龍1939-优快云博客

原创【测试_概念-01_到底什么是回归测试和冒烟测试，一次性讲解清楚；】

冒烟测试在发版后快速验证核心功能是否可用，确保版本可继续测试；回归测试则在代码修改后检查原有功能是否被破坏。前者范围窄、用例少、耗时短，用于判断“能不能用”；后者范围广、用例多、常自动化，用于确认“有没有被改坏”。通常顺序为：先回归测试，再冒烟测试。

2026-10-28 09:29:06 140

原创【Java架构_API服务_02_一次性讲解清楚接口服务中为什么不直接设置成ERROR级别】

如果只打 ERROR，你会陷入一个困境：出问题时手上没有任何上下文。比如你的看板某天数据不对，只看 ERROR 日志会发现——什么都没有（因为没抛异常，只是结果不符预期）。如果上线后觉得 SQL 日志太吵，把 mapper 那行调回 INFO 就行,不用动 root。ERROR-only 日志等于"平时全黑、出事了也只有一句异常栈"。日志不是"只有报错才用"——它的核心用途其实是在没报错的时候也能知道系统在干什么。设成某个级别，意思是打印该级别及以上的日志。日志级别是"阈值"，不是"只打这一种"

2026-07-16 17:16:43 226

原创【大模型_VibeCoding-概念_一次性解释清楚到底什么是skill】

什么是 Skill在与大模型协作的语境中，Skill（技能）本质上是一段被工程化封装的提示词（prompt）。它的主体仍然是自然语言指令——通常以一个 Markdown 文件（SKILL.md）的形式存在——描述"在某类任务中应当如何行事"。但与随手写下、用完即弃的临时提示词不同，Skill 在这段指令之外附加了三层结构，使其从"一次性的表达"升级为"可沉淀、可复用的能力单元"。一、可路由的触发机制。

2026-07-14 16:06:45 237

原创【前端_框架-02_到底npm是什么，一次性解释清楚】

│ Maven Central │ npm registry（registry.npmjs.org） │ 中央仓库 │。│ mvn install │ npm install │ 按声明下载所有依赖 │。│ ~/.m2 本地仓库 │ node_modules/ 文件夹 │ 下载下来的依赖存放处 │。

2026-06-26 14:48:39 192

原创【前端_框架-01_到底vue和react有什么区别，一次性讲解清楚】

Vue和React作为主流前端框架，都采用组件化、数据驱动和虚拟DOM等核心思想，但在实现方式上存在差异。React定位为灵活的UI库，使用JSX语法和手动响应式更新，适合追求自由度的开发者；Vue则是渐进式框架，提供模板语法和自动响应式追踪，学习成本更低。React生态更庞大，适合复杂应用和跨端开发；Vue官方工具链完善，适合快速开发。两者核心思路相通，掌握一种后另一种学习成本较低。选择时可根据团队偏好、项目需求和开发习惯决定。

2026-06-26 14:43:08 235

原创【大模型_VibeCoding-概念_一次性解释清楚到底什么是VibeCoding】

这个词由 Andrej Karpathy 在 2025 年初提出而流行，他原话大意是：“完全沉浸在感觉里，接受指数级增长的代码量，甚至忘记代码本身的存在”——即你信任 AI、跟着感觉走，把精力放在想要什么效果上，而不是怎么实现。“Vibe”（氛围/感觉）这个词来自英语口语，原意是指一个人、一个地方或一件事散发出来的整体感觉、情绪基调或直觉印象。比如 “this place has a good vibe” 就是"这地方氛围不错"。

2026-06-23 17:05:09 272

原创【大数据_数仓架构-DolphinScheduler_一次性讲解清楚如何用DolphinScheduler编排数仓任务】

工作流 ads_会员运营类。–工作流 ads_商家服务类。–工作流 ads_履约监控类。–工作流 dws_用户主题。–工作流 dws_店铺主题。–工作流 dws_商品主题。–工作流 dws_履约主题。–工作流 ads_经营看板。–项目ADS 【跨主题】–工作流 ODS_交易。–工作流 ODS_履约。–工作流 ODS_会员。–工作流 dim_用户。–工作流 dim_店铺。–工作流 dim_城市。–工作流 dwd_交易。–工作流 dwd_履约。–工作流 dwd_会员。

2026-06-22 17:35:30 286

原创【Java架构_API服务-01_一次性讲解清楚接口服务中到底什么是P99和P9999】

P99和P9999是衡量系统延迟的百分位指标，分别表示99%和99.99%的请求快于该值，用于捕捉长尾延迟问题。相比平均值，百分位指标能更真实反映用户体验，尤其在高并发场景下，慢请求会被放大（如100次调用63%概率触发P99延迟）。典型优化手段包括对冲请求、缓存预热和熔断降级。监控时需注意P9999需百万级样本才有统计意义，且不能跨时间段平均计算。这些指标对保障分布式系统SLO至关重要。

