为了保证时效性，实时数仓的数据存储技术应该如何选择？
银行业一般会用实时数仓做风控类相关业务，对于数据查询的时效性要求较高。现有的hive是无法满足快速返回查询要求的。那么请问业界是否有已落地的较好的解决方案？比如impala、presto或者使用MPP数据库？如果有，还望告知下大概的执行效率是如何的，满足了哪些业务需求，感激~另外，对...显示全部
提问者已获得满意解答
查看其它 6 个回答topzgm的回答
谈点个人理解：
1)个人认为，关于实时数仓和风险监控(风险管控)，实际上有许多概念需要梳理清楚。如果把许多不同层面的概念揉在一起，系统脉络和建设思路必然陷入混乱，那么系统建设容易失去方向。
2)实时数仓也是数据仓库，实时数据仓库是相对于历史数据仓库而言的。以前各个银行建设都是历史数据仓库(T+1)，而实时数据仓库强调数据实时性(T+0)。
3)一般业务(应用)系统
对于一般业务(应用)系统之上补充增加一些实时分析或者实时监控模块，这样的系统和模型建立与业务(应用)系统耦合比较紧密，这样的系统和模型建立的五花八门，没有统一、更没有标准。这样的case在许多银行的许多系统都是这样。那么，一般来说，我们的风险监控(风险管控)应用按照这种模式来建设。
4)专业型数据仓库系统：
对于专业型数据仓库系统来说，传统数据仓库和大数据准实时数据仓库，在模型设计上应该是统一的、一致的，存储上应该也是统一的+差别化。
未来，传统数据仓库和大数据准实时数据仓库，在系统上必然是融合和统一的。
因为，从本质上来说：传统数据仓库和大数据准实时数据仓库之间差异就是时间粒度。但是，统一的数据模型是能够解决时间粒度问题。
5)所以，个人认为未来的数据仓库会是历史数据仓库和实时数据仓库的融合，即传统数据仓库和大数据实时数据仓库的融合。
6)再补充一点，关于历史数据仓库和实时数据仓库的存储是是"统一的+差别化"。从架构的顶层
来看是统一的，统一就是存储规划统一、架构和设计统一、对上层应用接口统一。同时，从架构
底层来看又是差异化的，结构化、半结构化、非结构化可以采用不同的存储技术来实现。