Knowledge

Chapters for every direction the job board covers — engineering, data, design, sales, marketing, operations and more. Every topic shows how many live jobs ask for it. The first chapter is free; a paid plan opens the rest.

Track syllabus

Data Engineering & Analytics

Covers SQL depth, warehouse modeling, ETL/ELT pipelines, data quality, metrics governance, BI, tracking and A/B testing for data roles.

4 chapters · 1686 jobs hiring now

← All tracks

Track progress 0 / 0

01 基础篇 6 topics Free

SQL 窗口函数

窗口函数是 SQL 深挖的入门筛子。面试官想确认你能不能在一条 SQL 里完成分组内的排名、累计与滑动计算，而不是靠多次查询或应用层拼装。

PARTITION BY 与 ORDER BY 的分工
ROW_NUMBER 与 RANK 的差异
滑动窗口：ROWS 与 RANGE 帧
用窗口函数替代自连接算同比环比

Example answer

我会先说清执行顺序：窗口计算发生在 WHERE 之后、ORDER BY 之前，是在结果集上再算一遍。举我们算用户首单的例子，用 ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY created_at) 取 rn 等于 1，替代了原来的三次自连接，查询从 14 秒降到不到 1 秒；再提一句 ROWS 与 RANGE 在去重累计时的差异，避免重复计数的坑。

dataanalyst 921 jobs hiring

SQL 执行计划与慢查询排查

线上慢查询是最常见的动手题。面试官在看你会不会读执行计划、能不能从扫描行数和实际耗时定位瓶颈，而不是直接加索引碰运气。语料里 32% 的岗位明确要求 SQL 与数据库能力。

EXPLAIN 与 EXPLAIN ANALYZE 的差别
全表扫描、索引扫描与回表
统计信息与基数估计偏差
大表 JOIN 的顺序与中间结果膨胀

Example answer

我一般先拿 EXPLAIN ANALYZE 看哪一步的估算行数和实际行数差得最多，八成是统计信息过期。印象最深的一次是日报查询 P95 到了 40 秒，发现是两张大表先 JOIN 再过滤，把过滤条件下推、重建复合索引之后降到 1.2 秒，之后再没进过慢查询榜单。

datadatabase 931 jobs hiring

索引与存储结构

考的是你有没有把索引当成有代价的结构来用。只会说加索引不够，要能讲清哪些字段值得建、建完之后写入与存储各付出什么代价。

B+ 树索引与覆盖索引
复合索引的最左前缀原则
索引选择性与区分度评估
写放大与索引维护成本

Example answer

我给宽表建复合索引时先看选择性：区分度低的 status 放最后，高基数的 tenant_id 和 created_at 放前面，把查询用到的列全部覆盖、省掉回表。同时讲清代价：这张表每天写入 300 万行，索引从 5 个减到 3 个之后，写入延迟降了约三成，存储也省了 200GB。

databasedata 660 jobs hiring

维度建模与星型模型

数仓方向必考。面试官在判断你能不能把业务过程翻译成可复用的表结构；粒度没想清楚就动手建表，后面几乎全是返工。

事实表与维度表的职责划分
声明粒度：一行事实代表什么
缓慢变化维 SCD Type 2 的处理
代理键与自然键的选择

Example answer

我通常先从业务过程讲起：问清一行事实代表一次下单还是订单里的一件商品，粒度定了再选维度与度量。我们的交易事实表声明到订单行粒度，用户维度用 SCD Type 2 保留历史归属，用代理键做关联，这样按当时的地域做分析不会串数据。

datamodeling 939 jobs hiring

数仓分层设计

面试官从分层看你的工程习惯：分层不是形式主义，是为了让同一份数据只被加工一次、同一个指标只有一个出口。语料里 36% 的岗位要求数据栈（数仓、Spark、dbt）经验。

ODS、DWD、DWS、ADS 的职责
分层如何收敛指标口径
禁止跨层引用与反向依赖
表命名规范与生命周期管理

Example answer

我会讲清我们四层的约定：ODS 只贴源不动数据，DWD 做清洗与维度退化，DWS 按主题轻度汇总，ADS 面向报表。评审时我拦下过 DWD 直接引 ADS 的写法，并要求每张表带 owner 和生命周期。口径收敛之后，同一个 GMV 在三个报表里终于是同一个数。

datawarehouse 1308 jobs hiring

范式与反范式的取舍

考的是判断力：什么时候该规范化省存储，什么时候该冗余换查询速度。答得好的人先问下游怎么用，而不是背教科书结论。

3NF 与星型模型的适用场景
宽表化的收益与代价
一致性维度与总线架构
多值关系用桥接表拆解

Example answer

我的原则是按消费方式定：面向分析师查询的表适度冗余，把常用维度属性打进宽表；面向高频写入的明细表保持规范化。我们做过一次宽表化，把五张 JOIN 的表合并之后，分析师自助查询从平均 26 秒降到 3 秒，代价是每天多存 12GB，评估后可以接受。

datamodeling 755 jobs hiring

02 管道篇 6 topics Member

The first chapter is free. A paid plan opens the rest.

03 分析篇 6 topics Member

The first chapter is free. A paid plan opens the rest.

04 项目故事篇 6 topics Member

The first chapter is free. A paid plan opens the rest.

A paid plan opens every chapter in this track.

The remaining chapters cover the full knowledge map and a preparation checklist.

airwallex · KR - Seoul

Engineering

Preview

View Details