📚 课程目录第3章高频技术问题

第3章高频技术问题：SQL、数据仓库、ETL

面试中，SQL、数据仓库与ETL是数据平台分析师的核心技术壁垒。本章梳理三大模块的高频问题，并提供可迁移的回答框架，帮助你从“会做”到“会讲”。

模块	典型问题	大厂偏好权重	核心考察点
SQL	慢查询优化 / 窗口函数 / 行列转换	★★★★★	执行计划理解、索引与分区
数据仓库	星型 vs 雪花 / 维度建模原则 / 缓慢变化维度	★★★★☆	建模设计对查询性能的影响
ETL	数据倾斜 / 增量 vs 全量 / 数据质量校验	★★★★☆	分布式计算原理与容错机制

  💡 备考策略：每个问题均需准备“背景→思路→细节→总结”的完整叙事，避免只答步骤不答原因。

面试问题	如何优化一条执行缓慢的 SQL 查询？请举例说明。
面试官考察点	是否掌握执行计划分析；能否结合业务场景选择索引、分区、改写逻辑。
回答框架	① 定位瓶颈（EXPLAIN 看类型与 rows）→ ② 检查索引（是否覆盖、失效）→ ③ 改写SQL（用JOIN代替子查询、避免函数索引）→ ④ 分库分表/物化视图（极端场景）。
简短示例回答	“比如一个订单明细查询，先 `EXPLAIN` 发现全表扫描，rows 量级百万。我对 `order_date` 列建索引后，扫描行数降至千级。若还慢，改用分区表按月份裁剪，并避免在 WHERE 中对时间列使用函数。” （约85字）
可能追问	① 索引覆盖与回表的区别？② 如何评估索引是否失效？③ 如果有多个慢查询，优先级怎么定？
避坑提醒	❌ 不要只说“加索引”，需说明加在哪个字段、为什么。❌ 避免拿复杂嵌套子查询直接谈优化，先确认业务是否可简化。

面试问题	星型模型和雪花模型分别适用于什么场景？你如何选择？
面试官考察点	是否理解维度建模本质；能否在查询性能与存储冗余之间做权衡。
回答框架	① 对比结构（星型单层维度表，雪花规范化多层）→ ② 性能差异（星型 join 少查询快，雪花节省存储但 join 多）→ ③ 选型依据（查询频繁偏星型，数据一致性要求高偏雪花）→ ④ 实际中可混合使用。
简短示例回答	“一般业务宽表场景我优先用星型，因为分析师频繁多表关联，星型减少 join 次数。但若维度表有层级关系（如地域省-市-区），我会用雪花以保持规范化，避免冗余。最终权衡看查询频率和存储成本。” （约90字）
可能追问	① 缓慢变化维度（SCD）如何处理？② 宽表与星型模型的关系？③ 在 ClickHouse 中星型模型是否仍适用？
避坑提醒	❌ 不要直接说“星型更好”或“雪花更好”，一定要说明场景。❌ 避免忽略数据仓库面向分析的业务需求，只谈技术名词。

面试问题	在 ETL（如 Spark/Hive）中遇到数据倾斜，你会怎么排查和解决？
面试官考察点	是否理解分布式 shuffle 原理；能否给出可落地的解决方案而非空谈理论。
回答框架	① 定位倾斜任务（查看 stage 耗时、数据分布）→ ② 判断类型（join倾斜/group by倾斜）→ ③ 常见方案：加盐打散、调整并行度、map端预聚合、倾斜key单独处理 → ④ 验证效果并监控。
简短示例回答	“有一次 group by 城市分布时，北京数据占70%。我采用双阶段聚合：先给城市加随机后缀拆分为多个子任务，聚合后再去掉后缀二次汇总。这样分散了单节点压力，任务时间从 30min 降到 4min。” （约85字）
可能追问	① 加盐后如何保证结果正确？② 为什么不用自动倾斜优化参数？③ 数据倾斜在流式 ETL 中怎么处理？
避坑提醒	❌ 不要只背方案不分析原因，面试官更看重排查思路。❌ 避免推荐一个方案后忽略副作用（如数据膨胀），需说明权衡。

⚠️ 本章复习要点：将每个问题的回答框架熟记于心，反复练习用60-100字讲清核心逻辑。大厂面试时，结构清晰 + 细节到位 + 可迁移思考是拿高分的关键。

第3章 高频技术问题：SQL、数据仓库、ETL