面对海量数据，数据仓库架构上会采取哪些存储与访问策略来保证性能与扩展性？

回答思路

1. 【回答框架 1】存储层面，可采用分层存储与列式存储。列式存储按列组织数据，压缩比高，查询时只需读取相关列，减少I/O，是大数据仓库的常见选择。
2. 【回答框架 2】数据分区是另一关键手段，可将大表按时间、地域等维度拆分为小分区，查询时通过分区剪裁跳过无关数据，降低扫描量，同时便于数据生命周期管理。
3. 【回答框架 3】存储与计算分离是当前主流，如云数仓通过对象存储存数据，按需拉起计算集群，弹性扩缩容，避免资源浪费，需考虑网络延迟对查询的影响。
4. 【回答框架 4】访问性能优化包括构建索引、物化视图和结果缓存。物化视图将复杂查询的预计算结果保存，加速重复查询，但需注意维护成本与数据一致性。
5. 【关键点 1】采用列式存储与高压缩比减少I/O。
6. 【关键点 2】通过数据分区实现查询裁剪与管理。
7. 【关键点 3】存储计算分离提升弹性，依赖网络。
8. 【关键点 4】物化视图加速但需权衡一致性。
9. 【易错点 1】物化视图可能导致数据延迟，需设置刷新策略。
10. 【易错点 2】过度分区会使元数据膨胀，需合理设计分区键。