數(shù)據(jù)倉庫工程師崗位招聘考試試卷及答案數(shù)據(jù)倉庫工程師崗位招聘考試試卷一、填空題（10題，每題1分）1.數(shù)據(jù)倉庫的核心特征包括面向主題、集成性、非易失性和______。2.ETL過程中，從源系統(tǒng)抽取數(shù)據(jù)的階段稱為______。3.星型模型中，圍繞中心事實表的是______表。4.Hive中用于定義表結(jié)構(gòu)的語句是______。5.維度建模的四個步驟是選擇維度、定義粒度、確定事實和______。6.數(shù)據(jù)倉庫中，用于分析歷史數(shù)據(jù)趨勢的常用聚合函數(shù)是______（舉1例）。7.Flink中用于處理實時數(shù)據(jù)流的核心組件是______。8.雪花模型是星型模型的擴展，維度表之間存在______關(guān)系。9.數(shù)倉分層中，ODS層的全稱是______。10.數(shù)據(jù)質(zhì)量的核心指標(biāo)包括準(zhǔn)確性、完整性、一致性和______。二、單項選擇題（10題，每題2分）1.以下哪項不屬于數(shù)據(jù)倉庫的特征？A.面向主題B.實時事務(wù)處理C.非易失性D.集成性2.ETL中的“L”代表什么？A.LoadB.LinkC.LayerD.List3.星型模型與雪花模型的主要區(qū)別是？A.事實表數(shù)量B.維度表層級C.分區(qū)方式D.存儲引擎4.Hive中，哪種表適合存儲半結(jié)構(gòu)化數(shù)據(jù)（如JSON）？A.外部表B.內(nèi)部表C.分區(qū)表D.分桶表5.以下哪種數(shù)倉模型屬于維度建模？A.第三范式B.星型模型C.關(guān)系模型D.實體-關(guān)系模型6.SparkSQL中，用于執(zhí)行SQL查詢的組件是？A.SparkCoreB.SparkStreamingC.SparkSQLD.SparkMLlib7.數(shù)倉分層中，最貼近業(yè)務(wù)報表的分析層是？A.ODSB.DWDC.DWSD.ADS8.Flink的窗口類型中，基于固定時間間隔的窗口是？A.TumblingWindowB.SlidingWindowC.SessionWindowD.GlobalWindow9.以下哪項屬于數(shù)據(jù)質(zhì)量問題？A.數(shù)據(jù)重復(fù)B.數(shù)據(jù)類型正確C.數(shù)據(jù)及時更新D.數(shù)據(jù)完整10.湖倉一體的核心優(yōu)勢是？A.只支持結(jié)構(gòu)化數(shù)據(jù)B.無法實時處理C.統(tǒng)一存儲與計算D.成本更高三、多項選擇題（10題，每題2分）1.數(shù)據(jù)倉庫的常見分層包括？A.ODSB.DWDC.DWSD.ADS2.以下屬于ETL工具的是？A.TalendB.InformaticaC.SparkD.Flink3.維度建模的事實表類型包括？A.事務(wù)事實表B.周期快照事實表C.累積快照事實表D.維度事實表4.Hive的常用存儲格式包括？A.ORCB.ParquetC.CSVD.JSON5.數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別包括？A.用途（分析vs事務(wù)）B.數(shù)據(jù)模型（維度vs關(guān)系）C.實時性（低vs高）D.數(shù)據(jù)量（大vs小）6.Spark的核心組件包括？A.SparkCoreB.SparkSQLC.SparkStreamingD.SparkMLlib7.湖倉一體的關(guān)鍵技術(shù)包括？A.統(tǒng)一元數(shù)據(jù)B.統(tǒng)一計算引擎C.分層存儲D.實時處理8.數(shù)據(jù)質(zhì)量控制方法包括？A.數(shù)據(jù)清洗B.數(shù)據(jù)校驗C.數(shù)據(jù)監(jiān)控D.數(shù)據(jù)歸檔9.星型模型的特點包括？A.事實表單一B.維度表扁平C.查詢性能高D.存儲冗余大10.以下屬于OLAP操作的是？A.切片B.切塊C.鉆取D.