用途：面向生产环境的数据仓库设计，结合 Snowflake、BigQuery、Redshift、Databricks SQL 与 dbt 等工具，构建现代数据仓库架构。
主要能力：涵盖 Kimball 维度建模（星型/雪花模型）、事实表与维度表设计、SCD Type 2 的 MERGE 实现、一致日期维度；Snowflake 的仓库创建、聚类键、物化视图、搜索优化、Time Travel 与零拷贝克隆；BigQuery 的分区与聚类表、分区裁剪查询以及 BigQuery ML 内联建模。资料还给出慢查询、成本过高、数据倾斜的排查表，以及使用代理键、审计列、按过滤列聚类的实践建议。
使用方式：以 SQL 为主，按示例创建仓库与表，例如 CREATE WAREHOUSE 设置规模与自动挂起/恢复；用 MERGE 维护 SCD Type 2 维度；对事实表执行 ALTER TABLE ... CLUSTER BY 或按日期分区建表。
适用场景：构建分析型数据仓库、维护缓慢变化维度、优化查询性能与成本。
限制：资料未说明具体版本兼容性、许可、收费与价格；部分语句（如 AUTOINCREMENT、部分 BigQuery 选项）的实际可用性需以对应平台文档为准，使用前应自行验证。