可以支持傳統(tǒng)的分析報(bào)表（通過(guò)集成到數(shù)據(jù)倉(cāng)庫(kù)或直接查詢），更側(cè)重于支持?jǐn)?shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、探索性數(shù)據(jù)分析（EDA）等。目標(biāo)用戶不僅包括業(yè)務(wù)分析師，還包括數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師等。數(shù)據(jù)湖存儲(chǔ)的是原始、多樣化的數(shù)據(jù)資產(chǎn)，旨在通過(guò)靈活的分析處理，挖掘數(shù)據(jù)中的潛在價(jià)值，驅(qū)動(dòng)創(chuàng)新或優(yōu)化?？梢哉f(shuō)，數(shù)據(jù)倉(cāng)庫(kù)更偏重于“描述性分析”（Whathappened?），而數(shù)據(jù)湖更偏重于“探索性分析”（Whatif?）、“診斷性分析”（Whydidithappen?）甚至“預(yù)測(cè)性分析”（Whatwillhappen?）。3.在這種場(chǎng)景下，優(yōu)先建設(shè)數(shù)據(jù)湖更合適。理由如下：*應(yīng)對(duì)數(shù)據(jù)多樣性和海量性：初創(chuàng)公司發(fā)展迅速，用戶行為日志等數(shù)據(jù)格式不一、量巨大，數(shù)據(jù)湖的“Schema-on-Read”和存儲(chǔ)多樣化格式的能力能夠很好地容納這種原始、混亂的數(shù)據(jù)，避免了在早期就為每種數(shù)據(jù)類型強(qiáng)制定義模式的復(fù)雜性。*支持快速探索性分析：數(shù)據(jù)湖配合強(qiáng)大的計(jì)算引擎（如Spark）能夠支持?jǐn)?shù)據(jù)科學(xué)家和業(yè)務(wù)分析師快速地對(duì)海量原始數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換、探索和建模，以發(fā)現(xiàn)用戶的潛在偏好和行為模式，這對(duì)于需要快速迭代和驗(yàn)證的初創(chuàng)公司至關(guān)重要。*成本效益：相對(duì)于需要復(fù)雜ETL過(guò)程和優(yōu)化的數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)湖（尤其是基于云的數(shù)據(jù)湖服務(wù)）通常在存儲(chǔ)和計(jì)算成本上更具優(yōu)勢(shì)，符合初創(chuàng)公司的預(yù)算考量。*靈活性：數(shù)據(jù)湖的靈活性使得公司可以根據(jù)業(yè)務(wù)發(fā)展需要，輕松地添加新的數(shù)據(jù)源和分析模型，而不會(huì)受到rigid數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)的限制。解決方案思路：可以構(gòu)建一個(gè)基于云的數(shù)據(jù)湖（如AWSS3+Glue/Catalyst,AzureDataLakeStorage+SynapseAnalytics,GCPCloudStorage+Dataflow/Spark