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)的數(shù)據(jù)建模與架構(gòu)設(shè)計(jì)考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.以下哪一項(xiàng)不是數(shù)據(jù)倉(cāng)庫(kù)區(qū)別于操作型數(shù)據(jù)庫(kù)的關(guān)鍵特征？A.主題域?qū)駼.數(shù)據(jù)集成性C.數(shù)據(jù)非易失性D.數(shù)據(jù)高并發(fā)更新2.在維度建模中，通常用來描述業(yè)務(wù)過程、包含時(shí)間信息并作為事實(shí)表行標(biāo)識(shí)的維度是？A.通用維度B.時(shí)刻維度C.業(yè)務(wù)過程維度D.位置維度3.相比于星型模型，雪花模型的主要優(yōu)點(diǎn)是？A.查詢效率更高B.數(shù)據(jù)存儲(chǔ)更節(jié)省C.數(shù)據(jù)結(jié)構(gòu)更規(guī)范D.維度表更容易擴(kuò)展4.數(shù)據(jù)倉(cāng)庫(kù)ETL過程中的“轉(zhuǎn)換”階段，以下哪項(xiàng)不是常見的轉(zhuǎn)換操作？A.數(shù)據(jù)類型轉(zhuǎn)換B.數(shù)據(jù)合并C.數(shù)據(jù)歸一化D.計(jì)算衍生指標(biāo)5.用于存儲(chǔ)大量原始交易數(shù)據(jù)，供數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行抽取的源系統(tǒng)通常是？A.數(shù)據(jù)集市B.數(shù)據(jù)倉(cāng)庫(kù)C.操作型數(shù)據(jù)庫(kù)D.數(shù)據(jù)湖6.在數(shù)據(jù)倉(cāng)庫(kù)分層架構(gòu)中，面向特定業(yè)務(wù)主題進(jìn)行局部數(shù)據(jù)聚合和加工的層是？A.ODS層B.DWD層C.DWS層D.ADS層7.以下哪種存儲(chǔ)技術(shù)通常更適合存儲(chǔ)大量結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)，并支持高效的列式查詢？A.關(guān)系型數(shù)據(jù)庫(kù)（行式存儲(chǔ)）B.分布式文件系統(tǒng)（如HDFS）C.列式數(shù)據(jù)庫(kù)（如ClickHouse）D.NoSQL數(shù)據(jù)庫(kù)（如MongoDB）8.數(shù)據(jù)倉(cāng)庫(kù)中，描述業(yè)務(wù)實(shí)體的屬性通常是？A.事實(shí)B.度量C.維度屬性D.聯(lián)結(jié)鍵9.以下哪項(xiàng)指標(biāo)不是衡量數(shù)據(jù)倉(cāng)庫(kù)性能的常用指標(biāo)？A.查詢響應(yīng)時(shí)間B.ETL過程耗時(shí)C.數(shù)據(jù)庫(kù)磁盤空間占用D.數(shù)據(jù)加載并發(fā)數(shù)10.數(shù)據(jù)倉(cāng)庫(kù)中的“時(shí)變性”指的是？A.數(shù)據(jù)存儲(chǔ)量隨時(shí)間增長(zhǎng)B.數(shù)據(jù)記錄包含時(shí)間戳C.數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)是歷史快照，不會(huì)輕易被修改刪除D.數(shù)據(jù)更新操作非常頻繁二、判斷題（每題1分，共10分，請(qǐng)?jiān)诶ㄌ?hào)內(nèi)打√或×）1.星型模型中，事實(shí)表通常包含多個(gè)維度的主鍵作為外鍵。（）2.數(shù)據(jù)清洗是ETL過程中的第一步，主要目的是確保數(shù)據(jù)的準(zhǔn)確性、完整性和一致性。（）3.數(shù)據(jù)冗余在數(shù)據(jù)倉(cāng)庫(kù)中是絕對(duì)要避免的，因?yàn)樗鼤?huì)增加存儲(chǔ)空間和查詢復(fù)雜度。（）4.