? ? ? 畢業后做了7年java應用開發，主要在一家傳統軟件公司做BI相關的東西。因為主要是寫業務代碼，大公司都有自己的技術平臺，所以java技術也并不很強，多線程都很少自己寫。最近三年到了互聯網公司，轉到做數倉相關的項目，其實主要是用hive sql在做數據處理，就是被鄙視的sql boy。由于進的并不是正經的數倉部門，而是在數倉基礎上做數據應用系統的部門，所以還是偏業務，且對數倉理解不是很深入。所以本人技術水平很渣。面試了很多，面不過。把遇到的問題記錄下來，希望可以和大家一起探討，也是一種提高吧。如果大家能夠回答這些問題，希望可以回復。
說一說你整個項目從數據采集到指標、報表的這整個過程是怎么做的吧。
這個問題還是挺能反映應聘者能力的，因為數倉是比較雜的一個工種，在不同的公司或者不同的項目，側重點不一樣。比如小公司基本上從ETL開始就要親力親為了，對于建模理論要求沒那么迫切。大公司可能etl基于平臺，開發量變少，但是對建模、數據治理要求可能更高。還有的公司更偏重數據分析的思路，或者說分析業務的思路，而不是單純搞搞工程。開放問題，回答的時候就是把自己的項目說清楚。如果不知道怎么說清楚，那么推薦一個技巧：把各個階段的產出物交代清楚，比如了解業務階段輸出什么、建模階段輸出什么，等等。我太渣了，沒真正從0做過數倉，項目經驗不足，哪里能找到標準一點的答案呢？從《阿里巴巴大數據之路》里面能找到嗎？
事實表有哪幾種類型？
本渣之前看過《數據倉庫工具箱---維度建模指南》，但一時想不起來了，仔細想還是想不起來。確定看過，確定想不起。
緩慢變化維你們是怎么處理的？
使用拉鏈表
拉鏈表是怎么實現的？
這個在網上一搜可以搜到實例，但是如果結合業務再問的話，這是一個可以問的挺深的問題。數倉就是這樣一個跟業務強結合的東西，離開業務抽象出來的東西反而沒有靈魂，解決具體業務問題的方法才是價值。
數據總線矩陣是怎么理解的，為什么要做這個？
感覺可以從數據整合、數據打通等角度回答吧，回答不好。
你們的數倉是怎么樣的架構？
技術架構我基本不會，所以也沒什么可以說的。只會一個數倉分層：ods、dwd、dwb、ads（app）。細問的話會有很多衍生問題：
ods你們是怎么實現的？
dwd這一層做了什么？
維度建模用在哪一層上？
維度建模有什么優缺點？
更好的應對業務變化，數據冗余多，占空間多，就是用空間換時間。這個問題其實還蠻難的，分析優缺點，就要有對比，跟別的建模方式對比，只有對其他的建模方式有理解才可能回答出來。
做數據倉庫如何解決不同業務部門的統計口徑不一致的問題？
我們公司業務變化特別快，有時候半年業務主流程就會大變，這種情況下，你怎么應對？
如何評價一個數據倉庫的好壞？
數據準確性、時效性、健壯性。面試官說這些都是一些原則，比較虛，有沒有可衡量的指標？就是一個數據倉庫建好了，用這些指標評價它好不好，有不好的要指出來，指導它改進。這個我真不知道。
mapreduce原理清楚嗎？講一講，畫一畫那個經典的流程圖吧。
從hive sql提交到生成mapreduce任務，再執行，這個過程是怎么樣的？資源調度是怎樣的？
hive優化接觸過嗎？做過哪些？
hive的數據傾斜一般怎么處理？
spark用過嗎？
spark現在用的是真多。。。
你們的數倉建設過程中是如何保障數據正確性的？
讓你建設一個數倉的話，你的關注點有哪些？
這個就開放問題了，能看出做數倉的思路，也能看出對數倉理解的情況。如果對面試官的路子就好。
你的項目中怎么應用維度建模？能具體說說嗎，具體的表有哪些？
RCFile解析過嗎？文件結構是怎么樣的？
udaf寫過嗎？udtf呢？怎么寫，分哪幾個步驟，怎么轉換成mr的？
hive中transform用過嗎？
