1.left join产生的数据倾斜
两个子集LEFT JOIN之后GROUP BY从代码角度出发更综合，但是当两个子集特别大时，会影响到效率，应该分别GROUP BY之后再进行LEFT JOIN，防止数据倾斜；
2.维度理解
维度太多了，有个dwd层放入多个维度，比如一个用户在不同的页面操作一个内容，这个维度就是（用户，页面，内容）,若放在dws里维度是(内容，页面)，相当于从dwd聚合来
3.公司的数仓存储和压缩
公司采用ORC存储，SNAPPY压缩，ORC存储可以让hive拥有事务，原子性，一致性，隔离性，持久性；SNAPPY压缩对于集团hive有什么好处暂时未知；
4 .增，删，修改字段及删表分区增加表字段
1.alter table wx_dwsdb.dws_cc_page_con_consume_dl add columns (con_title string comment '内容标题');
2.修改表字段位置： alter table wx_dwsdb.dws_cc_page_con_consume_dl change con_title con_title string after con_id;
3.删除表字段(hive不能直接删除字段，可以通过改变字段的性质)：alter table wx_dp_adsdb.ads_cc_creator_platform_dl change column con_title a1 string comment '预留字段';
4.删除表分区： alter table wx_dwddb.dwd_cc_like_user_details drop if exists partition(dt<='20210130',dt>='20210117');
5.对历史大量数据需求解决方法
经常会遇到一些需求比如从某年某月某日开始截止到当前全量数据。可以用模式调优解决-
将历史数据明细数据通过脚本刷到a表中，之后对数据每天增量的方式增加到a表中，a表相当于每天都记录了全量的数据，对此a表进行操作就可以得到需要的数据
扩：a可以辅助数仓建设构建dwd层或dws层
6.EXCEL中的文件导入到hive表
方法1：将excel文件改名为a.txt文件移动到跳板机上：mac可下载SecureCRT，win可用xshell，在跳板机中使用rz -rb,命令即可将文件放到跳板机上，在指定目录下：piconv -f gb2312 -t UTF-8 CompanyCode.txt > a.txt,然后再load 入表中；
方法2：创建a.txt,直接将excel里的内容复制到a.txt里，再load即可
7.脚本刷历史数据
可以先 git clone 项目到跳板机上，然后 nohup run for_run.sh，后台运行刷数据的脚本，刷数据的同时，会在同级目录下创建nohup.out文件，可以cat 或者 vim 查看nohup.ou t,在vim中，可以通过 /20210316定位到刷数据的位置，
注：数据如果需要再次回溯，需要将nohup.out清空，nohup文件会保留历史写入过多造成卡顿
8.网校数仓基本上都是使用string类型
可以在ods,buf，dwd,dim,dws层使用string类型，在ads层，为了易用性，可以使用其他字段类型，用的时候，也需要注意，比如
从dws或者dwd到ads的时候，在有些情况下需要转换row_number() over(partition by dt,page order by cast(show_pv as bigint) desc) as num
9.3.31号进行了4张表的优化处理
优化点主要在于依赖表的切换，之前数仓体系没有建立或者健全，很多字段的获取要从其它多张表获取，现在通过维表或其它dwd层表关联，大大减少了表的连接，提高了效率，且由于血缘依赖，也让任务得以提前运行。
在切换表的同时，对代码逻辑进行优化，减少了子查询，
总结：优化在数仓体系未建立时曾创建的表，再一次感受到了数据体系建立的重要性，稳定，易用，完整，准确，安全。