小橙编码日志

本篇主要介绍关于Hive 分区 & 分桶：用 “建文件夹 + 切小文件” 讲透核心逻辑！欢迎大家学习！

Hive 是大数据时代 “降维” 的产物：为了让普通数仓 / 分析人员能用熟悉的 SQL，低成本、高效率地处理 HDFS 里的海量离线数据，解决早期 MapReduce 开发门槛高、效率低的行业痛点。

数据的“标准化粮仓” 数据仓库（Data Warehouse）是面向分析决策、集成化、稳定化、反映历史变化的数据存储系统，并非简单的“数据容器”，核心是解决“零散数据无法高效支撑分析”的问题

数据库三范式：减少数据冗余与确保一致性 这个问题是数据库设计的基础，理解三范式能从根源避免数据冗余和不一致！数据库三范式的核心是逐步减少数据冗余、规范数据存储，每一级范式都建立在对上一级的满足之上。

业务场景 在分布式项目中，A 系统向 B 系统推送数据 / 请求失败是高频场景，核心补偿思路是 “先保障消息不丢、再分层重试、最后人工兜底”，以下是落地性极强的分层补偿方案，附具体实现逻辑和适用场景。

在系统中，当存在多个进程和线程可以改变某个共享数据时，就容易出现并发问题导致共享数据的不一致性。本篇分享基于Redission的分布式锁实战，解决如上场景问题！

案例详解深克隆，浅克隆！浅克隆就是数据拷贝后，一方数据变化另一方会跟着变化。深克隆就是指将数据拷贝后两者无关联，改变一个不会影响到另一个数值变化。

Redis的使用场景分享，引用Redis后，第一次查询查MySQL，将数据同步存储在Redis中，后续的查询可以直接查询缓存！欢迎打卡交流！

ThreadLocal和Synchonized都用于解决多线程并发访问。本篇用案例详细的讲解两者的区别，欢迎打卡阅读学习交流！