PB级分布式查询引擎应用解析视频课程

这门课解决什么问题

你写 SQL 的时候会不会发现：同一个查询在 Hive 上跑半小时、Impala 上几秒就出结果，但 Presto 又挂了；换了 Spark SQL，资源又占满。PB 级数据仓库里，到底该选谁？这就是本系列要回答的问题——不是讲单个引擎的原理，而是帮你建立**「数据规模 × 查询模式 → 引擎选型 → 调优方向」**的完整判断力。

很多学习者的痛点是：文档能背，选型不会；会用一种，换种就懵。这套课从"基本能力缺口"出发：分布式查询引擎的**评价指标体系**（吞吐、延迟、资源弹性、容错），主流方案的架构差异（Hive 批处理 vs Impala/MPP vs Druid 列存实时），以及数据仓库场景下的组合方案。

适合什么基础

你已经会写 SQL，了解 HDFS 的基本概念，但不确定为什么 PB 级数据上 Hive 慢、Impala 快；没做过引擎选型，面对业务需求只会堆组件。不需要你精通 C++ 或 JVM，但需要**至少用过一种大数据查询工具**，知道表是怎么建的、数据是怎么流转的。

建议先看这三块：
1. **1-1 到 1-3**：先搞清楚"分布式查询引擎是什么、怎么评价好坏"，建起思维框架，后面对比时才不迷路。
2. **2-1 到 2-6**：用半天时间把 Hive / Impala / Presto / Spark SQL / Druid 各家特性过一遍，别急着上手，先记住各自强项。
3. **3-1**：看完选型章节，你应该能独立回答"这个数据仓库场景该用什么"。

最后 **4-1 Impala 架构**，是让你从宏观选型落到微观理解——知道为什么 Impala 在 PB 级上延迟可控，才能在自己的集群上做调优。

学完能做什么、资料怎么配合练习

这系列配套的是视频 + 目录结构，没有 zip/mp4 这种具体文件，但你可以把每一节当作一个"能力点"：
- 看完 **1-3 评价指标**，你应该能独立给任何引擎打分（不只是性能，还有生态、运维成本）。
- 看完 **2-1 到 2-6**，你能说出"Hive 批处理适合哪里、Impala 实时查询适合哪里、Druid 点查适合哪里"。
- 看完 **3-1 数据仓库方案**，你能针对一个新仓库，给出 1～2 个候选引擎并列出权衡点。
- 看完 **4-1 Impala 架构**，你能画出 NameNode / QueryCoordinator / DataNode 的关系图，知道每个节点做了什么。

学习节奏建议：每看完一节，自己写一段"这节解决我哪个能力缺口"，然后试着用这节知识去解释一个你实际遇到的问题。没有配套练习题库，但每一节都对应一个明确的"能独立回答的问题"——如果你看完全集后，还不能说清楚"Hive 和 Impala 的架构差异是什么、分别在什么场景用"，那就回去重看 1-3 和 2-1/2-2。