字符集utf8mb4和utf8；区分：utf8mb4_general_ci、utf8mb4_unicode_ci 和 utf8_general_ci 

Hive排序语法面试要点： 核心区别： ORDERBY：全局排序（单Reducer，性能差） SORTBY：分区内排序（多Reducer并行） DISTRIBUTEBY：控制数据分发（不排序） CLUSTERBY：分区+排序（DISTRIBUTEBY+SORTBY） 银行场景建议： 禁用ORDERBY（易OOM） 推荐DISTRIBUTEBY+SORTBY组合 桶表使用CLUSTERBY优化JOI

雪花算法Snowflake快乐认知：组合时间戳、机器标识和序列号确保唯一性与有序性，如快递单号：时间+分店+序号 ；

主流分布式数据处理框架对比：MapReduce、Spark和Flink分别代表批处理、内存计算和流批一体三个技术时代。MapReduce适合超大规模离线处理但延迟高；Spark在批处理和准实时场景表现优异，支持丰富生态；Flink则在毫秒级实时处理、状态管理和精确一次语义方面优势突出。金融场景中，Flink最适合实时风控等低延迟需求，Spark适用于准实时分析，MapReduce仍用于大规模离线作

银行数据仓库项目通常包含DEV→SIT→UAT→PRE-PROD→PROD五级环境。其中PRE-PROD环境作为上线前的最后防线，必须与生产环境(PROD)保持完全一致，包括硬件配置、软件版本、网络策略、数据量级等。若两者存在差异，可能导致"测试通过但上线失败"的问题，如性能不足、权限错误或作业超时等。银行通常通过基础设施即代码、配置管理、数据同步等方法来确保环境一致性。PRE

银行数据仓库项目通常包含DEV→SIT→UAT→PRE-PROD→PROD五级环境。其中PRE-PROD环境作为上线前的最后防线，必须与生产环境(PROD)保持完全一致，包括硬件配置、软件版本、网络策略、数据量级等。若两者存在差异，可能导致"测试通过但上线失败"的问题，如性能不足、权限错误或作业超时等。银行通常通过基础设施即代码、配置管理、数据同步等方法来确保环境一致性。PRE

主流分布式数据处理框架对比：MapReduce、Spark和Flink分别代表批处理、内存计算和流批一体三个技术时代。MapReduce适合超大规模离线处理但延迟高；Spark在批处理和准实时场景表现优异，支持丰富生态；Flink则在毫秒级实时处理、状态管理和精确一次语义方面优势突出。金融场景中，Flink最适合实时风控等低延迟需求，Spark适用于准实时分析，MapReduce仍用于大规模离线作

栈是一种只允许在一端进行插入和删除操作的线性表。这一端通常称为栈顶（Top），相对的另一端称为栈底（Bottom）。栈的基本操作包括压栈（Push）和弹栈（Pop），分别用于在栈顶插入元素和删除元素。栈结构是一种重要的线性数据结构，其后进先出的特性使得它在计算机科学和编程中有广泛的应用。通过理解栈结构的基本定义和操作原则，我们可以更好地利用它来解决实际问题。通过这个例子，我们可以看到栈结构的后进先

Java实际项目中如何与钉钉接口保持数据传输安全性和稳定性

初识AI、AI大模型、AGI