自我接触数仓以来，数仓建模就是最为核心的工作，而数仓建模的主要目的是建立公共层，公共层主要起到两个作用，第一个是屏蔽底层的变动对上层应用的影响，第二个作用是通过复用沉淀的公共层来提升应用支撑的效率，但在长期的数仓公共层运营实践中中，我发现公共层的表现不总是沿着我们设想的轨迹演进。
鉴于大数据在商业洞察上所提供的价值，不同行业都已投资于大数据技术。因此，各行业都呈现出对关联数据的需求，尤其是将员工或客户等与产品、业务流程和其他互联网驱动的设备 (IoT) 做关联。
当我们将数据湖的能力拓展到实时场景，成本、性能和数据新鲜度三者的关系将呈现更为复杂和微妙的状态，Arctic的服务和管理功能，将为用户和上层平台理清这个三角关系。
对于许多企业来说，似乎将与元宇宙一起发展的关键技术是大数据。如今，公司有可能在客户在线浏览时了解到围绕客户的可操作的洞察力，但在元世界时代，个人产生的庞大数据量将成倍增加。
当前，数据仓库被分为离线数仓和实时数仓，离线数仓一般是传统的T+1型数据ETL方案，而实时数仓一般是分钟级甚至是秒级ETL方案。并且，离线数仓和实时数仓的底层架构也不一样，离线数仓一般采用传统大数据架构模式搭建，而实时数仓则采用Lambda、Kappa等架构搭建。
本文整理自中原银行数据平台中心开发工程师陈玉强在 Flink Forward Asia 2021 行业实践专场的演讲。
今天来推荐 8 个炫酷的数据可视化大屏项目！希望能够帮助到你！
