从业八年来,一直在做数仓相关工作,慢慢的发现数仓的难点在于什么?有人说是模型的构建,比如明细层DWD是按照业务过程来构建事实表,还是按照主题来构建事实表,还有人说是指标的定义,如果划分原子指标,派生指标。其实,我个人觉得这些都是过程,站在最终的结果导向上来看,数仓的痛点就在于如何保障数据的一致性,正确性和时效性的统一,目前看来前路应该是流批一体。
单就目前还是流批分离的情况下,离线数仓在一致性和正确性上基本没有太大的难点,但是在时效性上,却存在明显的短板。因为全过程的数据一致性,基本上在无论是mpp架构的传统数仓还是基于Hadoop的离线数仓,其业务逻辑的语义,基本可以按照定义好的业务逻辑进行,可以按照标准的建模规范实现一致性。正确性上面,无论是采集阶段的数据清洗,还是后面的数据加工,数据校验,还有数据质量DQC,都可以借助开发经验,或者成熟的数据平台实现。但是时效性,因为技术架构的局限性,基于调度平台的瓶颈,最小粒度做到小时,已经显得有些笨重了,尤其是小文件的快速增长,所以在离线数仓上小时任务是一个痛苦的事情。
实时数仓还有的解决了时效性的问题,但是在一致性和正确性上面,目前却没有太多的办法,因为目前基于流的计算都是跟着实时需求走的,单
数仓的难点在于如何保障数据的一致性,正确性,时效性,性价比的平衡统一
最新推荐文章于 2024-01-09 01:19:29 发布
数仓工作的核心难题在于如何在保证数据一致性、正确性和时效性的同时,实现性价比的最佳平衡。离线数仓在一致性与正确性上有较好保障,但时效性受限;实时数仓则在时效性上占优,但在一致性和正确性方面面临挑战。随着流批一体数据仓库的发展,寻找解决方案成为当前关注的焦点。
摘要由CSDN通过智能技术生成