准实时数仓的采用的技术架构，场景及落地情况？

这个问题比较大，现在很多银行包括互联网公司也都是在探索阶段。

关于背景其实没必要多说什么，现在对多种场景对数据的时效性要求都越来越高，从系统监控到实时营销，从内部管理到监管报送等诸多场景都要求建设实时数仓。

传统数仓在监管报送 / 风险管理 / 数据统计等方面已经做的很成熟，但在面对时效性要求较高的实时报送 / 实时营销 / 事中风控 / 实时资金管理与调拨等场景显得力不从心，这也是我们会在这里讨论实时数仓的原因。

关于实时数仓的技术，还是需要从四方面进行说明：数据接入 / 数据存储 / 数据加工 / 数据服务。数据接入：这块重点要考虑对源系统的侵入性 / 实时数据的负载等多种因素综合而定，目前有复制网络包， CDC ，日志收集等方式。数据存储：考虑到对数据时效性的要求，一半都是用类似 kafka 这样的分布式消息系统作为中间数据的存储。数据加工：目前成熟的有 storm/spark streaming/flink 等，目前用的较多的是 spark streaming ，但 flink 的批流合一的特色使得它有越来越流行的趋势，但这些组件对专业要求较高。数据服务：实时数据服务从实时数仓角度考虑有两种类型，一是主动推送型，如有转账时的实时营销场景，二是被动查询型，这种类型是在应用系统需要使用的时候再发起查询服务。

其实在建设实时数仓的过程中，可以参考下大家的普遍做法，但更多的是需要结合自己的实际情况，技术不是越新越好而是越适合自己越好。