IT面试题库
数据仓库工程师面试题
数据仓库工程师岗位的 47 道 IT 面试题,按岗位技术栈组织,支持限时小测与错题复习。
高频题目
大数据【诞生】为什么单机数据库扛不住之后,不是「买更大的机器」,而是出现了 Hadoop?
初级 · 1 次浏览
ClickHouse 为什么分析查询这么快?它的架构与适用边界是什么?
中级 · 1 次浏览
HDFS 小文件问题是怎么产生的?为什么它会拖垮 NameNode 和计算层?有哪些治理手段?
中级 · 1 次浏览
大数据【本质】MapReduce → Spark → Flink 的演化分别在还什么债?为什么 Spark 能一统批处理?
初级 · 新题
大数据【本质】业务库明明有数据,为什么还要费劲建「数据仓库」?数仓建模到底在加工什么?
初级 · 新题
大数据【边界】「我们公司数据很大」就该上 Hadoop 全家桶吗?大数据架构的成本账单和轻量替代方案有哪些?
初级 · 新题
ClickHouse MergeTree 表的 ORDER BY 该怎么设计?为什么按第二主键列过滤时索引几乎不起作用?
高级 · 新题
HDFS 的架构(NameNode/DataNode)与副本机制、容错原理?
中级 · 新题
Hive 把 SQL 转为 MapReduce/Tez 的原理?分区与分桶作用?
中级 · 新题
维度建模中星型与雪花模型区别?事实表与维度表?
中级 · 新题
数据湖与数据仓库的区别?湖仓一体(Lakehouse)是什么?
高级 · 新题
ClickHouse 为何查询快(列存/MergeTree/向量化)?
高级 · 新题
Apache Doris 的定位与 MPP 架构特点?适合什么场景?
高级 · 新题
数据治理涵盖哪些内容(元数据/血缘/质量/主数据)?
高级 · 新题
DataX 同步 MySQL 到 Hive 任务很慢或 OOM,你怎么调优?
高级 · 新题
DataX 如何做增量同步?全量+增量方案怎么设计才不丢数据?
高级 · 新题
Sqoop 导出到 MySQL 报大量数据倾斜或失败重试导致重复数据,怎么分析和避免?
高级 · 新题
ClickHouse 的 MergeTree 为什么会出现「最终一致」?ReplacingMergeTree 与 FINAL 的正确用法是什么?
高级 · 新题
Spark 的 Shuffle 是怎么工作的?从 Hash Shuffle 到 Sort Shuffle 解决了什么问题?有哪些关键调优手段?
高级 · 新题
HBase 的 RowKey 设计为什么要防「热点」?列出至少四种常见热点成因与对应的打散策略,并说明盐析(Salting)的代价。
高级 · 新题
Hive 里一张分区表 join 时数据倾斜导致个别 reducer 跑几个小时,你有哪些处理手段?内外部表(managed/external)的区别是什么?
中级 · 新题
Hudi、Iceberg、Delta Lake 三大湖表格式各自解决什么?ACID、时间旅行、Schema 演进是怎么实现的?
高级 · 新题
范式建模与维度建模的区别是什么?数仓为什么普遍采用维度建模?
中级 · 新题
数仓分层(ODS / DWD / DWS / ADS)的意义是什么?每层做什么?
中级 · 新题
缓慢变化维(SCD)的常用处理方式有哪些?
中级 · 新题
Apache Doris 建表时 Duplicate、Aggregate 和 Unique 模型该怎么选?
中级 · 新题
ClickHouse 为什么快?列式存储和 MergeTree 引擎的核心设计是什么?
初级 · 新题
如何为一张大宽表设计主键(ORDER BY)和跳数索引(skipping index),兼顾点查与聚合?
中级 · 新题
物化视图(Materialized View)在 ClickHouse 中如何用于预聚合?和普通的 View 有何区别?
中级 · 新题
如何用 Distributed 表引擎做分片与分布式查询?ReplicatedMergeTree 如何保证副本高可用?
高级 · 新题
写入变慢、磁盘占用暴涨,怀疑后台 Part 合并(merge)跟不上,如何定位与治理?
高级 · 新题
查询优化中 PREWHERE、分区裁剪、采样(sampling)分别怎么用,能省多少资源?
中级 · 新题
ClickHouse 与 Doris / 传统 OLAP(如 Vertica)在架构与适用场景上如何选型?
高级 · 新题
什么是数据治理?它和「数据管理」「数据开发」的区别是什么?企业为什么必须做数据治理?
初级 · 新题
数据治理通常涵盖哪些核心领域(元数据、主数据、数据质量、数据安全、血缘等)?
中级 · 新题
多个业务系统里「用户」字段定义不一致导致报表对不上,作为治理负责人你怎么推动统一?
中级 · 新题
数据质量监控发现某核心宽表近 7 天有 12% 的 NULL 率突增,你如何定位根因并止血?
中级 · 新题
什么是数据血缘(Data Lineage)?它对治理和排障有什么价值?实现血缘的常用手段有哪些?
中级 · 新题
如何搭建一套落地的数据资产目录和分级分类体系,并和数据安全合规(如个保法)结合?
高级 · 新题
设计一个企业级数据治理平台:要支持元数据自动采集、质量规则引擎、血缘可视化、资产目录,核心模块怎么划分?
高级 · 新题
Apache Doris 的整体架构由哪两类进程组成?FE 和 BE 各自负责什么?
初级 · 新题
Doris 提供 Duplicate Key、Aggregate Key、Unique Key 三种数据模型,分别适合什么业务场景?
中级 · 新题
用 Unique Key 模型建一张「用户订单明细」表,要求按订单 ID 支持实时更新,写出建表语句要点。
中级 · 新题
海量日志/订单需要实时接入 Doris,Stream Load、Routine Load、Broker Load 三者该如何选型?
中级 · 新题
Doris 基于 MPP 的查询引擎为什么快?从向量化执行、Pipeline、Runtime Filter、分布式 JOIN 角度说明。
高级 · 新题
Doris 查询偶发变慢或超时,如何定位是 FE 规划问题、BE 执行倾斜,还是数据分布不均(分桶/副本)?
高级 · 新题
Doris 集群如何配置多 FE Follower + Observer 实现高可用?查询热点又该如何靠负载均衡缓解?
高级 · 新题
在线刷数据仓库工程师题 →