一、 项目案例
用户商业模式含盖电商零售与加盟店批发零售，本次主要业务需求在于淘宝双11期间能实时计算用户所关注的一些指标数据，如：订单数、订单金额、商品SKU数、订单来源地、商品排名等等。
基于这些指标需求，除了要达到实时的要求以外，还需要具备适当的展现图设计，本次使用的是阿里云的DATAV，提供饼状图占比分析、商品与类目数据排名、国家地图热力展示等等。
二、 技术架构
由于用户的数据在云下，我们考虑的首先是迁移数据上云，再通过DTS将数据同步至DATAHUB，接着使用阿里流计算开发平台接入DATAHUB数据，并开发流计算代码，将执行结果输出至RDS MYSQL，最后DATAV引用RDS数据并开发图形展现界面。最终设计的技术架构如下图所示：
图：流计算数据逻辑设计图
三、 技术实现
2．1、datahub业务表的引用：
注解说明：
a、 在流计算引擎中建一张表，该表的名称是什么，建议和DataHub上一致
b、 要引用到该表的哪些字段，建议不需要的字段不要引用
c、 系统自建的TOPIC，该字段纪录的是该行数据是更新还是插入还是删除
d、 流计算可以引用多种数据源，这里表明数据源类型
e、 固定写法
f、 DataHub上的项目名称
g、 DataHub上的topic名称
h、 DataHub默认保留三天内的业务数据，该时间指定流计算引擎从哪个时间点取数
a、 该表的主键是什么，需要指定
b、 维表的固定写法，表明维表的更新时间（默认是多久？调整更新时间怎么弄？）。
注意该表的来源是rds，后面的连接方式和正常的MYSQL连接方式没什么区别。
2.3、数据输出表的写法和维表的写法基本一致，只是没有PERIOD FOR SYSTEM_TIME，要提前在RDS上建好即可。
2.4、应用脚本开发：将引用到的业务表与维表进行关联，将数据输出至目标表
a、和标准SQL没太大区别，主要就是维表的使用方式略有不同，不过也是固定写法，照抄就行。
注意：由于原始数据有插入、删除、更新三种动作，所以DataHub上也会有三种状态的数据，这就需要分别进行处理，否则数据会不准。
3、 DataV开发：此处省略，简单归纳即：托一个图形，写一个SQL。
四、项目预案
由于流计算可能存在的风险，我们考虑以传统的计算方式开发第二套方案，当流计算出故障时，能快速切换方案，保证数据基本能正常使用，可能延迟会大一些。
通过评估，由于数据量预计不会太大，考虑使用定时调存储过程的方式计算指标到第二套输出表上，再开发第二套报表，展现和第一套一致。设计图如下：
图：定期调任务刷数据
五、项目压测
为了保障数据爆发时，平台依然能稳定的工作，我们进行了相关的一些测试。首先模拟大量的数据产生，确认数据从本地库至RDS的同步时间，RDS至DATAHUB的时间，以及流计算所处理的时间。
通过多次的测验得出：当数据量持续比较大的情况下，数据会有一些延迟，性能瓶颈主要体现在RDS以及DTS同步至DATAHUB环节，其中后一步比较明显。而平台稳定性基本上是可以的，流计算的处理效率非常令人满意。