數(shù)據(jù)集市可以看作是數(shù)據(jù)倉(cāng)庫(kù)的一個(gè)子集，或者是一個(gè)面向特定部門或主題的簡(jiǎn)化版數(shù)據(jù)倉(cāng)庫(kù)。（）5.ETL工具主要用于數(shù)據(jù)的抽取和加載，轉(zhuǎn)換操作通常需要通過編程實(shí)現(xiàn)。（）6.分區(qū)是一種常用的數(shù)據(jù)庫(kù)物理設(shè)計(jì)技術(shù)，可以提高數(shù)據(jù)倉(cāng)庫(kù)中大數(shù)據(jù)量查詢的性能。（）7.維度表中的數(shù)據(jù)通常是穩(wěn)定的，而事實(shí)表中的數(shù)據(jù)會(huì)隨時(shí)間變化。（）8.數(shù)據(jù)湖是存儲(chǔ)原始數(shù)據(jù)未經(jīng)加工的集合，而數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)是經(jīng)過清洗和整合的。（）9.數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)不需要考慮數(shù)據(jù)的安全性和訪問控制。（）10.元數(shù)據(jù)是描述數(shù)據(jù)的數(shù)據(jù)，它對(duì)于理解和管理數(shù)據(jù)倉(cāng)庫(kù)至關(guān)重要。（）三、簡(jiǎn)答題（每題5分，共20分）1.簡(jiǎn)述數(shù)據(jù)倉(cāng)庫(kù)與操作型數(shù)據(jù)庫(kù)在數(shù)據(jù)模型、更新方式、使用目的等方面的主要區(qū)別。2.請(qǐng)簡(jiǎn)述維度建模中星型模型的結(jié)構(gòu)特點(diǎn)及其主要優(yōu)點(diǎn)。3.在數(shù)據(jù)倉(cāng)庫(kù)ETL過程中，“抽取”、“轉(zhuǎn)換”、“加載”三個(gè)環(huán)節(jié)各自的主要作用是什么？4.什么是數(shù)據(jù)粒度？在數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)中確定數(shù)據(jù)粒度需要考慮哪些因素？四、設(shè)計(jì)與分析題（共50分）1.（場(chǎng)景分析與模型設(shè)計(jì)，25分）假設(shè)你正在為一個(gè)在線零售公司設(shè)計(jì)一個(gè)數(shù)據(jù)倉(cāng)庫(kù)。該公司的核心業(yè)務(wù)是銷售商品，顧客可以通過網(wǎng)站或移動(dòng)應(yīng)用下單購(gòu)買。主要的業(yè)務(wù)活動(dòng)包括：顧客注冊(cè)、瀏覽商品、加入購(gòu)物車、提交訂單、支付訂單、發(fā)貨，以及進(jìn)行售后服務(wù)（如退貨、換貨）。每個(gè)訂單可以包含多個(gè)商品，每個(gè)商品可能有不同的規(guī)格和顏色。請(qǐng)：a.判斷該業(yè)務(wù)場(chǎng)景是否適合構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)，并簡(jiǎn)述理由。（5分）b.基于該場(chǎng)景，設(shè)計(jì)一個(gè)星型模型。請(qǐng)明確識(shí)別出所有主要的維度表及其包含的關(guān)鍵維度屬性，以及一個(gè)事實(shí)表及其包含的關(guān)鍵事實(shí)度量和外鍵。（20分）c.簡(jiǎn)要說明你為該事實(shí)表選擇的數(shù)據(jù)粒度是什么，并說明理由。（5分）2.（ETL與架構(gòu)設(shè)計(jì)，25分）假設(shè)你需要構(gòu)建一個(gè)數(shù)據(jù)倉(cāng)庫(kù)，用于分析銷售數(shù)據(jù)。數(shù)據(jù)源包括：*操作型數(shù)據(jù)庫(kù)中的銷售訂單表（每日更新）、商品信息表（相對(duì)穩(wěn)定）。*第三方數(shù)據(jù)提供商提供的每日天氣數(shù)據(jù)文件（CSV格式）。*公司內(nèi)部網(wǎng)站日志文件（需要定期抽?。?。