Elasticsearch（ES）是一个基于Lucene的分布式搜索分析引擎，具有近实时处理能力。其核心概念包括节点、集群、索引、文档和分片，采用倒排索引技术实现高效检索。ES支持水平扩展、全文检索、聚合分析和RESTful API，适用于日志分析、电商搜索等场景。进阶功能涵盖向量搜索（8.x支持dense_vector字段和kNN搜索）、跨集群搜索、数据流管理及性能调优技巧（如批量写入、查询优化

HBase是一个基于Hadoop的分布式NoSQL数据库，具有高可靠、高性能和可扩展特性。它适合海量数据的随机实时读写场景，如用户画像、时序数据和消息状态存储。核心架构包括HMaster、RegionServer和ZooKeeper，采用稀疏多维排序映射表模型，支持水平扩展和强一致性。RowKey设计是关键，需避免热点问题。HBase可与Hive/Spark集成，但性能调优需关注Region数量、

Sqoop是Apache开源的数据迁移工具，专为关系型数据库与Hadoop生态系统（HDFS/Hive/HBase）之间批量数据传输设计。其核心功能包括并行导入导出、增量同步、数据类型自动映射等，通过MapReduce实现高吞吐量传输。虽然Sqoop在传统Hadoop数仓建设中发挥重要作用，但随着技术发展，其局限性（如依赖MapReduce、分片限制）逐渐显现，正被Spark JDBC等新方案替代

本文详细介绍了Hive离线数仓的分层规范及实现流程。数据仓库采用经典四层架构：ODS层存储原始数据，DWD层进行数据清洗和标准化，DWS层实现轻度汇总，ADS层生成业务指标。通过用户行为日志分析示例，展示了从原始JSON数据到最终报表的完整ETL流程，包括建表语句、数据转换逻辑和分区管理。文章还提供了数据导出到MySQL的方案（推荐使用Spark），并给出Airflow调度任务示例。最后强调分层设