‘壹’ 数据开发是什么
数据库开发是从事数据库管理系统(DBMS)和数据库应用软件设计研发的相关工作人员的统称，他属于软件研发工程师，但又有一部分运维工作的内容。他主要从事软件研发的工作，但同时也要参与数据库生产环境的问题优化和解决。
数据库开发工程师与传统的数据库管理员(简称DBA，也称为数据库工程师)是不同的职位。传统的DBA主要属于运维职位，而数据库开发工程师则属于软件研发职位。但二者也有部分工作内容重合，比如都要跟进数据库生产环境出现的故障问题，其中DBA主要负责故障处理，而数据库开发工程师主要跟进自己开发的系统模块出现的bug或性能问题[1]。
根据研发的内容不同，数据库开发工程师可以分为两大发展方向：数据库内核研发和数据库应用软件研发：
a) 数据库内核研发：主要负责设计和研发数据库管理系统，重点关注的是数据库管理系统内部架构的设计和实现，比如Mysql分支的开发、Oracle 10g新特性开发等；
b) 数据库应用软件研发：主要负责设计和研发数据库管理系统衍生的各种应用软件产品，重点关注的是数据库外部应用软件产品架构的设计和实现，比如分布式数据库、数据库中间件等。
‘贰’ 数据开发是什么
就是用工具实现大数据分析后所需要得出的结果。简单理解，大数据开发就是制造软件的，只是与大数据相关而已，通常用到的就是与大数据相关的开发工具、环境等等。大数据分析：简略来说就是从天量的数据中通过算法搜索找出隐藏在其中的信息数据的过程，然后对收集来的大量的信息数据进行详细研究和概括，推断其趋势或者结果，以便于做出判断及采取适当的行动。
‘叁’ 数据库开发是什么
数据库开发是数据库管理系统(DBMS)和数据库应用软件设计研发的总称，数据运维、参与数据库生产环境的问题优化和解决等方面的事宜。
一般数据库开发要经过设计、开发数据库系统和数据库应用软件，因此与软件研发的过程一样，会覆盖需求、设计、编程和测试四个阶段：
需求：深入调研用户市场需求，认清项目的应用场景，解决的问题，性能指标等，需要与数据库系统使用方反复沟通，确定具体的需求。
设计：根据收集整理的需求文档设计数据库系统软件的模型和架构，划分模块分别进行概要和详细设计。
编程：按照模块分工和设计文档，进行编码和调试。
测试：将开发完成的数据库系统交给测试人员进行测试，主要使用的测试方法有黑盒测试、白盒测试、压力测试、性能测试等，测试全部通过后即可等待发布。
‘肆’ 数据库开发是做什么东西的
和软件开发类似，两者都要互相用到，彼此交叉。比如银行的自动取款机系统，就是数据库开发的典型例子。你会觉得这个应该是软件开发的写代码啊，但是事实上写代码只是取款机系统实现的一步而已。数据库开发分六步：需求分析、概念结构设计、逻辑结构设计、数据库的物理设计、数据库的实施、数据库的运行和维护。写代码只是数据库实施中的一部分，这样讲应该能明白吧。还有像超市的收银系统，学校的教务系统都是数据库的例子，光会写代码是编不出来的。我目前已经考了数据库系统工程师，这学期准备考个软件设计师。两者的区别是数据库的语言主要是SQL，软件设计师则是写代码，C、C++ 、Java等
‘伍’ 数据库分区过多调度跑批写入数据报错
数据库分区过多调度跑批写入数据报错的解决办法：
1、第一步，建分区表时，对数据库操作，修正groupby的错误。
2、查看分区。
3、删除分区，恢复原表。
4、建立分区，需要分区的主表如果存在id主键，那么分区时间字段也应设置为第二主键。
5、建立触发事件。数据库分区是一种物理数据库设计技术，DBA和数据库建模人员对其相当熟悉，其主要目的是为了在特定的SQL操作中减少数据读写的总量以缩减响应时间。
‘陆’ oracle 如何跑批处理
sqlplus -s users/oracle@orcl @qq.sql
users --登录用户
oracle --用户密码
orcl --数据库名
qq.sql --编写SQL语句脚本
‘柒’ 数据库开发是什么意思数据库不就是简单的做表格吗哪里用到开发了能开发出什么用什么开发
