數據湖面試的四個底層模型：別急著報廠商名字

面試官問數據湖架構，其實只想聽四個東西：分層存儲怎么設計、數據怎么流進去、湖和倉庫怎么選、以及你的答案有沒有覆蓋粒度、冪等、血緣、對賬這些檢查點。上來就報Databricks或者Snowflake名字的，這一輪基本就掛了。

這套東西不復雜。最經典的考法是"從零設計一個分析湖"，標準答案是三層 medallion 架構：bronze層原樣追加源數據，silver層做去重、類型轉換和業務主鍵對齊，gold層輸出星型模型的事實表維度表給BI用。每層的服務等級、讀寫權限、保留策略都不一樣。Databricks叫青銅白銀黃金，AWS叫raw/curated/consumption，微軟叫landing/refined/analytics，形狀是一樣的，名字隨便換。

第二層考數據怎么進去。套路是 ingestion → 元數據目錄 → 計算引擎，底下掛對象存儲。CDC從Postgres進來也好，埋點日志進來也好，都是這個管道。面試官想看的是你知不知道怎么保證exactly-once，怎么讓下游能查到"這張表現在有哪些文件"。

第三層是湖、云數倉、lakehouse三選一。決策點在于開放表格式——Iceberg、Delta、Hudi。需要支持機器學習特征工程、靈活schema演進的往湖走；需要嚴格ACID、純SQL分析的往warehouse走；想兩邊都沾的選lakehouse。但大部分大廠其實是混著用：湖接高吞吐的原始數據，warehouse或lakehouse接治理好的分析負載。

最后一層是答案的結構。合格的回答必須主動提：數據粒度怎么定、寫入怎么冪等、血緣怎么追蹤、聚合結果怎么和源頭對賬。漏一個就被追問，追不上就扣分。這四個檢查點跟具體廠商無關，是面試官心里的評分卡。

整個面試的核心就一句話：能用原理解釋清楚，比知道十個產品名字有用得多。