通过对HIVE表进行打标签，构建基础元数据表
- 1、存储
- 2、应用场景
- 3、数据质量
- 4、重要等级
- 5、调度任务
- 6、计算资源
- 7、被使用情况
1、存储
HIVE表是否分区、量级（可定阈值 设定等级）
优化集群存储资源时、快速找到大表。方便监控表的量级变化情况
2、应用场景
从应用层入手（画像、广告、财务等），通过血缘链路，给涉及到的HIVE表，打上应用场景的标签
清楚知道 表是能应用在什么场景下
3、数据质量
参考Apache Griffin默认的指标，数据精准度（和数据源匹配）、主键粒度唯一、字段null值 极值 平均值 统计、离散值分布等
查看表的数据是否有异常情况，第一时间进行报警通知
4、重要等级
应用层的产出也是有重要等级之分，像对外输出、财务、广告、转化率等报表，重要等级是很高的。因此也是通过血缘链路，给涉及到的HIVE表，打上重要等级标签。
在任务调度的时，资源和优先级，应该优先保证
5、调度任务
监控HIVE表的生成对应的调度任务的开始时间和完成时间，用来保证时间截点是健康状态。
比如订单表需要在凌晨2点之前跑完
查看调度依赖的甘特图
6、计算资源
参考Dr-elephant大象医生，监控Map和Reduce端的使用资源、运行速度、是否倾斜、GC比例等
通过上面的监控数据，进行任务优化
7、被使用情况
通过血缘分析，了解表和表的字段在下游的使用情况。表被 from 和 join 的次数、字段被 select where group join 的次数等
如果这是底层的表，使用次数还是很多的话。对此表进行仓库建模处理
如果字段使用较多的话，对此字段进行指标沉淀处理
落地方案