数据库开发不是简单地做表格，它是将大量的数据进行分类，按照一定规则进行表格设计，表与表之间有一定结构或关系，大量的数据都放在这些表（库）中，表与表之间可以计算、筛选、组合新表提供数据查询，还可以设计成报表提供数据服务。开发软件很多，常用的有ACCESS、SQL等。
‘捌’ 什么是数据库开发，做软件实施需要懂数据库开发吗不懂编程可以做软件实施吗，从哪方面入手呢谢谢给位
数据库开发主要是为系统编写存储过程、函数、复杂的查询等等。
需要掌握一定的sql、PL/SQL(oracle专用)或者T-SQL(sqlserver专用)技巧。
属于纯技术职位。
软件实施任职要求：
不一定需要编程能力（但单位招人时如果发现简历上有编程经历会加分）；
要懂得数据库(oracle 、sqlserver、 db2)、中间件（tomcat、jboss、 weblogic、 websphere、 resin）中一种或多种的安装配置，熟悉本公司的软件产品；
要具备一定的沟通能力（做需求调研时需要跟客户互动）；
要具备一定的文档能力（调研报告、需求分析、会议记要等多类项目文档需要编写）；
实施做到最后有两条出路：管理和业务。
管理 实施项目经理---实施总监----事业部高层----公司高层
业务 行业解决方案专家（熟悉精通某一个行业的业务知识，有大量的系统设计经验）
新手上路
实施的产品一般都是大型企业（石油、电力、金融、电信等）或政府行政事业单位使用的软件，不同于大家常用的个人软件（如QQ、迅雷、360杀毒等）。有条件的可以找找亲戚朋友单位，看看他们日常工作使用的软件产品，浏览或试操作一番。
不同的公司侧重的行业不同，所以准备向这个职位靠近的朋友最好先定好位，决定好投身哪个行业的信息化事业。可先从网络上找一些与该行业相关的业务信息及信息化知识。
新手可以在自己的机器上尝试安装数据库、中间件，熟悉实施操作步骤，达到技术要求。
新手可以在自己的机器上播放ppt,模拟讲演产品及公司情况，达到沟通要求。
准备完毕，投递简历，等待面试。
‘玖’ etl的概念，etl和elt数据处理上的区别
对于做过 BI 开发的朋友，ETL 并不陌生，只要涉及到数据源的数据抽取、数据的计算和处理过程的开发，都是 ETL，ETL 就这三个阶段，Extraction 抽取，Transformation 转换，Loading 加载。
从不同数据源抽取数据 EXTRACTION ，按照一定的数据处理规则对数据进行加工和格式转换 TRASFORMATION，最后处理完成的输出到目标数据表中也有可能是文件等等，这个就是 LOADING。
再通俗一点讲，ETL 的过程就跟大家日常做菜一样，需要到菜市场的各个摊位买好菜，把菜买回来要摘一下，洗一洗，切一切最后下锅把菜炒好端到饭桌上。菜市场的各个摊位就是数据源，做好的菜就是最终的输出结果，中间的所有过程像摘菜、洗菜、切菜、做菜就是转换。
在开发的时候，大部分时候会通过 ETL 工具去实现，比如常用的像 KETTLE、PENTAHO、IBM DATASTAGE、INFORNAICA、微软 SQL SERVER 里面的 SSIS 等等，在结合基本的 SQL 来实现整个 ETL 过程。
也有的是自己通过程序开发，然后控制一些数据处理脚本跑批，基本上就是程序加 SQL 实现。
哪种方式更好，也是需要看使用场景和开发人员对那种方式使用的更加得心应手。我看大部分软件程序开发人员出身的，碰到数据类项目会比较喜欢用程序控制跑批，这是程序思维的自然延续。纯 BI 开发人员大部分自然就选择成熟的 ETL 工具来开发，当然也有一上来就写程序脚本的，这类 BI 开发人员的师傅基本上是程序人员转过来的。
用程序的好处就是适配性强，可扩展性强，可以集成或拆解到到任何的程序处理过程中，有的时候使用程序开发效率更高。难就难在对维护人员有一定的技术要求，经验转移和可复制性不够。
用 ETL 工具的好处，第一是整个 ETL 的开发过程可视化了，特别是在数据处理流程的分层设计中可以很清晰的管理。第二是链接到不同数据源的时候，各种数据源、数据库的链接协议已经内置了，直接配置就可以，不需要再去写程序去实现。第三是各种转换控件基本上拖拉拽就可以使用，起到简化的代替一部分 SQL 的开发，不需要写代码去实现。第四是可以非常灵活的设计各种 ETL 调度规则，高度配置化，这个也不需要写代码实现。