2026-06-16 12:16:52 295

原创【大数据_数仓架构-12_使用hive进行etl计算的背景下，累计快照事实表，如何创建，用电商场景举例】

本文介绍了在Hive中实现累积快照事实表的方法，重点解决Hive不支持UPDATE操作的问题。核心思路是采用全量覆盖+分区滚动策略：每日ETL流程将昨日未完成订单与今日新订单合并，通过LEFT JOIN关联各业务过程最新事件，使用COALESCE函数保留已有值或更新新值，最后用INSERT OVERWRITE重写分区。文章以电商订单履约场景为例，详细说明了表结构设计（按订单创建日分区、ORC存储格式）和ETL处理逻辑，包括时间字段更新和阶段时长计算。这种方法有效模拟了传统数据库的UPDATE功能，实现了订单

2026-06-11 13:47:51 187

原创【大数据_数仓架构-11_到底周期快照事实表和累计快照事实表的区别是什么，使用场景是分别是什么】

【数据仓库建模核心概念】周期快照事实表与累积快照事实表对比摘要：两种快照事实表本质不同：周期快照表（如库存/余额）定期记录对象状态，行数随时间指数增长，只插入不更新，用于分析状态趋势变化累积快照表（如订单/审批）跟踪业务流程生命周期，行数线性增长，会更新流程节点时间，用于分析阶段转化效率典型应用场景：周期快照：库存监控、账户余额、用户活跃度等需要时间序列分析的场景累积快照：订单履约、审批流程、生产工序等有多阶段生命周期的流程分析关键区别体现在数据增长模式、更新机制、时间维度设计和业务关注点等方

2026-06-11 13:22:54 120

原创【大数据_数仓架构-10_事务事实表、汇总事实表、普通维度表、拉链表、累计快照、周期快照都分别归属到数仓分层中的哪一个层级】

本文总结了数据仓库中各类型表在分层架构中的归属关系：事务事实表主要归属DWD层，记录业务过程明细，如订单、支付等事务数据。周期快照事实表主要归属DWD层（明细级），部分聚合后状态归DWS层。累积快照事实表主要归属DWD层，记录业务全生命周期明细数据。汇总事实表主要归属DWS层，体现轻度聚合结果，部分专属应用归ADS层。普通维度表专属DIM层，包含基础维表、日期维表等。拉链表（SCD2）主要归DIM层，用于历史维度分析。各层核心定位： DIM层：维度表专区 DWD层：明细事实表专区 DWS层：汇

2026-06-11 11:25:10 158

原创【大数据_数仓架构-09_到底存储到数仓中的表有几种，分别给出实际使用场景，并举出一个实例；】

【150字摘要】数据仓库中的表分为事实表和维度表两大类。事实表包括：1）事务事实表（记录一次性业务事件）；2）周期快照表（定期状态快照）；3）累积快照表（跟踪多阶段业务流程）；4）无事实表（仅记录事件发生）；5）汇总事实表（预计算聚合结果）。维度表主要存储业务对象属性，包括普通维度表（不保留历史变化）等。这些表类型共同构建数仓的数据模型，支持不同分析场景。

2026-06-11 11:15:44 232

原创【大数据_数仓架构-08-到底DWD层的表是否应该存储指标】

【摘要】数据仓库DWD层应存储度量（Measure）而非指标（Metric/KPI）。度量是业务过程的原始数值（如单笔订单金额），具有可加性且与事实表粒度一致；指标则是经过聚合和业务定义的统计结果（如30天累计支付额）。DWD层作为明细事实表，需保持事件级粒度，避免存储跨行聚合、含业务规则的指标，否则会导致数据冗余、计算效率低下及分层职责混乱。正确做法是将派生指标置于DWS层，确保DWD层稳定性与计算性能。核心区别在于：度量是"原材料"，指标是"加工成品"。

2026-06-11 11:01:36 202

原创【大数据_数仓架构-07_ DWS建的表归属到是什么主题域,如何划分,举例】

本文深入分析了DWS表dws_cate_region_trade_1d的主题归属问题，提出了三种判断思路：类目主题、地区主题和交易主题。作者推荐将其归为交易主题（trade），因为该表本质是交易事实在类目和地区两个维度的交叉聚合，属于过程型主题而非对象型主题。文章给出了规范化的命名建议（dws_trade_cate_region_1d），并通过决策树和淘宝案例展示了完整的主题划分逻辑。最后强调DWS表命名必须清晰体现主题归属和粒度，这是数据仓库建模的重要规范。

