交通和个性化推荐实战经验分享
平台集合了阿里巴巴十年的大数据能力以及上万名工程师实战检验，包含数十款产品，涵盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等链条,目前又有新的迅猛变化，产品体系更加清晰，场景化方案走向个性化，来自企业的实践也已走向深入。
【阿里内部应用】利用blink+MQ实现流计算中的超时统计问题
案例与解决方案汇总页：阿里云实时计算产品案例&解决方案汇总
一. 背景介绍
菜鸟的物流数据本身就有链路复杂、实操节点多、汇总维度多、考核逻辑复杂的特点，对于实时数据的计算存在很大挑战。经过仓配ETL团队的努力，目前仓配实时数据已覆盖了绝大多数场景，但是有这样一类特殊指标：“晚点超时指标”（例如：出库超6小时未揽收的订单量），仍存在实时汇总计算困难。
基于 Flink 的实时数仓生产实践
数据仓库的建设是“数据智能”必不可少的一环，也是大规模数据应用中必然面临的挑战。在智能商业中，数据的结果代表了用户反馈、获取数据的及时性尤为重要。快速获取数据反馈能够帮助公司更快地做出决策，更好地进行产品迭代，实时数仓在这一过程中起到了不可替代的作用。
