隨着各行各業信息技術的發展，數據分析對業務的提升功不可沒。數據處理大致可以分爲兩類：聯機事務處理OLTP（Online transaction processing）、聯機分析處理OLAP（Online Analytical Processing）。而大數據OLAP引擎也是百花齊放，使得業內各數據平臺的架構設計各有不同，本文主要是對OLAP的技術選型做一些探究和總結。
背景
大多數公司內部的數據平臺是業務主導，服務於業務、聚焦於業務的，產品本身即爲數據分析、數據運營等各個數據受衆所沉澱下來的業務分析流程。比如視頻行業內有縱向的內容宣發數據平臺、用戶運營數據平臺、播放體驗數據平臺等，皆是對不同業務知識的抽象、沉澱、總結。如此一來，產品對業務友好，符合各需求方的使用習慣，專注業務數據。然而各個數據平臺混雜，弊端也暴露出來：
- 產品維護成本提升：數據產品越來越多，各平臺的需求迭代等都需要各個同學負責；
- 技術成本未收斂：各個業務之間有很多共性，絕大多數產品聚焦於業務模式下的固化查詢（報表類需求），技術方案類似但選型不一致，如預計算未形成範式、KV存儲選型多。數據平臺的價值觸及天花板，各自爲政，數據發揮了各業務域下的價值卻未向上突破天花板；
- 仍有部分數據分析師的特定報表散落各地未統一收口。
原文鏈接:【https://www.infoq.cn/article/FBIxAJBKI6piiqgg0mzu】。未經作者許可，禁止轉載。