ClickHouse的JOIN, LEFT JOIN, RIGHT JOIN, FULL JOIN都是不支持在ON中都只支持等式判定，无法支持不等式判定。因此提供了一个叫ASOF JOIN的功能，其支持在ON写不等式，但依旧有以下限定

1. 只支持一个不等式，即 N 个等式 + 1个不等式的写法。
2. 不等式的触发逻辑是最近匹配（closest match condition），具体含义见如下栗子

可对映射表在CH的SQL使用的做以下的最简洁的规范

• 所有映射表作为驱动表时无须用子查询封装，但作为被驱动表时一律用子查询进行封装（简化规范，保持一致性）
• 在SELECT中只提取需要用到的字段（减少字段数来降低的网络IO，及内存使用）
• 在WHERE语句中尽可能的提前过滤字段，但不能对字段做CH的函数处理（减少记录数来降低的网络IO，及内存使用）

总结如下

• 同一层级不允许使用两个及两个以上的（非LEFT/INNER）JOIN，除非所有都是LEFT JOIN/INNER JOIN。
  • ClickHouse会把同一层多个JOIN的语句重构成多层，每一次只会有一个JOIN。常规情况下数据表都会在第一个，在此前提下只要出现至少一个 RIGHT JOIN、FULL JOIN，那么WHERE条件就不会下推导第一层JOIN，从而会出现数据表被全表做JOIN的情况，从而使性能急剧下降。
  • 不推荐通过对数据表单独封装子查询的方案原因为，在维度表用的是local表时，此方案会造成数据不准，具体详见CH查询逻辑

作为一个有追求的开发攻城狮，你是否困惑：既然事务已经满足了 ACID，为什么还要搞出个事务隔离级别？事务隔离级别究竟时干啥用的？难道写代码的时候不是简单地开关事务就万事大吉了吗？

不要再说“因为 Presto 集群资源不够用所以某个大查询不能跑”这种话了，我想告诉你的是，你可能还不够懂 Presto

事务隔离性由锁来实现，原子性、一致性和持久性通过数据库的 redo log 和 undo log 来完成。

MySQL 索引拾遗，带你看懂索引的玩法

Kafka 事务性最开始的出发点是为了在 Kafka Streams 中实现 Exactly-Once 语义的数据处理，这部分的实现要比幂等性的实现复杂一些，但是幂等性实现是事务性实现的基础。简单来说，Kafka 事务性是为了解决 atomic writes across partitions。

通过文字描述+交互动画+现实人物模型，让GMP模型更容易理解。

golang 内置的 channel 数据结构是什么鬼样子呢？戳这里戳戳戳