大数据相关面试题每日五问（七）

1. 在数仓设计中，如何确保数据的质量和一致性？应采取哪些措施？
2. 解释一下MySQL中的索引，以及它是如何提高查询性能的。
3. MySQL中如何处理NULL值？NULL值在查询和比较时有什么特殊的处理方式？
4. 简述Secondary NameNode及其作用，它和Standby NameNode 有什么区别？
5. ES提供了两种查询方式。请描述它们的区别，并举例说明适用场景。

每日五问总览

在数仓设计中，如何确保数据的质量和一致性？应采取哪些措施？

为了确保数据仓库中的数据质量与一致性，应从多个方面着手。首先，建立严格的数据标准和业务规则，统一数据格式、单位和命名规范；其次，在 ETL 过程中对原始数据进行清洗、校验与转换，例如去重、空值处理、异常值识别、数据类型转换等；第三，采用数据血缘和数据校验机制，跟踪数据来源和处理流程，确保加工逻辑可追溯；此外，还应设置 质量监控指标和告警机制，及时发现数据延迟、错误、丢失等问题。最后，数据仓库应通过 主键约束、外键关系、事务控制和版本管理 等方式，强化数据的一致性和完整性。

解释一下MySQL中的索引，以及它是如何提高查询性能的。

MySQL 中的索引相当于书本的目录，用于加速数据的查找。其本质是对表中某列或多列的值建立的有序数据结构（如 B+ 树或哈希），可以极大减少查询时的扫描数据量。比如使用索引查询某个字段，只需通过索引快速定位数据所在页，而无需全表扫描。MySQL 常见的索引类型包括：主键索引（PRIMARY）、唯一索引（UNIQUE）、普通索引（INDEX）和全文索引（FULLTEXT）。索引在提升 SELECT 性能方面作用显著，但也会占用空间并影响 INSERT/UPDATE 的效率，因此需合理设计，避免过多无效索引或重复索引。

MySQL中如何处理NULL值？NULL值在查询和比较时有什么特殊的处理方式？

在 MySQL 中，NULL 表示“未知”或“无值”，不是 0 或空字符串。由于 NULL 表示不确定，它在查询和比较中具有特殊行为：任何值与 NULL 进行运算或比较，结果仍为 NULL（即“未知”），而不是 true 或 false。因此不能用 = 来判断 NULL，必须使用 IS NULL 或 IS NOT NULL。在排序时，NULL 默认排在最前（ASC）或最后（DESC）；在聚合函数中，COUNT(*) 会统计 NULL，而 COUNT(字段) 不会；同时在 JOIN 时，若连接字段有 NULL 值，可能导致匹配失败。因此在处理 NULL 时要格外注意业务语义和查询逻辑的严谨性。

简述Secondary NameNode及其作用，它和Standby NameNode 有什么区别？

Secondary NameNode 是 HDFS 架构中一个辅助角色，主要用于帮助 NameNode 合并 fsimage（元数据快照）和 edits（日志） 文件，避免 edits 日志无限增长，降低 NameNode 重启恢复时间。它不是 NameNode 的热备，而是定期拉取 NameNode 的元数据，在本地合并并回传合并结果。而 Standby NameNode 是在 HA（高可用）架构中与 Active NameNode 成对运行的热备节点，通过共享存储与日志同步，实现 NameNode 宕机后的秒级切换，保障 HDFS 的高可用。因此二者的根本区别在于：Secondary 仅做合并优化，不参与主备切换；Standby 是为高可用服务的真正备用节点。

ES提供了两种查询方式。请描述它们的区别，并举例说明适用场景。

Elasticsearch 提供两种主要的查询方式：Query DSL 中的全文检索（Full-text Queries） 和 精确匹配查询（Term-level Queries）。全文检索查询（如 match、multi_match）是针对文本字段，ES 会对查询词和文档进行分词处理，适用于搜索引擎类场景，如模糊搜索文章标题、产品名称等；而精确查询（如 term、range、terms）是对未分词字段进行的精确匹配，常用于结构化字段的查询，如用户 ID、状态值、时间范围等。简单来说，全文查询用于“查找相关内容”，精确查询用于“筛选确定值”，理解这两类查询的差异对于优化搜索准确性和性能非常关键。