什么是ETL：
即extract：提取
transform：轉換
load：加載
ETL其實是數據清洗后的數據
什么是數據中台：
從抽取數據開始，到最終用戶看到，這一系列過程都是數據中台；
指的是一套數據應用和工具，包括分布式ETL、數據資產管理、數據標簽管理、數據沙箱、自助分析平台、元數據管理、數據質量管理等等，底層則已現有的數倉、大數據平台等為數據源，為企業提供數據資產管理的能力，並持續挖掘數據價值，持續提供數據智能服務。
什么是數據倉庫：
數倉是存數據的，企業的各種數據往里面抽取，主要目的是為了分析數據，后續會基於它產出供分析挖掘的數據，或者數據應用需要的數據
如何理解Hive和hadoop關系？
1）從概念上來看
-> Hive是基於Hadoop的一個數據倉庫工具，hadoop是海量分布式存儲計算框架，底層就是hdfs分布式文件管理系統和mapreduce分布式計算框架；它是MapReduce的一個封裝，底層就是MapReduce程序；
2）從本質上來看
hive是用來調用計算引擎MapReduce操作數據hdfs的；
就是把hivesql語句轉化為MapReduce程序，hivesql其實就是mapreduce封裝而成。Hive的出現是為了自動化編寫MapReduce程序，通過sql語句讓mapreduce進行查詢、聚合、排序等；
3）hadoop三大組件：
Hdfs分布式文件管理系統、mapreduce分布式計算系統、yarn資源調度框架；
Hive的優缺點
1. 優點
（1）簡單、只需要寫SQL語句就行；
（2）Hive常用於數據分析，適合處理離線數據（靜態數據）；
（3）優勢在於處理大數據；
ps：mysql適合處理數據的增刪改查，適合處理業務型實時數據（動態數據）
2. 缺點
1）數據挖掘不擅長（擅長數據挖掘的是Spark）；
2）Hive自動生成MapReduce作業，通常不夠智能化，效率比較低
3）不能更新、刪除、插入;只能通過文件追加數據
4）不能對列建立索引（想提高Hive的查詢速度，請學習Hive的分區、桶的應用）
4）hive只適合做數據分析，不適合做業務型實時數據
Hive鏈接方式
只能通過jdbc來鏈接；
什么是JDBC
JDBC（JavaDataBase Connectivity）就是Java數據庫連接，說白了就是用Java語言來操作數據庫。原來我們操作數據庫是在控制台使用SQL語句來操作數據庫，JDBC是用Java語言向數據庫發送SQL語句。
什么都是spark
即：海量分布式存儲分析框架、搜索引擎是spark，操作語言是Spark SQL ，比hadoop的mapreduce更快，效率更高；目前華為雲采用的就是spark框架；他的分布式文件管理系統obs是基於hdfs封裝優化的；
什么是hbase？
Hbase基於hdfs的非關系型數據庫；
是一種Key/Value系統，它運行在HDFS之上
HBase – Hadoop Database，是一個高可靠性、高性能、面向列、可伸縮、實時讀寫的分布式數據庫，HBase是一個分布式存儲、數據庫引擎，可以支持千萬的QPS、PB級別的存儲，hadoop行存儲瓶頸是是幾十億級別的；不支持sql，是面向列的數據庫，新增列直接insert即可
mysql/sqlserver：
關系型數據庫，支持事務，支持索引，支持sql，表結構需要提前定義；想要新增列，需要ALTER TABLE 語句用於在已有的表中添加、修改或刪除
mysql單表數據瓶頸是千萬級的行記錄
瓶頸說的是性能瓶頸，不會存在溢出情況因為都是存在磁盤上
數據本身只要磁盤夠就不會溢出
但是如果我們的主鍵ID，是int類型（32位），自增，那int類型最大值是2,147,483,647（21億），如果數據量超過這個，那就會數據類型溢出
所以現在業務數據表一般用bigint（64位，最大值9223372036854775807）（百億億），絕對夠用，對於一般配置表，基礎信息表這種用int也是絕對夠用的
什么是flink？
分布式計算系統，處理在線的實時的大數據；
機制是：客戶端通過DMS（數據庫管理平台）kafka寫入數據，采用flink流式處理框架計算（一條條寫入），寫入到rds的mysql中；
mangodb是什么？
MongoDB 是由C++語言編寫的，是一個基於分布式文件存儲的開源數據庫系統。
也是一個數據庫類型，他比sqlserver和mysql，生提供高讀寫的能力，吞吐量大大增強。
MongoDB 將數據存儲為一個文檔，數據結構由鍵值(key=>value)對組成。類似json格式