你需要將上述數(shù)據(jù)整合到數(shù)據(jù)倉(cāng)庫(kù)中，并進(jìn)行必要的清洗和轉(zhuǎn)換，最終在數(shù)據(jù)倉(cāng)庫(kù)的DWS層生成寬表用于分析。請(qǐng)：a.設(shè)計(jì)一個(gè)簡(jiǎn)化的ETL流程，說明需要抽取哪些數(shù)據(jù)源，主要需要進(jìn)行哪些轉(zhuǎn)換操作（如數(shù)據(jù)清洗、關(guān)聯(lián)、聚合等），以及大致的加載策略。（15分）b.如果數(shù)據(jù)量非常大（例如每天數(shù)億條記錄），為了提高數(shù)據(jù)處理性能和系統(tǒng)可擴(kuò)展性，你在數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)設(shè)計(jì)上會(huì)考慮哪些關(guān)鍵技術(shù)和方案？（10分）---試卷答案一、選擇題1.D2.C3.C4.C5.C6.C7.C8.C9.C10.C二、判斷題1.√2.√3.×4.√5.×6.√7.√8.√9.×10.√三、簡(jiǎn)答題1.區(qū)別：*數(shù)據(jù)模型：操作型數(shù)據(jù)庫(kù)面向事務(wù)處理，采用規(guī)范化模型；數(shù)據(jù)倉(cāng)庫(kù)面向主題域，通常采用維度建模（星型/雪花模型）。*更新方式：操作型數(shù)據(jù)庫(kù)數(shù)據(jù)頻繁更新（增刪改）；數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)相對(duì)穩(wěn)定，主要是加載歷史數(shù)據(jù)，少量更新（如維度成員更新），強(qiáng)調(diào)非易失性。*使用目的：操作型數(shù)據(jù)庫(kù)支持日常業(yè)務(wù)操作；數(shù)據(jù)倉(cāng)庫(kù)支持管理決策、數(shù)據(jù)分析。*數(shù)據(jù)內(nèi)容：操作型數(shù)據(jù)庫(kù)包含當(dāng)前精確數(shù)據(jù)；數(shù)據(jù)倉(cāng)庫(kù)包含歷史累積數(shù)據(jù)。*數(shù)據(jù)粒度：操作型數(shù)據(jù)庫(kù)數(shù)據(jù)粒度細(xì)（單條記錄）；數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)粒度通常較粗（如按天、按月）。*數(shù)據(jù)結(jié)構(gòu)：操作型數(shù)據(jù)庫(kù)結(jié)構(gòu)復(fù)雜，強(qiáng)調(diào)數(shù)據(jù)一致性；數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)簡(jiǎn)單，強(qiáng)調(diào)查詢性能。2.結(jié)構(gòu)特點(diǎn)：由一個(gè)中心事實(shí)表和多個(gè)維度表組成。維度表通過共享的事實(shí)表主鍵與事實(shí)表關(guān)聯(lián)。事實(shí)表主要存儲(chǔ)業(yè)務(wù)度量值和指向各維度表的外鍵，數(shù)據(jù)類型通常為數(shù)值型；維度表存儲(chǔ)描述業(yè)務(wù)背景的屬性信息，數(shù)據(jù)類型通常為文本或日期型。主要優(yōu)點(diǎn)：*結(jié)構(gòu)簡(jiǎn)單直觀，易于理解和理解業(yè)務(wù)含義。*查詢效率高，特別是對(duì)于聚合型查詢，可以利用星型連接的特性。*維度表易于擴(kuò)展，可以在不修改事實(shí)表結(jié)構(gòu)的情況下添加新的維度屬性。3.抽?。‥xtract）：從各種數(shù)據(jù)源（如操作型數(shù)據(jù)庫(kù)、文件、API等）中按照預(yù)定義的規(guī)則將需要的數(shù)據(jù)記錄選取出來。主要考慮因素包括數(shù)據(jù)源類型、數(shù)據(jù)量、頻率、所需數(shù)據(jù)字段等。