2026年数据仓库理论真题及答案解析

2026年数据仓库理论真题及答案解析一、单项选择题（每题2分，共20分）1.数据仓库区别于操作型数据库的核心特征之一是（）。A.面向应用B.面向主题C.允许频繁更新D.以存储当前值为主答案：B解析：数据仓库的四个基本特征为面向主题、集成、随时间变化、非易失。面向应用、频繁更新和当前值为主均为操作型数据库特点。2.ETL过程中的T通常指（）。A.抽取B.转换C.加载D.传输答案：B3.下列关于数据粒度的说法正确的是（）。A.粒度越细，事实表记录越少B.粒度越粗，分析灵活性越高C.粒度越细，数据量越大、查询灵活性越高D.粒度与数据量无关答案：C解析：粒度越细，单条记录越具体，记录数量和存储量越大，可回答的问题范围也越广，灵活性越高。4.在维度建模中，事实表中的外键通常用于（）。A.唯一标识事实表中的一行B.引用维度表的主键C.存储汇总值D.建立索引结构答案：B5.一个n维数据立方体在不考虑概念分层时，执行CUBE操作后产生的方体总数为（）。A.nB.2C.nD.2答案：B解析：CUBE操作会按维度组合生成所有可能分组，每个维度有参与分组或作为ALL两种状态，因此方体数为2n6.下列模型中，维度表通常不进行规范化，以减少连接、提高查询效率的是（）。A.星型模型B.雪花模型C.星座模型D.网状模型答案：A7.缓慢变化维类型2的主要特点是（）。A.直接覆盖旧属性值B.增加新列保存历史值C.增加新行保存维度历史状态D.删除旧记录答案：C解析：SCD2通过新增维度行并配合代理键、版本号或有效日期来保留历史状态，是最常见的历史保留策略。8.OLAP中“下钻”操作是指（）。A.从当前数据向上汇总到更高层B.在同一维度上切换到另一维度C.沿维度层次从汇总数据向下查看更细节数据D.选择数据立方体的一个子集答案：C9.数据集市与数据仓库相比，通常具有的特点是（）。A.范围更广、面向全企业B.范围更小、面向特定部门或主题C.数据更不规范D.一定不依赖数据仓库答案：B10.一致性维度主要用于支持（）。A.事务处理B.跨数据仓库或数据集市的集成分析C.ETL调度D.索引优化答案：B二、多项选择题（每题2分，共10分。多选、错选不得分，少选得1分）1.数据仓库的基本特征包括（）。A.面向主题B.集成C.非易失D.随时间变化答案：ABCD解析：面向主题、集成、随时间变化、非易失是数据仓库四个基本特征。2.下列属于OLAP多维操作的有（）。A.上卷B.下钻C.切片D.转轴答案：ABCD解析：上卷、下钻、切片、切块、转轴均为常见OLAP多维分析操作。3.关于星型模型与雪花模型，下列说法正确的有（）。A.星型模型维度表通常更冗余B.雪花模型对维度表做了规范化C.雪花模型查询通常需要更多表连接D.星型模型查询效率一定低于雪花模型答案：ABC解析：雪花模型通过对维度表规范化减少冗余，但会增加连接数量。星型模型冗余较高，通常连接更少、查询更简单，不能笼统说其效率一定低于雪花模型。4.在ETL过程中，数据抽取常见的策略有（）。A.全量抽取B.增量抽取C.日志抽取D.索引抽取答案：ABC解析：全量抽取每次抽取全部源数据；增量抽取只抽取变化数据；日志抽取基于源系统日志捕获数据变化。索引抽取并非通用抽取策略。5.下列属于事实表类型的有（）。A.事务事实表B.周期快照事实表C.累积快照事实表D.维度事实表答案：ABC解析：事务事实表、周期快照事实表、累积快照事实表是三种常见事实表类型。“维度事实表”不是标准分类。三、判断题（每题1分，共10分）1.数据仓库具有非易失性，因此历史数据一旦加载通常不会被修改。答案：正确2.数据仓库主要服务于企业的日常事务处理。答案：错误解析：数据仓库主要服务于分析决策，日常事务处理属于OLTP系统的职责。3.粒度越细，数据仓库需要的存储空间通常越大。答案：正确4.雪花模型是对星型模型中事实表进行规范化后得到的。答案：错误解析：雪花模型是对维度表进行规范化，而不是事实表。5.事实表必须有度量值。答案：错误解析：存在“无事实的事实表”，仅记录事件发生，可以没有可加度量。