所以在大多数通用的项目中，在项目上使用 ETL 标准组件开发会比较多一些。
ETL 从逻辑上一般可以分为两层，控制流和数据流，这也是很多 ETL 工具设计的理念，不同的 ETL 工具可能叫法不同。
控制流就是控制每一个数据流与数据流处理的先后流程，一个控制流可以包含多个数据流。比如在数据仓库开发过程中，第一层的处理是ODS层或者Staging 层的开发，第二层是 DIMENSION维度层的开发，后面几层就是DW 事实层、DM数据集市层的开发。通过ETL的调度管理就可以让这几层串联起来形成一个完整的数据处理流程。
数据流就是具体的从源数据到目标数据表的数据转换过程，所以也有 ETL 工具把数据流叫做转换。在数据流的开发设计过程中主要就是三个环节，目标数据表的链接，这两个直接通过 ETL 控件配置就可以了。中间转换的环节，这个时候就可能有很多的选择了，调 SQL 语句、存储过程，或者还是使用 ETL 控件来实现。
有的项目上习惯使用 ETL 控件来实现数据流中的转换，也有的项目要求不使用标准的转换组件使用存储过程来调用。也有的是因为数据仓库本身这个数据库不支持存储过程就只能通过标准的SQL来实现。
我们通常讲的BI数据架构师其实指的就是ETL的架构设计，这是整个BI项目中非常核心的一层技术实现，数据处理、数据清洗和建模都是在ETL中去实现。一个好的ETL架构设计可以同时支撑上百个包就是控制流，每一个控制流下可能又有上百个数据流的处理过程。之前写过一篇技术文章，大家可以搜索下关键字 BIWORK ETL 应该在网上还能找到到这篇文章。这种框架设计不仅仅是ETL框架架构上的设计，还有很深的ETL项目管理和规范性控制器思想，包括后期的运维，基于BI的BI分析，ETL的性能调优都会在这些框架中得到体现。因为大的BI项目可能同时需要几十人来开发ETL，框架的顶层设计就很重要。
‘拾’ 跑批优化
我们系统有个后台跑批，所谓跑批就是通过程序逻辑加工处理一些数据。首先我们从源头库把需要的表接进来，然后按照需要的逻辑加工处理。这个后台跑批任务是每天都需要进行的，比如我们需要接入交易，每天都会有新增的交易，客户，账户。
有个跑批任务已经跑了几年了没有问题，语句没有变，结果某一天突然跑不过去了，一直卡住，报错资源忙。
表的关联关系如下：
表 A，表 B where A.col1 = B.col1 and a.row_date=date'2020-03-05'
and b.row_date=date'2020-03-05' and b.trans_date=date'2020-03-05'
分析问题，单独查询统计表A的row_date=date'2020-03-05'的数据量大概400多万，
单独统计表B的row_date=date'2020-03-05'的数据量大概300多万，再统计表B的row_date=date'2020-03-05' and b.trans_date=date'2020-03-05' 的数据量大概几百条，所以需要用中间表过渡，先把表B的row_date=date'2020-03-05' and b.trans_date=date'2020-03-05' 的数据放到一张中间表C，然后让表A和表C关联，结果很快可以执行通过。
至于为什么一直每天跑的语句会在某一天有问题，现在还不知道，不过也给自己提了个醒不要陷入惯性思维，以前没有问题不代表以后没有问题，事物都是时刻在变化的，只不过很多变化我自己没有察觉原因，只知道了结果，如果我一直陷入语句不应该有问题，为什么一样的语句以前没有问题，今天就有问题了呢？这样的死循环可能会真的无解。我总是会希望不要有什么变化，特别对自己有利的，比如工作稳定，系统稳定，但其实这都是我的一厢情愿，调整自己的心态，不要太过于惯性思维，拥抱变化！让自己不断的学习强大，才会更加的有安全感。面对风险的能力也会有所提高。