clickhouse OLAP 实战之自定义报表&自定义漏斗

1：项目背景

在日常的工作中，业务同学随时需要对比多种纬度的数据，快速的做出决策。(分析页面的漏斗、实时流量、曝光点击/转化) 所以我们需要沉淀一套实时的组件，降低数据使用门槛，提升决策效率，在一定方向上驱动业务增长。

2：Real Time Olap

联机分析处理Olap是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。它具有FASMI(Fast Analysis of Shared Multidimensional Information)，即共享多维信息的快速分析的特征。其中F是快速性(Fast)，指系统能在数秒内对用户的多数分析要求做出反应；A是可分析性(Analysis)，指用户无需编程就可以定义新的专门计算，将其作为分析的一部 分，并以用户所希望的方式给出报告；M是多维性(Multi—dimensional)，指提供对数据分析的多维视图和分析；I是信息性(Information)，指能及时获得信息，并且管理大容量信息。
OLAP 分类，详细如下：

OLAP分类	相关介绍	相关技术组件
MOLAP	将分析用的数据物理上存储为多维数组的形式，形成CUBE结构。维度的属性值映射成多维数组的下标或者下标范围，事实以多维数组的值存储在数组单元中，优势是查询快速，缺点是数据量不容易控制，可能会出现维度爆炸的问题。	Druid、Kylin、 Doris
ROLAP	以关系模型的方式存储用作多为分析用的数据，优点在于存储体积小，查询方式灵活，然而缺点也显而易见，每次查询都需要对数据进行聚合计算，为了改善短板，ROLAP使用了列存、并行查询、查询优化、位图索引等技术。	Clickhouse、Presto、Impala、Spark SQL、Flink SQL、GreenPlum、Elasticsearch
HOLAP	混合OLAP，是MOLAP和ROLAP的一种融合。当查询聚合性数据的时候，使用MOLAP技术；当查询明细数据时，使用ROLAP技术。在给定使用场景的前提下，以达到查询性能的最优化。	相关的介绍比较少

3：why clickhouse

组件	组件介绍	组件优点	组件缺点
Kylin	完全的预计算引擎，通过枚举所有维度的组合。建立各种Cube，提前聚合。以HBase为基础的OLAP引擎 ,  Hive 或 Kafka提供数据 , 一般做天级,小时级OLAP。	支持数据规模超大(依赖HBase)  易用性强，支持标准SQL  性能很高，查询速度很快。 最新版本已剔除hbase，可以关注社区版本。