基于Flink+Lindorm实时数仓架构有什么弊端?
这种方案最大的特点是指标的计算都是通过Flink流引擎实现,然后将预计算好的多维 Cube导入到Lindorm这个低延迟的分布式数据库中,从而可以实现亚秒级的查询响应。然 而,这种架构存储明显的弊端: 。计算逻辑,资源消耗大:指标按不同维度组合都需要保存在Flink内存中,当指标粒度越 细或指标时间跨度越大时,资源消耗越大。 ,查询灵活性不足:计算逻辑需预先定义,无法灵活调整Query。在流量通道的场景中,会 有行业/产品/商品/商家等类似多维灵活交叉分析的场景。以上内容摘自《阿里云实时数仓Hologres最佳实践合集》电子书,点击https://developer.aliyun.com/topic/download?id=996 可下载完整版
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
本技术圈将为大家分析有关阿里云产品Hologres的最新产品动态、技术解读等,也欢迎大家加入钉钉群--实时数仓Hologres交流群32314975