共计 1102 个字符，预计需要花费 3 分钟才能阅读完成。
什么是实时剖析？
实时剖析就是在数据生成后立刻应用它来答复问题、做出预测、了解关系和自动化流程。其定义为“将逻辑和数学利用于数据以提供洞察力以疾速做出更好决策的学科。”实时剖析的外围需要是拜访陈腐数据和疾速查问，这实质上是提早的两种衡量标准：数据提早和查问提早。
数据提早：数据提早是掂量从数据生成到可查问的工夫。在此过程中通常会有工夫滞后，实时剖析数据库旨在最大限度地缩小这种滞后，从而疾速反映数据的变动。
低数据提早的交付可能具备挑战性，因为数据库必须可能写入传入数据，同时容许应用程序对最新数据进行查问。这意味着领有一个能够解决高写入率并针对实时数据处理进行优化的数据库，而不是批处理剖析作业，后者始终是用于剖析的数据处理办法。
查问提早：查问提早是执行查问并返回后果所需的工夫。应用程序心愿最大限度地缩小查问提早，以取得疾速、响应迅速的用户体验，并且团队越来越多地为其数据应用程序设置亚秒级查问提早规范。也就是说，解决数据和优化索引以提供始终如一的低查问提早可能十分耗时，这使得团队难以迭代和扩大其剖析性能。
实时与批量剖析
实时剖析针对低提早剖析进行了优化，并确保数据可在几秒钟内进行查问，而批处理是高提早剖析，其中查问返回至多几十分钟或几小时前的数据后果。
应用历史数据来报告业务趋势并答复策略问题。在这些场景中，指标是应用数据来制订策略；不立刻采取行动。实时数据个别不会影响趋势剖析的后果，更适宜批量剖析。商业智能、报告和数据迷信等批量剖析用例对提早的要求不那么严格，因而能够容忍 ETL 管道对数据进行同质化和丰盛以进行剖析。相比之下，实时用例具备低提早要求，并试图缩小或打消对 ETL 过程的需要。
Hadoop 和数据仓库等许多剖析零碎都是为批处理剖析而设计的。批量剖析将其应用程序使用率进步了 350%。因而，应用程序洞察力嵌入到组织的日常决策中。
更快的决策制定：如果您的数据的每个问题都须要几秒钟或几分钟能力返回，那么您就不会深刻开掘信息并更多地依赖直觉。
半自动化和自动化智能：自动化或半自动化智能能够缩小决策的认知负荷。
实时剖析的增长
实时剖析数据库曾经成熟，使工程团队更容易拜访流数据并实现低提早剖析。工程团队不再须要定制构建或自行治理简单的分布式系统来实现实时剖析。
反对实时剖析采用率增长的最根本变化是云。公司能够扩大和缩减资源以满足一直变动的应用程序需要，防止在流量减慢时为过剩容量领取过高的费用。实时剖析数据库还拆散了存储和计算，因而您不再须要适度配置资源，从而在规模上实现更好的性价比。云提供了更高水平的操作简略性和资源效率，这将使更多公司在 2023 年可能进行实时剖析。
欢送关注 OushuDB 小课堂