全栈攻城狮

Appearance

OLAP 面试专题 ​

概述 ​

OLAP 面试覆盖：列式存储为什么快、物化视图怎么设计、预聚合 vs 实时计算、分区分桶策略、各引擎选型。本文按原理、优化、架构、选型四类整理高频问答。

一、列式存储 ​

Q1：列式存储为什么查询快？ ​

1. 只读所需列（省 IO）
2. 同列相似数据 → 高压缩
3. 连续列数据 → 向量化 SIMD
4. 聚合/过滤按列高效

Q2：列式 vs 行式？ ​

对比行式列式
读写整行整列
压缩低高
适用OLTPOLAP
聚合慢快

Q3：列式存储的代价？ ​

写入重排/列组装开销
  不适合高频点更新
  适合批量写 + 分析读

二、分区分桶 ​

Q4：分区 vs 分桶区别？ ​

对比分区分桶
逻辑时间等维度物理分布
作用裁剪/管理并行/本地性
粒度粗细
分区裁剪减少扫描
分桶提升并行与 Join 本地性

Q5：分桶键怎么选？ ​

1. 高基数（分布均匀）
2. 高频过滤/Join 列
3. 避免倾斜（热门值）

Q6：桶数怎么定？ ​

桶数 = 数据量 / 单桶目标
  不宜过小（并行不足）
  不宜过大（小文件多）

三、预聚合 vs 实时计算 ​

Q7：预聚合（物化/ Rollup）原理？ ​

提前计算常用聚合：
  查询命中 → 直接返回
  空间换时间
预聚合引擎
物化视图Doris/StarRocks/CH
RollupDoris
CubeKylin

Q8：预聚合 vs 实时计算对比？ ​

对比预聚合实时计算
延迟构建延迟实时
查询快计算耗时
灵活固定维度任意
场景报表Ad-hoc
组合：
  固定指标预聚合
  动态查询实时算

Q9：什么时候用预聚合？ ​

1. 查询模式固定
2. 数据量大
3. 延迟敏感（报表/大屏）
4. 重复计算多

四、物化视图设计 ​

Q10：物化视图设计要点？ ​

要点说明
维度常用查询粒度
度量常用指标
刷新同步/异步
命中与查询对齐
设计原则：
  面向高频查询
  避免过度物化
  监控命中率

Q11：物化视图命中不了怎么办？ ​

1. 查询维度不在物化范围
2. 粒度不匹配
3. 查询复杂（函数等）
→ 调整物化或查询

五、各引擎原理 ​

Q12：ClickHouse 为什么快？ ​

列式 + 稀疏索引 + 分区裁剪 + 向量化 + 并行
  以单表聚合见长

Q13：Doris/StarRocks 特点？ ​

MPP + CBO + 强 Join + 高并发
  多表关联强

Q14：Kylin 原理？ ​

Cube 预计算（2^n Cuboid）
  查询直接查预聚合
  构建延迟、固定维度

Q15：Druid 特点？ ​

时序 + 实时摄入 + Segment
  适合监控/事件流

六、Join 优化 ​

Q16：大表 Join 怎么优化？ ​

手段说明
Colocate同桶本地
Broadcast小表广播
预聚合减少数据
Runtime Filter提前过滤
倾斜处理加盐/拆分

Q17：Broadcast 与 Colocate 区别？ ​

Broadcast：小表全复制到各节点
Colocate：大表同桶数据本地 Join

七、场景设计题 ​

Q18：实时大屏架构？ ​

Kafka → Flink（窗口聚合）→ Doris/StarRocks → 大屏
  预聚合 + 缓存 + 限流

Q19：高并发报表怎么设计？ ​

1. 预聚合/物化视图
2. 结果缓存
3. 分区裁剪
4. 资源隔离
5. 扩展（副本/节点）

Q20：Ad-hoc 查询选型？ ​

灵活查询 → ClickHouse / Doris / StarRocks
湖上即席 → Presto/Trino
  列式 + 向量化 + 索引

Q21：数据量暴涨怎么办？ ​

1. 扩展节点（分片/存算分离）
2. 分区管理（冷热）
3. 预聚合（降计算）
4. 压缩（降存储）

八、高频易错点 ​

易错点正确理解
列式存储不支持写适合批量写
物化视图一定快需命中
分区越多越好过细分 overhead
预聚合替代一切只适合固定模式
引擎越多越好运维复杂

九、速答清单 ​

高频题一句话答案
列式为什么快少读列 + 压缩 + 向量化
分区/分桶裁剪 vs 并行
预聚合 vs 实时固定 vs 灵活
物化视图预计算 + 自动命中
Join 优化Colocate/Broadcast/RF
CH 特点单表极速聚合
Doris 特点高并发强 Join
Kylin 特点Cube 预计算