ETL面试深度解析：必备知识与常见问题

本文档包含了常见ETL面试的各类问题及其详细解答，涵盖了数据仓库、SQL、Unix以及Informatica等方面，旨在帮助面试者充分准备。 ### 数据仓库问题 1. **什么是数据仓库？为什么我们需要它？** 数据仓库是用于报告和数据分析的、集成的、非易失性的、面向主题的数据集合。它从多个业务源提取数据，通过清洗和转换，存储在适合分析的结构中。我们需要数据仓库来支持决策制定，提供历史视角，以及分离在线事务处理(OLTP)系统的高并发查询负载。 2. **什么是即席分析？** 即席分析是指用户可以根据自己的需求自由地探索和分析数据，而不受预定义报告或查询的限制。这通常涉及交互式查询工具，使用户能快速深入到数据细节中。 3. **描述OLAP和OLTP系统** OLAP(在线分析处理)系统设计用于多维数据分析，支持复杂的聚合查询和快速响应。而OLTP(在线事务处理)系统专注于日常的事务操作，如增删改查，追求高并发性和事务一致性。 4. **OLAP与OLTP的主要区别是什么？** 主要区别包括：处理目标（OLAP用于分析，OLTP用于事务）、查询类型（OLAP多为复杂聚合，OLTP简单查询）、性能优化方向（OLAP优化读取，OLTP优化写入）和数据结构（OLAP倾向于星型或雪花型，OLTP更接近关系模型）。 5. **什么是维度表和事实表？** 在维度模型中，事实表包含测量值，通常与一个或多个维度表关联。维度表则包含描述性属性，为事实表提供上下文。 6. **什么是星型和雪花型模式？** 星型模式是最简单的维度模型，由一个事实表和一组直接连接的维度表组成。雪花型模式是对星型模式的扩展，其中维度表通过引用关系进行了规范化，减少了数据冗余。 7. **什么是慢变维？列举已知类型，并描述实现技术。** 慢变维是指数据仓库中的维度随着时间推移会发生变化，但不改变原有记录。类型包括类型1、类型2、类型3等。实施技术通常涉及添加新记录、保留历史记录或使用代理键。 8. **为什么需要维度规范化？** 维度规范化可以减少数据冗余，提高数据一致性和准确性，同时减小存储需求。 9. **列举并描述支持多维分析的存储模型（列出优缺点）。** 例如：星型和雪花型模型提供了快速查询性能，但可能增加数据冗余；关系数据库模型易于维护，但查询性能较低；多维立方体模型提供高效查询，但构建和更新成本高。 10. **什么是ETL？** ETL代表“抽取”(Extract)、“转换”(Transform)和“加载”(Load)，是数据仓库系统中的关键过程，用于从不同源获取数据，进行清洗、转换，然后加载到目标系统中。 11. **什么是数据集市？** 数据集市是数据仓库的子集，专注于特定业务领域或部门，提供更快的查询性能和更针对性的数据视图。 12. **描述切片和dice技术。** 切片是在多维数据集中选择一个特定的维度值范围，而dice是进一步在选定的切片内选择特定的度量值或维度值。 13. **金巴尔方法和因蒙方法的主要区别是什么？** 金巴尔方法强调自下而上的数据仓库构建，侧重于数据集市和业务线驱动的开发，而因蒙方法主张自上而下的整体设计，先构建企业级数据仓库，再派生出数据集市。 14. **什么是数据挖掘？列出并描述数据挖掘任务。** 数据挖掘是从大型数据集中发现模式和知识的过程。常见任务包括分类（预测类别）、回归（预测连续值）、聚类（分组相似数据）、关联规则学习（发现项之间的关联）和异常检测（识别异常或离群值）。 ### SQL问题 1. **SQL是什么的缩写？** SQL是Structured Query Language的缩写，是用于管理关系数据库的标准语言。 2. **如何列出表中的所有记录？** 使用`SELECT * FROM table_name;`命令可以列出表中的所有记录。 3. **什么是SQL92？** SQL92是SQL标准的一个版本，它增强了SQL语法，引入了更多高级特性，如子查询、视图、递归查询等。 ### Unix问题和Informatica问题 这部分内容未在提供的摘要中，但通常会涵盖Unix操作系统的基本命令和管理，以及Informatica工具的使用，包括数据映射、工作流设计、错误处理等。 以上是对ETL面试题的部分解析，每个主题都涉及到数据仓库领域的核心概念和技术，对于理解数据仓库和ETL流程至关重要。