数据模型

数据模型所描述的内容包括三个部分：数据结构、数据操作、数据约束

• 星型模型
• 雪花模型

分层概念

• 数据来源层， 一般为业务数据库，埋点数据。

• ODS - Operational Data Store 数据运营层， 数据从源表拉过来，进行ETL，产出的数据写入，就是写入到ODS层。
• DWD - Data Warehouse Detail 数据明细层，
• DWM - Data WareHouse Middle 数据中间层，轻度汇总层，明细层需要复杂清洗的数据和需要MR处理的数据也经过处理后接入到轻度汇总层。
• DWS - Data WareHouse Servce
• APP - 数据应用层

Join背后有哪些种实现方式？

• Nested-loop (NL) join 暴力双循环遍历
• Block nested-loop (BNL) join 先按key分块，块内再暴力遍历
• Hash join 小表和大表join 把小表做成hashmap放在内存，遍历大表。 功能退化为只支持相等条件的join。
• Grace hash join
  先按key分块，块内再进行hash join
• Broadcast hash join 在分布式场景，把小表广播到每一个executor节点，执行hash join
• Shuffle hash join 在分布式场景，把小表shuffle分块发送到不同的executor节点，执行hash join
• Sort Merge join
  先对两个表排序，然后比较。如果join的key本来就有序，这就很快了

大表join优化思路

尺寸较大的称为外表，尺寸较小的称为内表

• 分而治之：
  1. 内表按行拆分
  2. 我们让外表依次与内表子集做关联，得到部分计算结果。
  3. 最后，再用Union操作把所有的部分结果合并到一起

湖仓一体

数据库、数据仓库、数据湖

简单来说，数据湖是一个存储大量原始数据的地方，可以存放各种格式的数据，而数据仓库则是经过处理和整理的数据存储，适合进行分析和查询。湖仓一体的核心思想是把这两者的优点结合起来。

终于有人将数据湖讲明白了

数据湖的价值

• 流批作业在数据层面做到进一步的统一
  • 快速upsert
  • table schema
• Time Travel Query 时间旅行 、带时间版本查询、Stale Read