基于 Doris 的数据仓库建设指南：从规划到分层建模

数据仓库建设的常见误区是一上来就把所有系统数据都接进来，结果周期长、成本高、还说不清业务价值。更稳妥的做法是先选一个明确的业务问题（如经营报表、风险分析、监管报送、库存周转），围绕它定义数据范围、口径和交付物，跑通后再扩展。

Doris 是一个面向实时分析的 MPP 数据库，适合高并发、低延迟的查询场景，如多维分析、实时报表和即席查询。它的优势在于查询速度快、支持物化视图和 Rollup、运维相对简单。但如果业务以批量 ETL、复杂事务或超大规模历史归档为主，其他方案（如 Hive、ClickHouse）可能更合适。选型时要看查询模式、数据更新频率、并发量和团队运维能力，不要只看 benchmark 数字。

分层建模是数仓规范化的核心。常见的分层是 ODS（原始层，贴源）、DWD（明细层，清洗和标准化）、DWS（汇总层，按主题和维度聚合）、ADS（应用层，面向具体报表和应用）。每一层的职责必须明确：ODS 只做搬运不做加工，DWD 做清洗和维度退化，DWS 做聚合和指标，ADS 做面向应用的裁剪。跨层引用和反向依赖是数仓腐化的常见原因，需要在建模规范里禁止。

数据接入要区分实时和批量。实时接入适合交易明细、日志、埋点这类需要秒级到分钟级延迟的场景，可以用 Flink 或 Doris 的 Stream Load；批量接入适合日终、月结这类定时全量或增量的场景，可以用 ETL 调度。盈尺的 ETL 配置调度平台支持多源异构接入和容器化部署，但接入策略仍要根据数据特点和业务时效要求确定。

指标口径治理是数仓能否被信任的关键。同一个指标（如"销售额"）在不同系统、不同部门、不同币种下可能有不同定义。数仓建设时要建立指标字典，记录每个指标的名称、定义、计算逻辑、数据来源、负责人和变更历史。没有口径治理的数仓，业务方会用脚算数，数仓就会被绕过。

调优要建立在性能基线之上。Doris 的性能调优涉及物化视图、Rollup、分桶键选择、副本数、Compaction 策略、查询并发和资源组。任何调整都应该先有基线查询（典型业务 SQL 和响应时间），调整后再对比，避免"改了更快"的主观判断。盈尺在保险、央企等行业的数仓交付中，调优通常是迭代进行的，不是一次性完成。

数仓建设是长期工程，不是一次性项目。建议第一期围绕一个业务问题跑通从接入到报表的全链路，建立分层规范和指标字典，再逐步扩展数据范围和业务覆盖。