Hive SQL 熟练度评估指标

回答原则

这是经历题，不能由题库替候选人虚构“做过什么”或业务规模。下面是可直接填写的结构，方括号内容必须替换为本人可核验事实。

口径模板

熟练度与证据

“我对Hive SQL的熟练度是[基础/熟练/深入]。能独立完成[真实操作，例如分区裁剪、窗口函数、多表Join、执行计划分析]；我在[真实项目]里处理过[真实数据类型和规模]，证据是[代码、任务日志或监控报表]。”

一次真实调优案例（STAR）

• 场景：[任务目标、引擎与版本、输入规模、SLA]
• 定位：通过 EXPLAIN、Spark UI或作业日志确认 [扫描过大/倾斜key/shuffle/小文件/内存压力]，不要只凭慢就下结论。
• 操作：按证据选择分区裁剪、广播Join、AQE、key salting、聚合前置、文件合并或合理repartition。广播阈值、分区数等参数必须绑定版本、集群资源和实测。
• 结果：填写 [优化前后耗时、资源、失败率] 及测量口径；没有真实数字就不写。

缓存不是“中间结果必须cache”。只有同一结果会被重复使用，并且读取收益覆盖写入、内存占用和驱逐成本时才缓存。executor memory也不是越大越容易OOM，应结合堆、overhead、并发task、GC和数据倾斜分析。

典型AI数据场景可以描述训练样本构建、特征处理或离线评测，但只有本人确实参与过才能使用第一人称。