DW-ETL-Informatica-面试题库

在IT行业的数据仓库（Data Warehouse，简称DW）与数据集市（Data Mart）领域，以及具体到ETL（Extract, Transform, Load）工具如Informatica的应用，存在一系列关键知识点，尤其对于准备参加相关职位面试的候选人而言，理解这些概念至关重要。以下是对给定文件标题、描述及部分内容中所涉及的核心知识点的深入解析： ### 数据仓库（Data Warehouse）与数据集市（Data Mart） 数据仓库是企业级的数据存储中心，其主要目的是支持决策制定过程，提供对历史数据的分析访问。它是一种专门设计用于数据分析而非事务处理的关系型数据库。数据仓库通常整合来自多个源系统的数据，并进行清理、转换和整合，以满足业务智能（BI）和报告的需求。 相比之下，数据集市是数据仓库的一个子集，专注于特定业务领域的数据。数据集市提供了更快速、更简单的方式访问数据，主要用于查询、报告和分析。它是一个主题导向的数据库，提供关于组织内每个部门的具体数据。 ### 连接两个事实表 在多维建模中，确认维度（Confirmed Dimension）方法被用来连接两个或更多的事实表。如果一个维度表与多个事实表相连，则这个维度被称为确认维度。事实表不能直接相连，而是通过共享的确认维度来实现间接连接。这种方法允许在不同的事实表之间建立联系，以支持更复杂的分析需求。 ### 使用代理键（Surrogate Key） 即使数据来源不同且数据不会改变，仍然有必要使用代理键。代理键是在数据仓库设计中为解决主键冲突和数据一致性问题而引入的一种特殊类型的唯一标识符。当数据来源于不同的系统，每个系统可能有自己的主键时，代理键可以确保在目标数据仓库中数据的唯一性和一致性，避免重复记录。 ### 聚合表（Aggregate Table）与事实表的区别及其加载 聚合表是预先计算并存储了某些聚合结果的表，如总和、平均值等，以便加速查询响应。它们通常是基于事实表中的数据进行预聚合的。事实表包含详细级别的事实数据，以及指向维度表的外键。加载聚合表和事实表的方法有所不同。事实表通常通过ETL流程直接加载原始交易数据，而聚合表则需要在事实表数据的基础上进行计算和汇总后加载。 ### Oracle特性优化数据仓库系统 为了优化Oracle数据仓库系统，可以利用以下特性： - **分区表（Partition Table）**：通过将大表划分为较小的、更易于管理的部分，可以显著提高查询性能。 - **位图索引（Bitmap Index）**：适用于高基数列（即具有大量不同值的列），尤其是在进行数据仓库中的复杂查询时，位图索引可以大幅减少扫描的数据量，从而加快查询速度。 - **压缩技术**：使用行级或表级压缩可以减少存储空间需求，同时也有助于提高I/O效率，进一步提升查询性能。 - **并行查询（Parallel Query）**：利用Oracle的并行执行能力，可以在多核处理器上并行处理查询，显著缩短查询时间。 - **缓存策略**：合理配置缓冲区高速缓存（Buffer Cache）和其他缓存机制，可以减少磁盘I/O操作，提高数据访问速度。 理解数据仓库、数据集市的概念及其相互关系，掌握事实表和维度表的设计原则，以及了解如何利用数据库特性进行系统优化，对于构建高效、可扩展的数据仓库环境至关重要。这对于IT专业人员尤其是那些专注于数据仓库、BI和ETL技术的人来说，是必备的知识和技能。