轉(zhuǎn)換（Transform）：對(duì)抽取出的數(shù)據(jù)進(jìn)行清洗、整合、計(jì)算等操作，使其符合數(shù)據(jù)倉(cāng)庫(kù)的質(zhì)量標(biāo)準(zhǔn)和主題域要求。主要操作包括：數(shù)據(jù)清洗（去除錯(cuò)誤、重復(fù)、缺失值）、數(shù)據(jù)格式轉(zhuǎn)換（類型、單位）、數(shù)據(jù)合并（關(guān)聯(lián)）、計(jì)算衍生指標(biāo)、數(shù)據(jù)標(biāo)準(zhǔn)化/歸一化等。加載（Load）：將轉(zhuǎn)換后的數(shù)據(jù)按照一定的加載策略（如全量加載、增量加載、覆蓋加載）導(dǎo)入到數(shù)據(jù)倉(cāng)庫(kù)的目標(biāo)表中（通常是StagingTable，然后更新或插入到最終目標(biāo)表）。主要考慮因素包括目標(biāo)表結(jié)構(gòu)、加載性能、數(shù)據(jù)一致性保證等。4.數(shù)據(jù)粒度：指事實(shí)表中存儲(chǔ)數(shù)據(jù)的詳細(xì)程度，即一個(gè)事實(shí)記錄所描述的業(yè)務(wù)事件的基本單元。例如，“每天每個(gè)商品在每個(gè)地區(qū)的銷售數(shù)量和金額”就是一個(gè)常見的粒度。確定因素：*業(yè)務(wù)需求：分析需求的粒度決定了數(shù)據(jù)粒度，需求支持到什么程度。*數(shù)據(jù)可用性：源系統(tǒng)中是否能夠提供支持所需粒度的數(shù)據(jù)。*數(shù)據(jù)量：粒度越細(xì)，數(shù)據(jù)量越大，對(duì)存儲(chǔ)和計(jì)算資源要求越高。*查詢性能：較粗的粒度有利于進(jìn)行跨維度、跨時(shí)間的高層次匯總查詢，但細(xì)粒度數(shù)據(jù)更豐富，支持更靈活的分析。*數(shù)據(jù)倉(cāng)庫(kù)目標(biāo)：數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)目標(biāo)（如支持實(shí)時(shí)查詢、支持復(fù)雜分析）會(huì)影響粒度選擇。四、設(shè)計(jì)與分析題1.（場(chǎng)景分析與模型設(shè)計(jì)，25分）a.判斷與理由：適合構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)。（5分）*理由：該場(chǎng)景具有明確的分析主題（在線零售銷售），涉及跨越時(shí)間跨度的業(yè)務(wù)活動(dòng)（從顧客注冊(cè)到售后），數(shù)據(jù)可以進(jìn)行整合以支持決策分析（如銷售趨勢(shì)、顧客行為、商品表現(xiàn)等）。同時(shí)，存在多個(gè)業(yè)務(wù)系統(tǒng)和數(shù)據(jù)源，符合數(shù)據(jù)倉(cāng)庫(kù)的集成性特點(diǎn)。操作型系統(tǒng)（網(wǎng)站、應(yīng)用、訂單數(shù)據(jù)庫(kù)）產(chǎn)生的數(shù)據(jù)是構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的來源。b.星型模型設(shè)計(jì)：（20分）*維度表：*`顧客維度(CustomerDimension)`：包含`顧客ID`(主鍵),`顧客名`,`注冊(cè)日期`,`性別`,`地區(qū)`,`會(huì)員等級(jí)`等屬性。*`商品維度(ProductDimension)`：包含`商品ID`(主鍵),`商品名`,`商品類別`,`品牌`,`規(guī)格`,`顏色`,`價(jià)格`等屬性。*`日期維度(DateDimension)`：包含`日期鍵`(主鍵),`日期`,`星期幾`,`月份`,`季度`,`年份`,`是否工作日`等屬性。*`促銷維度(PromotionDimension)`(可選，如果業(yè)務(wù)重要)：包含`促銷ID`(主鍵),`促銷名稱`,`促銷類型`,`開始日期`,`結(jié)束日期`等屬性。