📚 课程目录第2章数据建模核心概念与基础面试题

第2章数据建模核心概念与基础面试题：维度表、事实表、缓慢变化维、星型模型等高频问题

  本章定位：数据建模面试的“地基题”。面试官通过维度与事实的区分、星型模型理解、缓慢变化维策略选择，快速判断候选人是否具备体系化的建模思维。大厂常将此类问题作为技术面第一轮“筛选题”。

🎯 考察点	是否理解核心建模元素，能否清晰对比，而非死记定义。
🧠 回答框架	① 定义对比（维度：描述特征；事实：度量事件）② 核心区别（粒度、主键、列类型）③ 举例（订单事实表 vs 时间维度表）④ 一句话总结
💬 简短示例回答	维度表存描述性属性，如“用户ID、姓名、城市”；事实表存度量值，如“订单金额、数量”。维度表宽而少行，事实表窄而多行。例如电商订单事实表每天千万行，用户维度表仅百万行。
❓ 可能追问	① 维度表是否可以做反规范化？② 事实表如何定义粒度？③ 退化维度如何处理？
⚠️ 避坑提醒	不要混淆“维度退化”与“事实表字段”：退化维度（如订单号）放事实表是合理的，但不要误说成维度表。

🎯 考察点	能否区分SCD策略，并理解业务选择背后的成本与准确性权衡。
🧠 回答框架	① 定义：维度属性随时间缓慢变化 ② 策略：Type1覆盖、Type2新增行、Type3新增列 ③ 场景举例：用户地址用Type2保留历史；性别用Type1覆盖 ④ 优缺点对比
💬 简短示例回答	SCD指维度属性值随时间变化。Type1直接覆盖，适用于不需历史追溯的字段（如产品类别重命名）；Type2新增一条记录并标记有效时间，适用于需要历史分析的场景（如用户地址变化）；Type3新增“前值”列，适用于只需保留一次变化的场景（如促销活动负责人变更）。
❓ 可能追问	① Type2如何设计有效时间字段？② 如何保证SCD维度的唯一性？③ 是否用过Type6混合策略？
⚠️ 避坑提醒	别把“缓慢变化维”和“事实表时间区间”混淆；Type2新增行时必须考虑自然键变更对下游ETL的影响。

🎯 考察点	能否从查询性能、存储成本、维护复杂性等维度进行多角度比较，体现工程权衡。
🧠 回答框架	① 结构对比（星型单层维度，雪花多层）② 查询性能（星型join少）③ 存储成本（雪花减少冗余）④ 维护难度 ⑤ 实际选择：大厂AD/BI场景优先星型
💬 简短示例回答	星型模型维度表直接连事实表，查询只需一次join；雪花模型将维度表拆成更细层级，需多次join。以电商为例，星型模型下订单分析延迟低，适合Ad-hoc查询。雪花模型存储节省约15%-20%，但维护复杂。我倾向星型，因为现代数仓对存储不敏感，查询性能更重要。
❓ 可能追问	① 星型模型维度表是否需要做数据一致性校验？② 雪花模型如何优化join性能？③ 是否见过星型和雪花混合模型？
⚠️ 避坑提醒	不要化：“星型永远比雪花好”；要补充根据查询模式、数据更新频率做选择。另外避免说雪花模型“无冗余”，它只是冗余转移到了维度子表。

项目名称	电商订单实时OLAP数据平台（日增量50TB）
业务背景	电商大促期间需秒级展示全国订单量、GMV、退货率等指标，支撑运营决策和实时风控。
规模指标	日均订单事实表 2 亿行；维度表 30+ 张，最大用户维度 3 亿行；实时延迟 < 5 秒。
技术栈	Kafka -> Flink -> Hudi（或 Iceberg）-> ClickHouse / StarRocks。维度建模工具：dbt + Data Vault辅助。
核心难点	① 实时SCD Type2实现（用户地址频繁变更）② 维度表与事实表Join性能优化 ③ 数据回溯与一致性保证（exactly-once）
面试高频追问	- 实时建模如何解决维度延迟问题？（预关联、宽表、异步Join） - 为什么选择星型而不是雪花？（查询路径少，更适配ClickHouse宽表） - SCD Type2在实时流中如何标记有效时间？（watermark与事件时间对齐）
可迁移回答话术	“我在电商实时数仓中采用星型模型为核心，事实表按订单粒度，维度表反范式化去冗余，同时使用Flink维表关联实现低延迟Join。为了解决SCD Type2，我们通过CDC捕获维度变化并写入Hudi，下游用Apache Calcite进行历史版本查询。这个设计支撑了日均数十亿级实时查询，P99延迟控制在3秒内。”

💡 面试加分技巧：回答建模基础题时，主动关联“业务场景”和“查询频次”。例如讲星型模型时，可以说“我们团队在广告分析场景特意选择了星型，因为分析师每天跑50+维度组合报表，减少join次数直接缩短了查询时间。”

⚠️ 常见踩坑：部分候选人把“垂直分表”与“雪花模型”混为一谈。雪花模型是基于业务层级拆解维度（如地区-省份-城市），不是简单的字段拆分。务必结合维度层级解释。

第2章 数据建模核心概念与基础面试题：维度表、事实表、缓慢变化维、星型模型等高频问题