大数据面试真题

本文链接：https://blog.csdn.net/winterPassing/article/details/148903682

丰巢

你们 dws 层数据放在 clickhouse，你们不同层的数据是放在不同的存储引擎上吗？
你们前面 3 层都是做短时间的 kafka 存储吗？还是说你们 kafka 也是存的全量数据
明细层的话在业务库，只是做短时间的存储？最终输出到 clickhouse 做持久化的存储？
离线数仓你有参与吗？离线数仓是怎么构建的
你们在实时和离线的明细层分别做了两套逻辑汇总，一套是根据实时展现的指标，一套是根据后续报表进行汇总 -> 如何保证两边的口径一致?大家对一些业务口径的理解可能有些出入,如何保证两边的口径和算出来的数据是一致的
不同的业务方对同名指标的描述不一致的情况,有没有考虑郭做这种指标的管理,或者一些归档?
你们现在大概有多少张表, 对业务部门提供的指标有多少?
数据量方便, 你们的订单表之类的大概一天有几个订单?
最大的事实表是哪张? 它的量大概是什么样子? 每天的增量是多少
轻度汇总是每天都会有某一个维度订单的汇总, 这个数大概是多少? 在某一个维度的事务事实的汇总的量得出来的值大概是多少呢?说的 6w 上下 -> 这个数据量的话其实用不到数仓, mysql 的一个分表就可以处理
讲一下维度建模中的星型模型和雪花模型有什么区别? 模型分别的优劣势
事务表用哪种方法来建? 累积快照还是事务事实? 事务事实表的建设方法
事务事实和累计快照的区别, 事务事实会有什么数据, 累积快照会有什么数据?
无论用事务事实还是用累积快照都可以记录订单的流转, 那累积快照是怎样去记录, 事务事实是怎样去记录
SQL 与 HQL 的优化, sparkSQL 有了解过吗?
reduceByKey 和 groupByKey 哪一个性能更好, 分别使用在怎样的场景下
广播变量的优势是什么劣势是什么
数据治理监控, 就是每天数仓跑出来的数据是正确的还是不正确的, 是否有异常, 这些怎么处理