旋轉(zhuǎn)四、判斷題（10題，每題2分）1.數(shù)據(jù)倉庫支持高頻實時事務(wù)處理。（）2.ETL的轉(zhuǎn)換階段負(fù)責(zé)清洗、格式轉(zhuǎn)換等數(shù)據(jù)加工。（）3.雪花模型的查詢性能比星型模型高。（）4.Hive內(nèi)部表刪除時會同步刪除數(shù)據(jù)文件。（）5.維度建模嚴(yán)格遵循第三范式。（）6.SparkStreaming和Flink均支持實時數(shù)據(jù)流處理。（）7.ODS層存儲的是已清洗的結(jié)構(gòu)化數(shù)據(jù)。（）8.湖倉一體可同時處理結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。（）9.數(shù)據(jù)質(zhì)量的“及時性”指數(shù)據(jù)在業(yè)務(wù)需求時間內(nèi)可用。（）10.事實表存儲的是維度屬性信息。（）五、簡答題（4題，每題5分）1.簡述數(shù)據(jù)倉庫分層的核心目的。2.星型模型與雪花模型的主要差異是什么？3.簡述ETL三個核心階段的作用。4.什么是湖倉一體？它解決了哪些傳統(tǒng)數(shù)倉的問題？六、討論題（2題，每題5分）1.設(shè)計電商場景下的數(shù)倉分層架構(gòu)，說明各層作用及數(shù)據(jù)流轉(zhuǎn)邏輯。2.如何建立數(shù)據(jù)倉庫的數(shù)據(jù)質(zhì)量保障體系？---參考答案一、填空題1.時變性2.抽取（Extract）3.維度4.CREATETABLE5.存儲維度屬性6.SUM（或COUNT、AVG等）7.DataStreamAPI8.層級（父子）9.操作數(shù)據(jù)存儲（OperationalDataStore）10.及時性二、單項選擇題1.B2.A3.B4.A5.B6.C7.D8.A9.A10.C三、多項選擇題1.ABCD2.ABCD3.ABC4.ABCD5.ABCD6.ABCD7.ABCD8.ABC9.ABCD10.ABCD四、判斷題1.×2.√3.×4.√5.×6.√7.×8.√9.√10.×五、簡答題1.分層目的：①解耦業(yè)務(wù)與技術(shù)，降低耦合度；②提升數(shù)據(jù)復(fù)用性，避免重復(fù)開發(fā)；③分層清洗加工，保障數(shù)據(jù)質(zhì)量；④優(yōu)化查詢性能，適配不同分析場景；⑤清晰數(shù)據(jù)流轉(zhuǎn)，便于管理維護(hù)。2.差異：星型模型中心是事實表，維度表直接關(guān)聯(lián)且無層級，查詢性能高但存儲冗余；雪花模型維度表存在層級（如地區(qū)→省份→城市），存儲冗余小但查詢需多表join，性能稍低。3.ETL階段：①抽?。簭脑聪到y(tǒng)提取原始數(shù)據(jù)；②轉(zhuǎn)換：清洗（去重、補全）、轉(zhuǎn)換（格式/類型）、整合（多源關(guān)聯(lián)）；③加載：將加工后的數(shù)據(jù)寫入目標(biāo)數(shù)倉/湖。轉(zhuǎn)換是核心環(huán)節(jié)。4.湖倉一體：整合數(shù)據(jù)湖（存儲原始多源數(shù)據(jù)）與數(shù)據(jù)倉庫（結(jié)構(gòu)化分析）的架構(gòu)。解決問題：①避免湖倉數(shù)據(jù)孤島；②統(tǒng)一計算引擎，支持多數(shù)據(jù)類型分析；③提升數(shù)據(jù)流轉(zhuǎn)效率，無需多次轉(zhuǎn)換；④支持實時+離線混合處理。六、討論題1.電商數(shù)倉分層：①ODS層：存儲原始數(shù)據(jù)（訂單、用戶、商品日志等），輕度清洗；②DWD層（明細(xì)）：按業(yè)務(wù)域拆分（訂單/用戶明細(xì)），原子粒度；③DWS層（匯總）：按主題匯總（日訂單/用戶行為），日/周粒度；④ADS層（應(yīng)用）：面向業(yè)務(wù)報表（銷售額/留存），支撐業(yè)務(wù)分析。流轉(zhuǎn)：ODS→DWD（清洗）→DWS（匯總）→ADS（報表），各層解耦復(fù)用。2.質(zhì)量保障體系：①事