首页
›
数据工程与实时数据平台
›
009-实时OLAP分析
›
《实时OLAP数据建模与指标计算项目》
VIP20
本课程属于:009-实时OLAP分析
数据工程与实时数据平台 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
实时OLAP数据建模与指标计算项目
📚 共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
实时OLAP概述
实时OLAP定义、与传统OLAP的差异,以及Lambda与Kappa架构的演进对比。
架构
实时
02
ClickHouse核心原理
列式存储、向量化执行、MergeTree引擎家族及分区排序键设计精髓。
列存
MergeTree
03
Doris核心原理
MPP架构、物化视图、Rollup表与Bucket分桶策略详解。
MPP
分桶
04
StarRocks核心原理
CBO优化器、Pipeline执行引擎、主键模型与更新模型深度解析。
CBO
Pipeline
05
实时数据接入
Kafka实时管道、Flink CDC及Exactly-Once语义保证实践。
Flink
CDC
06
数据建模基础
星型、雪花、宽表模型在OLAP场景中的选型与对比。
建模
维度
07
维度建模实战
缓慢变化维SCD Type 1/2/3在实时场景下的处理策略。
SCD
维度
08
事实表设计
事务事实表、周期快照事实表、累积快照事实表的设计方法。
事实表
快照
09
实时ETL设计
轻量转换、字段裁剪与数据质量校验在实时链路中的落地。
ETL
质量
10
ClickHouse表引擎选型
MergeTree、ReplacingMergeTree、SummingMergeTree、AggregatingMergeTree对比。
引擎
MergeTree
11
ClickHouse数据分区策略
按时间/业务ID分区、分区数量控制与性能平衡。
分区
性能
12
ClickHouse排序键优化
低基数优先、过滤匹配、Order By与Group By性能调优。
排序键
优化
13
ClickHouse物化视图
物化视图原理、增量聚合及与普通表的差异。
物化视图
聚合
14
Doris数据模型
Duplicate、Aggregate、Unique三种模型的适用场景。
数据模型
Doris
15
Doris分区分桶
Range/List/动态分区、分桶数计算与最佳实践。
分区
分桶
16
Doris Rollup与物化视图
Rollup匹配机制、物化视图自动刷新与查询加速。
Rollup
物化视图
17
StarRocks主键模型
主键去重、更新操作及与Doris Unique模型的对比。
主键
去重
18
StarRocks物化视图
异步物化视图、查询改写与刷新策略详解。
异步
改写
19
实时数据一致性
幂等写入、去重策略与数据回溯机制保障。
一致性
幂等
20
查询性能调优
索引使用、预聚合、数据倾斜处理与加速技巧。
调优
索引
21
Join优化
Broadcast Join、Shuffle Join、Colocate Join适用场景。
Join
优化
22
内存管理
内存限制、查询超时与资源组隔离策略。
内存
资源
23
实时大屏场景建模
秒级刷新、预计算与结果表设计实战。
大屏
预计算
24
用户画像实时分析
标签宽表、位图计算与人群圈选技术。
画像
位图
25
实时指标计算
PV/UV、留存率、漏斗分析建模与实现。
指标
漏斗
26
数据压缩与存储
列式压缩算法、编码方式与TTL策略。
压缩
TTL
27
实时数据湖集成
Iceberg/Hudi实时入湖与OLAP查询湖数据。
数据湖
Iceberg
28
监控与运维
查询日志分析、慢查询优化与集群扩缩容。
监控
运维
29
实战案例一:电商实时GMV大屏
基于ClickHouse + Kafka + Flink构建电商GMV大屏。
电商
GMV
30
实战案例二:金融实时风控指标
StarRocks + Flink CDC + 维表关联实现金融风控。
金融
风控
所属VIP或分类
同VIP:ClickHouse与StarRocks实时分析平台搭建
同VIP:ClickHouse与StarRocks实时分析选型
同VIP:ClickHouse实时分析系统建设与应用