应用场景

云原生数据湖仓

数据湖仓是一种结合了数据湖和数据仓库的新型数据架构，实现了更加灵活、高效和可扩展的数据管理，能够协助企业更好的理解和使用数据资产，提升业务价值。以互联网行业为例，企业需要搭建数据分析平台，聚合APP和日志数据分析客户行为支持精准营销，辅助分析决策。但自建开源大数据平台时，往往面临管理维护人力投入大，资源成本高且不灵活等问题。
火山引擎EMR提供丰富的主流开源大数据组件，100%开源兼容，支持平滑迁移和长期演进。提供企业级组件优化和管控能力，帮助企业开发运维降本增效。一个架构支撑完整能力的数据湖仓方案，支持EB级别的数据仓库、湖内建仓、湖仓一体等。配合火山引擎大数据研发治理套件DataLeap和全域数据集成DataSail等产品，可实现一站式数据集成研发治理方案。

实时数仓

实时数仓对数据实时性，data serving，并发等都有较高的要求，离线分析系统无法满足该类需求。实时数仓场景具备如下特点：

• 支持流式入仓，数据秒级可见；
• 支持高并发数据服务，支持万级QPS；
• 秒级或亚秒级数据查询性能；
• 支持实时指标聚合，支持多维分析。

企业可基于EMR Doris/StarRocks构建实时数仓。数据入仓后，经过流式计算，明细数据进入Doris/StarRocks集群ODS层，数据聚合计算后进入DWS层，数据指标经计算后存入ADS层。数据支撑在线更新。由Doris/StarRocks对数据应用层提供服务，支持在线、离线查询分析，支持几十万级QPS。

离线/批量数据分析

海量数据离线处理分析是大数据分析系统中的通用场景，企业将多种类型业务系统数据源的数据进行采集、导入、清洗转换，加工形成满足业务分析模型需要的数据组织，支撑企业各业务部门基于统一集中的数据进行分析决策。离线/批量数据分析场景具备如下特点：

• 数据量大，通常达到TB~PB级；
• 存在不同类型的数据源，如文件、日志、结构化数据等；
• 数据处理的时效要求在数十分钟或小时级或天级，实时性要求不高；
• 海量数据处理采取分布式并行处理，计算和存储资源可以基于数据规模进行灵活扩展。

例如互联网行业，采集网银日志、营销系统、交易系统等多源数据，分析和统计客户行为，支持精准营销应用。企业将所需数据抽取到大数据平台后，存储到Hive/HDFS中，或者采用存算分离架构存储在对象存储TOS中。每天在固定时段通过Hive/Spark计算引擎对数据进行加工处理，生成相关数据应用指标统计数据，T+1日提供给数据应用访问。

实时/流式计算

随着IoT、实时风控、实时监控等业务需求增长，实时数据处理分析在大数据分析场景中越来越重要，数据流需要实时采集接入，并进行实时处理分析和触发动作。实时/流式计算场景具备如下特点：

• 处理时间要求极高，毫秒~秒级；
• 处理数据量每秒达到数百兆；
• 数据格式以各种网络协议格式为主；
• 占用计算资源多。

以某车联网行业为例，企业实时采集运营数百辆新能源汽车行驶和电池数据，进行实时分析和告警，数据采集为分钟级粒度，日增量在数十GB规模。数据通过消息队列Kafka或Pulsar汇聚到大数据平台，使用Flink流计算引擎进行毫秒级实时指标计算，计算结果存储到OLAP引擎或RDS中供平台进行实时数据展示。