2026-06-11 10:45:12 254

原创【大数据_数仓架构-06_统计每天、每个省份、每个城市、鲜花品类、玫瑰花下了多少笔订单，多少交易额，从ODS层一直建设到ADS层】

本文介绍了鲜花电商平台中玫瑰花的销售数据统计系统建设方案。系统采用分层架构设计，从源数据到最终报表的完整ETL流程包含： ODS层：直接接入订单库、商品库等源系统数据 DIM层：构建商品维度表（包含类目层级）和地区维度表 DWD层：创建订单支付明细宽表，关联商品和地区维度 DWS层：按"类目+地区+日"维度聚合交易数据 ADS层：生成面向业务的玫瑰花地域销售报表核心实现包括：商品维度打通三级类目（鲜花->玫瑰）订单明细与商品、地区维度关联最终输出各省市玫瑰花每日订单数和交易额指标该方案通过维度建模

2026-06-11 10:36:32 278

原创【大数据_数据架构-05_一次性讲解清楚到底ADS层和DWS层的区别是什么，如何划分】

本文摘要：DWS层与ADS层是数据仓库中容易混淆的两层。DWS层定位为公共汇总指标层，具有高度复用性、标准粒度和中性指标特点，服务于多个下游应用；ADS层则是专属应用结果层，包含业务规则、复合指标和特定业务粒度，为单一应用服务。关键判断依据包括复用性、业务规则、粒度标准、需求变更影响和最终用户类型。DWS层加工采用标准化聚合，而ADS层则实现业务规则落地。实际应用中，应根据表的复用程度和业务属性明确划分这两层边界。

2026-06-11 10:22:06 243

原创【大数据_数仓架构-04_到底DWS层的主题域和DWD层的数据域有什么区别和联系】

数据仓库中DWD层（数据域）与DWS层（主题）的核心区别在于分析视角：DWD层以业务过程（动词）为中心记录事件明细，如"下单""支付"等；DWS层则以分析对象（名词）为中心聚合指标，如"用户""店铺"等宽表。二者通过"事件记录→对象分析"实现数据转换，DWD的稳定性业务过程为DWD提供唯一数据源，DWS通过跨域聚合、多周期窗口计算满足分析需求。典型区别体现在粒度（事件级vs对象级）、数据形态（事实表vs宽表）和驱动方（业务流程vs分析诉求）三个维度。

2026-06-10 17:52:25 176

原创【大数据_数仓架构-03_到底ODS层的业务系统和DWD层的数据域有什么区别和联系】

数据仓库建模中，ODS层与DWD层的核心区别在于数据组织视角：ODS层按源系统划分（如交易、会员系统），保持原始数据结构和粒度；DWD层则按主题域和业务过程（如下单、支付）重组数据，进行清洗、标准化和粒度调整。关键差异包括： ODS保留源系统结构，DWD以业务需求为导向重构 ODS存在数据冗余，DWD确保单一业务过程对应唯一事实表 DWD层进行数据清洗、脱敏和维度退化等处理二者紧密关联，DWD必须基于ODS加工，确保数仓与业务系统解耦，同时实现从技术视角到业务视角的转变。

2026-06-10 17:44:30 361

原创【大数据_数仓架构-02_到底数仓ODS到ADS如何建设。使用淘宝商城举例，从ODS层一直建设到ADS层】

淘宝商城数仓分层建设方案采用经典五层架构（ODS→DWD→DWS→ADS），以订单、会员、履约三大核心域为例。ODS层保留原始数据，DIM层构建一致性维度（会员/商品/店铺维等），DWD层按业务过程建模（订单/支付/发货事实表），DWS层按主题聚合（用户/店铺宽表），最终ADS层支撑报表/API等应用场景。方案强调数据标准化（命名规范）、维度退化、数据清洗和分层复用，形成从源数据到应用服务的完整链路。

2026-06-10 17:26:36 247

原创【大数据_数仓架构-01_到底为什么要进行数仓分仓】

数据仓库分层的核心价值在于通过结构化设计解决复杂性问题。首先，分层架构（ODS→DWD→DWS→ADS）实现处理流程解耦，各层专注单一职责，避免"烟囱式"开发。其次，通过中间层统一指标口径，预计算减少重复加工，提升查询性能与数据一致性。此外，分层设计能有效隔离源系统变更影响，保障下游稳定性，同时建立清晰的数据血缘便于问题追溯。从协作角度看，分层明确了数据工程师、建模师和分析师的职责边界，支持从原始数据到聚合报表的多粒度查询需求。本质上，分层是以空间换时间、规范换效率的系统工程方法，是数仓可持续运维的基础保障

2026-06-10 17:18:19 285

TheDragonLord的博客