实时指标解决方案

大数据时代，各行业在进行业务开展过程中产生了大量的实时数据，这些实时数据以结构化或非结构化的形式在系统中传输、储存、计算、分析，从而产生能够为特定业务领域服务的信息。这也就对数据处理的实时性与准确性要求越来越高，DingoDB实时指标服务核心辅助业务进行实时决策。为满足当今市场需求，在存储方面，需要满足大规模海量数据不间断高并发的读取与写入；计算方面，需要低延迟的数据加工和计算，来保证数据时效性，通过严谨的计算方法，保证结果数据的准确性。主要的应用场景有：

n 事中风控

事中风控能够进行实时的交易风控，事中风控所依赖的数据维度不断扩展，除了行内数据和行内业务渠道的交易数据，还增加了业务渠道的埋点数据、外部的官方数据、运营商数据、第三方数据，通过对数据计算与查询，来分析客户的交易行为，通过判断行为习惯于当前交易的偏差来判断是否出现风险。

n 实时营销/实时推荐

实时营销主要用于预测客户的偏好，并为他们提供可能喜欢的产品或服务；通过收集客户信息，并对信息数据进行实时的统计和分析，从而了解客户的偏好和习惯，自动调整产品或者服务功能，实时地适应客户变化着的需要，能够让客户当下的兴趣及时反馈到推荐结果的变化上。通过为客户提供个性化的建议，来帮助公司降低成本，并增加收入。

n 实时大屏

实时大屏是自动刷新的实时数据的看板。将多种数据和数据关系、复杂的业务流程，用交互式的图形图像来呈现，用来解释业务的变化趋势和原因。这样能够直观把握核心资产全局、价值流动和趋势分析。

n 预警监控

预警监控能够实时了解资源动向和事件发展趋势。当达到预设定的阈值时，系统会及时发出预警报告，管理员根据预警报告快速做出决策。

n 海量存储

DingoDB数据库支持行存、列存和行列混合；DingoDB 的 SQL 优化器基于数据的元信息提供最优执行计划，实现行、列的自动选择。能够基于主键，实现数据记录的 Upsert、Delete 操作；同时数据采用多分区副本机制，能够将 Upsert、Delete 操作转化为 Key-Value 操作，实现高频更新。以实时能力为中心，微秒级极速查询响应，实时写入，实时更新。能够基于分布式对象存储，提供历史数据、实时数据的⼀体化持久存储。支持数据的冷（分布式）、热（本地）存储。

n 实时计算

DingoDB数据库做到分析服务一体化，支持点查、交互式分析、离线加速；提供⾼并发的极速数据查询、秒级数据计算的服务能⼒；提供7*24⼩时服务能⼒。并且支持多样的Connector丰富数据接入和计算，完全分布式可扩展架构，动态集群管理与弹性扩容。

实时计算中的指标计算能力，详细参考3。

1) 聚合函数

提供丰富的聚合函数，将方法封装在函数里，更加方便有效进行数据处理；用户可以根据实际需求选择对应的聚合函数。

函数名称	说明
Scan	扫描表中数据。
Get	读取表中数据
Filter	根据条件过滤数据
Add	对列进行数值加操作
Put	向表中写入数据
Update	修改表中数据
Delete	删除表中数据
DeleteRange	范围删除表中数据
Max	对列与输入求最大值
Min	对列与输入求最小值
Avg	对列与输入求平均数
Sum	对列与输入求和
Count	计算记录条数
SortList	对输入的数值和已存储的数值按照数值大小进行排序，默认升序
DistinctList	对输入的数值和已存储的数值执行去重操作，对重复的数值只纪录一次
List	列表，基于输入的数值和已存储的数值，根据条件返回List结果
IncreaseCount	递增次数，序列中，存在相邻两点递增，统计相邻递增的次数
DecreaseCount	递减次数，序列中，存在相邻两点递减，统计相邻递减的次数
maxIncreaseCount	最大递增，序列中，每次连续递增中产生的递增次数的最大值
maxDexreaseCount	最大递减，序列中，每次连续递减中产生的递减次数的最大值

2) 非主键列聚合计算

相对于传统的只支持主键列的聚合计算，DingoDB拓宽了聚合计算范围既支持主键列也支持非主键列的聚合计算。这样的处理方式降低了用户使用的门槛，有效保障数据的处理能力。

3) 二次计算

获取到Filter过滤的查询数据，根据实际场景选择所对应的聚合函数，对查询数据进行二次计算，一定程度上缩短了数据处理时间，大大提高处理效率。

4) UDF自定义算子

支持UDF函数的定义；介于各个行业场景不同，现有聚合函数不能完全满足场景需要，可以通过自定义UDF函数来实现该场景需求，具有相对灵活性。

u 内置多种高效计算操作类型，满足更多场景需要，针对不同的场景选择对最优的计算操作类型，更方便快捷实现场景需求；

u 计算逻辑下推，可以使集群资源得到充分利用；

u 支持高并发能力，可以同时处理多个请求，响应更快；针对复杂的操作可以分成多个进程共同执行；极大保障了海量数据处理的时效性；

u 保证读取和写入操作的一致性，在高吞吐高性能的写入情况下，能够可以做到毫秒级的读延迟，充分保障数据的实时性。

ꄴ前一个：无

ꄲ后一个：无