1.数据颗粒度， 维度
2.是数据量
3.笛卡尔积
加条件，内连接 外连接等
4.行转列 sql case when的理解 造列
行转列 case when / if
列转行 union all
列转换成字符串GROUP_CONCAT
5.hive 中 MR
6.hive join
7. hive sql 优化 案例介绍
减少处理的数据量 分区裁剪，列剪裁
合理的设置map、reduce数量 默认Map数的计算公式为 default_num=total_size/block_size
小文件合并
Shuller过程优化
join优化
数据倾斜优化
8.spark sql / hive sql
9.shell 命令
10. 开窗函数
语法：
select 窗口函数 over (partition by 用于分组的列名， order by 用于排序的列名
分类：
排名函数：row_number()，rank()，dense_rank()
聚合函数：max()，min()，count()，sum()，avg()，median()
向前向后取值：lag()，lead()
百分位：percent_rank()
取值函数：first_value()，last_value()，nth_value()
分箱函数：ntile()
- 逻辑和思维
12.spark的任务划分
Spark应用程序包括Job、Stage以及Task三个概念：
job：以 action 方法为界，一个 action 触发一个 job
stage：它是 job 的子集，以 RDD 宽依赖为界，遇到宽依赖即划分 stage
task：它是 stage 的子集，以分区数来衡量，分区数多少，task 就有多少
sed
标签：总结,rank,函数,hive,job,笔记,sql,stage From： https://www.cnblogs.com/ccli555/p/17627426.html