我们关注的核心问题是为什么需要实时的多维分析，以及实时多维分析可以应用到哪些场景，解决什么问题。第二个场景是用户行为分析的场景，在做线上活动的时候，运营人员需要实时查看用户活跃趋势、转化分析、活跃度分析等来监控活动的效果，并及时调整活动策略，这个场景和上一个场景区别是，这里主要是日志类数据，日志类数据的特点是数据量比较大，每天通常都是千万甚至上亿的级别，这里相对于业务数据来说没有那么高的一致性要求，一般来说日志多一些，重复一些，只要不丢，差别在一定范围之内都是可以接受的。
各位大数据从业者：这是一个充满挑战的时代。数据驱动正在深刻地改变整个世界。我们的业务数据、数据报表、数据指标都越来越多，但我们分析数据的速度却越来越慢，报表构建的复杂度越来越高。如何有效地分析这些海量的数据，真正有效地利用数据为业务创造价值？这是我们都在思考的重要问题。
等值Join VS 非等值JoinSparkSQL和HiveSQL不同，HiveSQL只支持等值连接，但是SparkSQL非等值连接也是支持的。等值连接和非等值连接的区别是：如果on语句中包含一个相等条件或多个需要同时满足的相等条件，那么称为等值连接，否则就称为非等值连接。