6.OLAP操作“切片”是指在多维数据中固定某一维度的取值，得到较低维数据子集。答案：正确7.缓慢变化维处理中，SCD1会新增一条记录以保留历史值。答案：错误解析：SCD1直接覆盖旧值，不保留历史；SCD2才通过新增行保留历史状态。8.数据集市的数据一定只能从数据仓库中提取。答案：错误解析：独立数据集市可以从操作型系统直接抽取，但可能带来数据不一致问题。9.概念分层有利于OLAP上卷和下钻操作。答案：正确10.数据仓库的“集成”特征指所有数据必须采用完全相同的编码和命名。答案：错误解析：集成是对不同来源数据进行一致化处理，不要求源系统天然使用完全相同编码和命名。四、简答题（每题5分，共20分）1.简述数据仓库与操作型数据库的主要区别。答案：数据仓库面向主题，用于分析决策；操作型数据库面向应用，用于日常事务处理。数据仓库数据是集成的、历史的、非易失的；操作型数据库数据是当前的、分散的、频繁更新的。数据仓库侧重查询性能，操作型数据库侧重事务吞吐能力。2.什么是数据粒度？说明粒度选择的影响。答案：数据粒度指事实表单行记录所表示的细节或汇总程度。粒度越细，数据量越大、存储成本越高，但分析灵活性越强；粒度越粗，数据量越小、查询速度越快，但可回答的问题范围受限。粒度设计是维度建模中需要优先确定的关键步骤。3.简述维度建模中事实表与维度表的关系。答案：事实表存储业务过程的度量值和维度外键，维度表存储描述业务对象的属性。事实表通过外键引用维度表主键，形成星型模型的中心与周边关系。事实表通常行数多、列较窄；维度表行数少、列较宽。4.什么是缓慢变化维？列举三种常见SCD处理策略。答案：缓慢变化维指维度属性随时间发生缓慢、非频繁变化。常见策略：(1)SCD1：直接覆盖旧值，不保留历史；(2)SCD2：新增一行并标记版本或有效时间，保留历史；(3)SCD3：增加新列保存当前值和一个旧值，仅保留有限历史。五、综合设计题（每题20分，共40分）1.某连锁零售企业拟构建销售分析数据仓库。业务系统记录每笔销售交易的明细，包含交易时间、门店、商品、顾客、促销活动及销售数量、销售额、成本、折扣额等信息。(1)请确定销售事实表的粒度，并列出事实表至少5个字段。（8分）(2)用文字或图示描述星型模型，并说明事实表与各维度表的关系。（6分）(3)若“产品所属类别”在源系统中可能发生调整，请给出处理方案，并说明该方案如何保留历史分析能力。（6分）答案：(1)销售事实表的粒度为每一条销售交易明细，即“某一时间、某一门店、某一产品、某一顾客、某一促销活动”的一条销售记录。事实表字段可包括：时间键、门店键、产品键、顾客键、促销键、销售数量、销售额、成本、折扣额。(2)星型模型中心为销售事实表，周围连接维度表：时间维、门店维、产品维、顾客维、促销维。事实表通过外键引用各维度表的主键，各维度表之间不直接连接，形成星型结构。(3)应采用SCD2处理。产品类别变化时，在产品维度表中新增一行，分配新的产品代理键，并记录类别值、生效时间、失效时间等字段。事实表中的历史记录仍指向旧代理键，新发生的销售记录指向新代理键。这样既能保留任意历史时点的类别状态，又能保证历史分析结果不被后续类别调整覆盖。解析：事实表粒度选择决定了后续可回答的最小分析单元。星型模型以事实表为中心，外键连接维度表，适合大规模查询与汇总。产品类别变更属于典型缓慢变化维问题，SCD2是保留维度历史的标准方案。2.某企业构建销售分析数据立方体，包含3个维度：时间（年、季、月）、产品（大类、小类）、地区（国家、省）。度量值为销售额。(1)在概念分层下，若每个维度均可选择ALL层，请计算不同汇总粒度组合的数量，写出计算式。（10分）(2)当前用户正在查看“2025年、产品大类、国家”层的汇总销售额，若希望下钻到“2025年第一季度、产品小类、省”层，请列出需要执行的OLAP操作，并说明操作方向。（10分）答案：(1)时间维度可选层为ALL、年、季、月，共4层；产品维度可选层为ALL、大类、小类，共3层；地区维度可选层为ALL、国家、省，共3层。不同汇总粒度组合数为：4(2)时间从“年”层细化到