数仓面经大框架

1.计算机及编程基础：

操作系统：进程、线程等

数据结构：算法题

计算机网络：分层等

Linux：常用的指令

MySQL（重点）

Java/Python基础

排序算法（快排、归并等）

2.大数据组件

Hadoop: HDFS (重点)，MapReduce (重点), Yarn

Spark

Hive

从功能，原理，组成，运行流程

调优(重点) ，Hive调优(参数、sql)，Spark调优(资源、开发算子、数据倾斜、参数)

3.数据仓库

数据仓库及数据建模理论(重点)

数仓搭建流程、数仓分层(优势、内容)、维度建模等

4.项目

项目板块主要包括项目的背景介绍、面向业务需求及方案、个人负责工作内容、数仓建设情况介绍等。

业务

业务背景，数仓面向的业务需求(模型数据、后端数据、用户画像、项目用户流量概况、项目内部建设概况、项目营收概况报表展示)。

技术及方案

技术栈  (数据抽取(增量，全量)、数仓模型开发、业务需求指标开发、BI 报表开发..)；

数仓的数据域设计与建设，分层建设，包括的关键表，关键指标；

开发流程(需求分析、口径确认)，核心指标；

实际开发过程中遇到的困难，解决思路。

数据质量及数据治理: (补充)

对其的理解及应用情况的了解。
数据质量DQC关注方面(每一层重点关注方面不同)：完整性、准确性、一致性、唯一性、时效性。
数据质量监控对象:业务核心表、字典型基础数据、外部数据接口表。

DQC配置方案，定时，依赖。...
数据治理：时效、质量、可用、安全、成本。
稳定性与质量治理：及时性和准确性问题。
规范治理：数据口径一致性问题。
安全治理：数据权限控制数据共享交换问题。
成本治理：解决数据计算和存储成本高昂问题。

数据治理的痛点。文件形式流转、缺少量化评估，推动缓慢、缺少灵活友好管理工具支持治理工作等。

5.SQL场景题

熟悉SQL执行流程：

from- >on- >join- >where- >group by->聚合函数- >having- >select- >distinct- >order by- >limit.

经典题目

1. 排序
2. 留存率
3. 行转列，列转行
4.连续登录

左右连接 left/right  join；

where 过滤主表，on过滤副表及表间连接；
中间表witht1 as(),嵌套子表from () t1
Case when .. then .. else .. end
操作函数  substring, concat, round
聚合函数  sum、count. avg
窗口函数 (重点) sum、rank、 dense. rank、rank、 partition by 、 order by

6.反问

1.部门业务了解，对于工作业务背景及需求提前了解；
2.离线实时采用的技术组件；
3.部门人数，大致了解数仓同事人数，可以大致判断hc；
4.部门氛围，部门上下班时间；
5.之前回答不好的问题(开放类型)。
 

# 面经源于网络收集整理，供大家学习分享。