第4章：高频数据建模面试题 —— 星型/雪花模型、维度建模、缓慢变化维
面试问答卡片（3题）
📌 Q1：星型模型和雪花模型有什么区别？如何选择？
考察点：模型理解深度、实际选型权衡、性能与维护的平衡
回答框架：定义→对比（结构·性能·维护）→适用场景→举例→建议
示例回答：“星型模型事实表直连维度表，查询快但会冗余；雪花模型维度表归一化减少了冗余但增加join。实践中，我更倾向于星型模型，因为BI查询多，可牺牲存储换效率。例如电商订单分析，我会用星型模型，搭配缓慢变化维类型2处理历史。”
（91字）
可能追问：“如果维度表非常大，如何处理性能？” “你提到的缓慢变化维具体怎么实现？”
避坑提醒：不要只说理论，要结合项目说明选择理由；避免只说“雪花模型更好”；注意冗余和性能的真实权衡。
📌 Q2：什么是维度建模？请概述Kimball的四个步骤。
考察点：理论基础、方法论掌握、能否落地
回答框架：定义→四步流程（选业务过程→声明粒度→确认维度→确认事实）→举例
示例回答：“维度建模由Kimball提出，核心是星型模型。四步：1) 选择业务过程，如‘订单下单’；2) 声明粒度，如‘每笔订单行’；3) 确认维度，如时间、产品、客户；4) 确认事实，如金额、数量。我常用此方法设计电商数据仓库。”
（97字）
可能追问：“维度建模和Inmon区别？” “如何处理多事实表一致性维度？”
避坑提醒：不要遗漏粒度声明步骤；回答要体现对总线矩阵、一致性维度的理解。
📌 Q3：缓慢变化维有哪些类型？你用过哪种？为什么？
考察点：SCD理解深度、历史数据方案选型、实际项目经验
回答框架：SCD1/2/3定义→场景对比→自己案例→优缺点
示例回答：“SCD1直接覆盖，用于无需历史；SCD2新增行保留历史，用于需要全历史分析；SCD3新增列存有限历史。我在电商客户维度中常用SCD2，因为需要追溯客户等级变化。遇到海量历史时，我会设计拉链表加分区优化。”
（99字）
可能追问：“SCD2中如果历史行达到千万级，如何保证查询性能？” “是否用过SCD4（微型维度）？”
避坑提醒：不要只说理论，要谈实际选型原因和遇到的挑战；避免对SCD3过度推崇（适用面窄）。
项目案例模板：电商订单销售分析数仓
| 项目名称 | 大型电商订单销售分析数据仓库 |
| 业务背景 | 支持运营、商品、财务等多部门查看订单维度分析，包括实时/离线报表、自助分析 |
| 规模指标 | 日增量订单约3000万行；维度表：客户5000万、商品200万、时间；存储500TB+ |
| 技术栈 | Hive/Spark SQL + HDFS + Kylin + Doris；调度：Airflow；建模工具：Erwin |
| 核心难点 | ① 海量事实表join优化；② 客户地址缓慢变化维类型2导致表膨胀；③ 一致性维度维护 |
| 面试高频追问 | “缓慢变化维如何分区分桶？” “Kylin预计算对维度模型的影响？” “如何处理维度表与事实表关联时的NULL？” |
| 可迁移回答话术 | “面对海量SCD2历史，我采用拉链表+快照分区，每天增量合并；对频繁变化的维度（如地址）使用SCD2并结合周期快照事实表，减少关联压力。” “维度表使用代理键，自然键做约束，保证一致性。” “星型模型配合Kylin cube，将高基维模糊查询转化为精确查询。” |
大厂模拟面试（1轮）
面试官提问：“假设要设计一个电商订单明细分析的数据模型，包括下单时间、客户、商品、店铺、金额等。你会如何设计事实表和维度表？请详细说明星型模型结构，并解释如何处理客户信息的变化（如手机号、地址）？”
候选人回答：
- 普通答案：“我会建一个订单事实表，里面放订单ID、时间、客户ID、商品ID等；然后分别建客户维、商品维、时间维。客户变化就用覆盖的方式。” （缺少关键细节，忽视历史追踪）
- 优秀答案：“事实表粒度设为订单行，包含订单ID、商品SKU、金额、数量、时间FK、客户FK。维度表：时间维是日期维；商品维包含商品属性；客户维使用SCD2处理历史变化，加有效期字段。星型模型，客户维表和订单事实表直接关联，不考虑雪花。” （结构清晰，但未深入优化）
- 专家答案：“事实表采用拉链表方式，每天快照增量，避免大join。客户维选择SCD2，字段：customer_id, name, phone, address, start_date, end_date, is_current。为优化查询，对end_date IS NULL（当前行）做位图索引，并对事实表按时间分区。此外，产品维采用SCD1覆盖非关键属性。考虑到数据量大，商品维和店铺维不做雪花化，直接整合到商品维。最终建立一致性总线矩阵，确保跨主题域维度统一。” （99字）
面试官追问：“如果客户维度的SCD2表有数亿行，查询历史订单时效率很低，你有什么优化方案？”
专家应对：“我会采用‘微型维度’方案：将高频变化的字段（如vip等级）单独拆分到小维度表，主维表仅存稳定属性。同时使用复合索引（start_date, end_date）和分区裁剪。也可引入Doris物化视图，预聚合常用查询组合。”