实时计算广泛应用于大数据实时化的场景,从简单到详细,可以按照已有流处理系统、部门场景和技术领域进行划分。

说明 更多场景案例请参见阿里云实时计算产品案例和解决方案汇总

已有流处理系统

通常您本地已安装Flink、Storm或Spark Streaming系统可以直接迁移到实时计算产品。具体的迁移细节请联系实时计算团队。
migration

按照部门场景划分

从企业部门职能的角度可以将实时计算的划分为以下场景:
department
  • 业务部门:实时风控、实时推荐、搜索引擎的实时索引构建等。
  • 数据部门:实时数仓、实时报表、实时大屏等。
  • 运维部门:实时监控、实时异常检测和预警、全链路Debug等。

按照技术领域划分

从技术领域来看,实时计算主要用于以下场景:
  • 实时ETL和数据流
    实时ETL和数据流的目的是实时的把数据从A点投递到B点。在投递的过程中可能添加数据清洗和集成的工作,例如实时构建搜索系统的索引,实时数仓中的ETL过程等。
    ETL
  • 实时数据分析
    数据分析指的是根据业务目标从原始数据中抽取对应信息并整合的过程。例如查看每天销量前10的商品,仓库平均周转时间,文章平均点击率,推送打开率等等。实时数据分析则是上述过程的实时化,通常在终端体现为实时报表或实时大屏。
    Realtime Analysis
  • 事件驱动应用
    事件驱动应用是对一系列订阅事件进行处理或作出响应的系统。事件驱动应用通常需要依赖内部状态,例如点击欺诈检测,风控系统,运维异常检测系统等。当用户的行为触发某些风险控制点时,系统会捕获这个事件,并根据当前行为和用户之前的行为进行分析,决定是否对用户进行风险控制。
    Evnet Oriented
说明 以上技术领域场景流程图来自https://flink.apache.org/usecases.html