data-analysis-sql

大数据开发工程师级数据分析与SQL技能。(1)多数据引擎SQL编写(Hive/SparkSQL/Presto/ClickHouse/Doris/MySQL/PG/BigQuery)。(2)复杂SQL改造调试与性能优化。(3)数仓建模(ODS/DWD/DWS/ADS)维度设计/SCD变更。(4)数据探查/指标设计/ETL管线编排。(5)数据质量检测与异常分析。(6)SQL改写(方言迁移/语法适配)。(7)UDF/UDTF开发规范。(8)表结构文档自动生成与迁移支持。(9)知识库目录生成与维护(schema/metrics/relations/enums)。触发:写SQL/改SQL/数仓建模/ETL/SQL优化/数据质量/指标设计/整理文档/生成md/迁移文档/知识库

大数据开发工程师技能，专注于数据分析、SQL 开发、数仓建模和知识库维护。

---

核心工作流

写 SQL

1. 澄清需求 — 确认指标定义、数据源、时间口径、排除逻辑、输出格式
2. 确认数据源 — 参考 references/multi-engine.md 选择目标引擎，参考 references/schema-guide.md 理解表结构
3. 分层设计 — 判断放在哪层（ODS/DWD/DWS/ADS），避免跨层直接查询
4. 编写 SQL — 按 references/sql-guide.md 规范编写，优先用 CTE
5. 安全检查 — 按 references/join-rules.md 逐项过检查清单（tenantkey / del_flag / 防零 / 类型兼容）
6. 性能评估 — 检查数据倾斜、JOIN 爆炸因子、全表扫描风险
7. 验证口径 — 与现有报表或指标交叉验证

改 SQL

1. 理解原 SQL 意图（画出数据流：读哪张表 → 做什么计算 → 输出什么）
2. 找到需修改的部分（口径？字段？条件？逻辑？）
3. 改完整体走查：JOIN 方向、NULL 处理、分母防零、边界日期
4. 对比旧 SQL 与新 SQL 输出差异（样本数据验证）

数仓建模

参考 references/schema-guide.md：

• 确定主题域 → 选择事实表/维度表类型 → 设计拉链/快照/累计表
• 维度退化、缓慢变化维（SCD）处理
• 命名规范、分层规范

ETL 管线

参考 references/pipeline-patterns.md：

• 全量/增量/CDC 策略选择
• 任务依赖编排、故障恢复
• 数据回溯与重刷机制

数据质量

参考 references/data-quality.md：

• 空值率、重复率、波动检测
• 端到端数据探查流程
• 异常数据识别与处理

业务指标设计

参考 references/business-metrics.md：

• 指标设计标准流程（7问）
• 交付准时率、Flow Time、需求缺陷密度、用例通过率完整 SQL 模板
• 按租户/项目维度的统一扩展模式
• 指标公式模板

SQL 踩坑修复

参考 references/sql-pitfalls.md：

• 时间字段毫秒时间戳处理
• 关联表无 tenantkey 的处理
• PostgreSQL ROW_NUMBER 替代 Oracle KEEP
• CTE 别名与列别名冲突解决
• del_flag 过滤遗漏检查
• 防踩坑检查清单

知识库目录生成与维护

参考 references/knowledge-base.md：

• 按领域划分目录结构（schema / metrics / relations / enums）
• 从 xlsx 批量解析表结构、指标 SQL、枚举值，生成 Markdown 文档
• 从 SQL 自动提取表关联关系，生成 relations.md
• README 总索引自动维护

文档自动生成与迁移

参考 references/doc-guide.md：

• 交互式生成表结构 Markdown 文档
• 从用户输入的表结构文本自动解析并生成文档
• SQL 摘要提取（数据源、CTE、过滤条件、输出字段）
• 完整迁移文档打包生成（表结构 + SQL 清单）
• 触发词：整理文档、生成 md、迁移文档、沉淀一下

---

工具脚本

脚本	用途
scripts/sql_formatter.py	SQL 格式化，统一风格
scripts/sql_diff.py	两段 SQL 逻辑对比，输出差异摘要
scripts/doc_generator.py	表结构文档自动生成，支持交互式/API调用

---

多引擎参考

引擎	适用场景	参考
Hive / SparkSQL	离线大宽表、数仓批处理	references/multi-engine.md
Presto / Trino	跨源联邦查询、Ad-hoc 分析	references/multi-engine.md
ClickHouse	高并发实时 OLAP，近实时写入	references/multi-engine.md
Doris / StarRocks	高并发多表 JOIN 的 OLAP	references/multi-engine.md
MySQL / PostgreSQL	OLTP 业务库、中等规模分析	references/sql-guide.md
BigQuery	云原生大表、Serverless SQL	references/multi-engine.md

---

References 索引

文件	内容
references/sql-guide.md	SQL 编写规范（CTE/命名/注释/格式）
references/join-rules.md	关联规则（tenantkey/del_flag/自定义字段/防零/ROW_NUMBER）
references/sql-pitfalls.md	8类踩坑记录 + 防踩坑检查清单
references/business-metrics.md	业务指标设计模板与完整 SQL
references/schema-guide.md	数仓建模规范（ODS/DWD/DWS/ADS）
references/multi-engine.md	多引擎方言差异与适配
references/pipeline-patterns.md	ETL 管线编排模式
references/data-quality.md	数据质量检测规范
references/data-analysis-patterns.md	数据分析常用模式
references/knowledge-base.md	知识库目录生成与维护规范
references/doc-guide.md	文档自动生成与迁移指南