*`店鋪/渠道維度(Store/ChannelDimension)`(可選)：包含`渠道ID`(主鍵),`渠道名稱`(如網(wǎng)站、App、線下店),`地區(qū)`等屬性。*事實(shí)表：*`銷售事實(shí)表(SalesFact)`：*外鍵：`顧客ID`,`商品ID`,`日期鍵`,`促銷ID`(如果存在),`渠道ID`(如果存在)*度量：`銷售數(shù)量`(數(shù)值),`銷售金額`(數(shù)值),`折扣金額`(數(shù)值),`退貨數(shù)量`(數(shù)值,可為負(fù)),`退款金額`(數(shù)值,可為負(fù))。c.數(shù)據(jù)粒度與理由：（5分）*數(shù)據(jù)粒度：按天、按商品、按顧客、按渠道。(選擇其一或組合說明，這里選常用組合)*理由：該粒度能夠同時(shí)支持常見的分析需求，如分析每天總銷售額、每個(gè)商品的銷售表現(xiàn)、特定顧客群體的購(gòu)買行為、不同渠道的銷售情況。粒度過粗（如按月）會(huì)丟失過多細(xì)節(jié)信息，粒度過細(xì)（如按單）會(huì)增加數(shù)據(jù)量并可能影響某些匯總分析的效率。按天粒度是零售行業(yè)常用的基準(zhǔn)粒度。2.（ETL與架構(gòu)設(shè)計(jì)，25分）a.ETL流程設(shè)計(jì)：（15分）*抽?。?從操作型數(shù)據(jù)庫(kù)每日抽取“銷售訂單表”和“商品信息表”（可能需要增量抽取或全量抽取，根據(jù)數(shù)據(jù)量和更新頻率決定）。*從第三方數(shù)據(jù)提供商處定期（如每日）獲取“天氣數(shù)據(jù)文件”（CSV格式），可能需要知道文件存放位置和更新機(jī)制。*從公司內(nèi)部網(wǎng)站服務(wù)器定期（如每小時(shí)或每日）抽取“網(wǎng)站日志文件”（可能需要使用日志采集工具）。*轉(zhuǎn)換：*銷售訂單表轉(zhuǎn)換：清洗數(shù)據(jù)（檢查訂單狀態(tài)有效性、金額合理性等），關(guān)聯(lián)商品信息表補(bǔ)充商品類別、品牌等屬性。按日期、商品等字段進(jìn)行聚合，計(jì)算每個(gè)訂單的總金額、商品數(shù)量。關(guān)聯(lián)天氣數(shù)據(jù)（如果訂單發(fā)生日期與天氣數(shù)據(jù)日期匹配，可能需要根據(jù)訂單地址匹配天氣數(shù)據(jù)）。*商品信息表轉(zhuǎn)換：標(biāo)準(zhǔn)化商品分類、品牌等屬性?？赡苄枰M(jìn)行輕度反規(guī)范化，將分類路徑信息存儲(chǔ)為屬性，方便查詢。*天氣數(shù)據(jù)轉(zhuǎn)換：清洗數(shù)據(jù)（處理缺失值、格式統(tǒng)一），關(guān)聯(lián)日期信息，可能需要按區(qū)域進(jìn)行匯總。*網(wǎng)站日志轉(zhuǎn)換：解析日志文件（使用LogParsing工具），提取用戶行為信息（如頁(yè)面瀏覽、搜索關(guān)鍵詞、購(gòu)買意向等），關(guān)聯(lián)用戶信息（如果可能），按日期、用戶、行為類型等進(jìn)行匯總。*數(shù)據(jù)關(guān)聯(lián)與整合：將轉(zhuǎn)換后的銷售數(shù)據(jù)、商品數(shù)據(jù)、天氣數(shù)據(jù)、網(wǎng)站行為數(shù)據(jù)進(jìn)行關(guān)聯(lián)，例如將銷售訂單的地址與天氣數(shù)據(jù)進(jìn)行匹配，或?qū)⒂脩舻臑g覽行為與最終的購(gòu)買數(shù)據(jù)進(jìn)行關(guān)聯(lián)，形成寬表。*加載：將整合后的寬表數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)的DWD層（可能先加載到Staging層進(jìn)行校驗(yàn)和暫存），采用增量加載或全量加載相結(jié)合的方式。b.架構(gòu)設(shè)計(jì)考慮：（10分）*存儲(chǔ)技術(shù)：考慮使用列式存儲(chǔ)數(shù)據(jù)庫(kù)（如ClickHouse,Greenplum,IcebergonDeltaLake/Hudi）來存儲(chǔ)DW