就像建筑领域的"户型图"或"结构模板"，针对不同的居住需求（场景），有成熟的解决方案。：每个产品对应一个工厂，符合开闭原则，是Spring中BeanFactory的思想基础。：比如要创建一个"家庭套餐"，包含汽车、沙发、电视等配套产品。方式实现，它既线程安全又能延迟加载。观察者模式、策略模式、责任链模式、模板方法模式等。：创建产品族，适合需要创建一整套相关对象的场景。：类加载时就创建，可能浪费资源

用工厂模式，把创建逻辑封装在工厂里，业务代码只需要调用工厂方法，不用关心具体创建过程。这样新增支付方式时，只需要扩展工厂，不用修改原有代码，符合开闭原则。比如我们项目中的配置管理类，所有模块都要读取配置，如果每个地方都new一个，不仅浪费内存，还可能配置不一致。面试时重点说明"为什么用"和"解决了什么问题"，而不是"怎么实现"。简单工厂 vs 工厂方法：简单工厂用if-else，工厂方法用多态，更

用户领取优惠券时，先生成一个锁的key，比如：`coupon:lock:1001`- 用`SET lock_key user_id NX EX 10`命令尝试获取锁。Redis 是一个开源的内存数据结构存储，它是一个独立的数据库/缓存服务。- 这个命令是原子的，保证设置值和过期时间一起完成。- NX：只有锁不存在时才能设置（互斥）- 用Lua脚本保证原子性，只删除自己的锁。- 启动一个看门狗线程，

责任链模式是一种行为型设计模式，将请求的发送者和接收者解耦，使多个对象都有机会处理请求。这些对象形成一条链，请求沿链传递直至被处理或结束。工厂方法模式是一种创建型设计模式，定义一个用于创建对象的接口，但让子类决定实例化哪个类。工厂方法使类的实例化延迟到子类。策略模式是一种行为型设计模式，定义一系列算法，封装每个算法，并使它们可以互换。策略模式让算法独立于使用它的客户端变化。

多行注释 /**/：Ctrl+Shift+/文档注释：/***/：/** + Enter。自动对齐代码：Ctrl+Alt+l。单行注释 //：Ctrl+/

│ 数据分析师/大数据开发 ││ 写SQL查询 │↓│ Hive ││ 把SQL翻译成分布式计算任务 ││ │ Metastore: 知道数据在哪、什么结构 │ ││ │ HiveQL: SQL方言 │ ││ │ 驱动层: 解析-优化-执行 │ │↓│ Hadoop ││ │ HDFS: 实际存储数据文件 │ ││ │ YARN: 分配CPU/内存资源 │ ││ │ MapReduce/Spark

Hadoop是"存算分离"的鼻祖，HDFS存数据，YARN管资源，现在计算多用Spark替代MapReduce，但思想一脉相承。最后，针对影视飓风这类内容公司的大数据场景建议存储场景：HDFS存储海量视频文件、用户行为日志计算场景：用Spark分析用户观看偏好、视频热度趋势数据仓库：用Hive做离线报表（如每日播放量统计）实时分析：用Flink做实时推荐（视频流处理）面试时可以说："虽然Hadoo

/ 1. 继承UDF类// 2. 实现evaluate方法if (title.contains("教程")) return "教学";if (title.contains("VLOG")) return "生活";if (title.contains("测评")) return "评测";return "其他";// 3. 在Hive中使用Hive是数据仓库工具，不是数据库，适合离线分析外部表+分

分桶表是Hive的高级优化技术，虽然学习成本稍高，但在处理大数据关联查询时能带来数量级的性能提升。对于影视飓风这样数据量大、分析需求复杂的场景，合理使用分桶表是必须掌握的技能。面试时可以说"分桶表是Hive的查询性能优化技术，通过哈希算法将数据均匀分布到固定数量的文件中。它能大幅提升JOIN性能，支持高效数据抽样。在实际工作中，我会根据数据特性和查询模式，合理选择分桶字段和分桶数，通常与分区、OR

Apache Hadoop框架内的组件HDFS是大数据体系中使用最为广泛的分布式存储技术。