场景：业务库分库分表，需将订单与客户数据导入Snowflake构建明细+宽表层。策略：首日全量使用外部Stage落地Parquet，COPY INTO导入；后续采用CDC（基于binlog）5分钟微批入湖并在Snowflake用MERGE实现Upsert。转换：在内部表分为Staging→ODS→DWD三层，统一时区与编码、标准化主键与时间戳，维表SCD2跟踪变更。存储：按dt、shard分区，设置聚簇键(order_date, customer_id)提升查询；历史冷数据归档低频存储。最佳实践：启用Snowpipe自动监听，批量大小50–200MB，字段类型精确映射（DECIMAL→NUMBER），严格NOT NULL与默认值策略，负载作业幂等，建立数据质量校验（行数、散列值、空值阈值），敏感字段加密脱敏，成本控制用任务窗口与结果缓存。

场景：每日外部系统导出库存CSV小批量文件，需进入BigQuery供看板查询。策略：将CSV上传至云存储后触发批量Load Job；为提升压缩与类型效率，预处理可将CSV转换为Parquet再导入。转换：显式定义Schema（防止自动推断错型），清洗异常字段、修剪空白、统一编码UTF-8；落地至stg表后构建分区表（按snapshot_date）并对sku_id聚簇；利用MERGE去重并管理自然键。存储：分层命名dataset（stg、ods、dwd），小文件合并至128MB以上减少分片；历史分区设置分区过期策略。最佳实践：文件命名含日期与批次，Schema变更用版本化控制，负载作业幂等化（基于分区覆盖），启用表描述与列标签，成本管控以分区过滤+聚簇加速，定期数据质量校验与告警。

场景：高并发业务接口产生日志与事件流，需入HDFS供离线批处理与近实时分析。策略：通过采集器拉取API数据写入消息队列，采用Spark Structured Streaming消费，先以JSON写入原始区，再转换为Avro保持Schema，最后转Parquet供查询。转换：标准化时间字段与时区，清洗非法JSON，扩展字段展平，主键去重与延到达处理（设定watermark）。存储：HDFS分层（raw/ods/dwd），按dt/hour与业务线分区，小文件采用滚动合并与周期性Compaction，启用压缩（Snappy）。最佳实践：Schema Registry管理演进（后向兼容），检查点与精确一次语义保证幂等，Kerberos+ACL保证安全，监控延迟与吞吐，数据质量规则与死信队列处理异常，资源隔离与批次窗口调优支撑>100GB/日的稳定吞吐。