一、知识盲区
1）DDD
极客时间 <DDD 实战课>
2）流式技术
3）大模型
1、spring ai
基于 Spring AI 的 MCP 客户端/服务端架构指南
二、项目经验
1）图平台
1、主要业务场景
2、核心技术
2）
三、技术点
1）数据一致性
1、分布式事务
2、数据最终一致性：如何实现？
四、数仓
1）数仓分成
ODS层（Application Data Store，又称：RAW层）：存储贴源的原始数据；
DWD层（Data Warehouse Detail）：数仓明细层，存储清洗、加密、标准化、集成及主题划分后的明细数据，加密动作在DWD层进行
DWS层（Data Warehouse Service）：数仓萃取层，存储以共性为主轻度的汇总数据，以分析的主题对象作为建模驱动，构建企业级公共粒度的汇总表
ADS层（Application Data Store）：应用数据服务层，存储面向特定业务/数据应用/数据，满足业务及应用系统数据需求
2）依赖关系
| 作业类型 | 说明 | 输入源 | 输出源 |
| HIVE to ADS | 适用于建设数仓中的应用数据服务层，存储面向特定业务/数据应用/数据，满足业务及应用系统数据需求 | DWD层/DWS层/ADS层 | ADS层 |
| HIVE to DWD | 适用于建设数仓中的明细层，存储清洗、加密、标准化、集成及主题划分后的明细数据 | RAW层/DWD层 | DWD层 |
| HIVE to DWS | 适用于建设数仓中的萃取层，存储以共性为主轻度的汇总数据，以分析的主题对象作为建模驱动，构建企业级公共粒度的汇总表 | DWD层/DWS层 | DWS层 |
| 出仓作业 | RAW层数据不可直接出仓 | DWD层/DWS层/ADS层 | 非HIVE数据源 |
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。