1. RDD的概念，就是说它会把一个比较大的数据集，然后分成很多个不同的部分，这叫分区。那这个分区，它会分布在不同的计算节点里边，去对每一个节点进行同样的算法的计算。那这个RDD的概念，它叫什么弹性分布式数据集意思？它就是如果有的计算节点失败了，它能够按照。计算的定义的那个计算图重新去构建它失败的那一部分，能够起到一个重视作用，也就是一个，能够保证这个计算的时候，能够在有问题的时候能够鼓掌恢复，然后还能够做这种分布式的计算
2. join的时候一定要看好join的类型：left join、right join、inner join以及左表右表的join字段名称，每join一个表就执行测试下，看看数据效果
3. 数仓开发主要梳理清楚取数的逻辑，可以采用WITH tmp_01 AS 的方式写好需要用的表，最后汇总起来
4. 数仓代码中尽量不要出现SELECT *、DISTINCT，因为会加大资源的损耗，导致数据倾斜