演講：魯昊 美團點評高級技術專家
更多大數據架構、實戰經驗，歡迎關注【大數據每日嗶嗶】，期待與你一起成長！
實時計算演進與業務實踐
基於Flink的實時數倉平臺
傳統數倉：（業務、日誌）數據存儲在 HDFS 上，一般分這幾層：ods/dwd/dws/dm，其中dm層的數據會導出到 olap、rds、kv數據庫中供業務方使用。ad-hoc查詢的數據來源一般來自 ods層或dw層，ad-hoc的查詢引擎為 hive/spark/presto。
實時數倉：也是基於分層的模型ods/dwd/dws/，業務數據和日誌數據,事實數據存儲在 kafka中，維度數據存儲在 Hbase/Tair 中，dm層的數據最終導出到 mq/olap/rds/kv中。ad-hoc 查詢基於 Flink 來做。（都是流動的數據）
在前兩者之間，還有一種準實時的數倉模型。準實時也就是不那麼實時
ods 層的數據放在 kafka 中，dws/dwd/dm 都是在 olap 中來做，基於olap的計算能力進一步加工。dim表存儲在 Hbase 中。ad-hoc查詢基於 olap 來做。