数据仓库与商业智能面试必备知识

"本文介绍了数据仓库和商业智能的相关面试题，涵盖了数据仓库的四大特点、四层体系结构，以及OLAP服务器的分类。同时，提到了前端工具的角色，特别是OLAP的概念，包括维的概念、基本多维操作、层次结构以及与OLTP的区别。" 在数据仓库领域，其四大特点构成了其核心特性： 1. 面向主题的：数据仓库是围绕某一特定业务领域或主题组织的，例如销售、客户或供应链，旨在支持特定业务决策。 2. 集成的：它将来自不同源的数据整合在一起，消除数据冗余，提供一致的数据视图。 3. 相对稳定的：数据仓库中的数据通常是静态的，不用于日常事务处理，而是用于分析和报告。 4. 反映历史变化的：数据仓库保留了数据的历史版本，允许用户追踪和分析数据随时间的变化。 数据仓库的四层体系结构包括： 1. 数据源：提供原始数据，可以是企业内部的RDBMS或其他系统。 2. 数据的存储与管理：这是数据仓库的核心，负责数据的抽取、清洗、转换和加载（ETL过程），并将数据按照主题域组织。 3. OLAP服务器：用于数据的多维分析，支持切片、 dice、钻取等操作，实现快速查询和分析。 - ROLAP（关系型在线分析处理）依赖于RDBMS进行数据存储和分析。 - MOLAP（多维在线分析处理）使用多维数据库，提供高效的聚合操作。 - HOLAP（混合型线上分析处理）结合了ROLAP和MOLAP的优点，将基础数据存储在RDBMS，聚合数据存储在多维数据库。 4. 前端工具：包括报表工具、查询工具、数据分析工具、数据挖掘工具等，帮助用户与数据仓库交互，生成报表和进行深度分析。 OLAP（联机分析处理）是数据仓库中的关键应用，主要用于决策支持。它以多维数据模型为基础，其中“维”是观察数据的不同角度，如时间、地区、产品等。维通常具有层次结构，允许用户在不同级别上进行分析。与OLTP（联机事务处理）相比，OLAP关注复杂分析而非日常交易，更注重性能和并发性，提供深度洞察而非快速更新。