- 动态与公告
- 产品简介
- 购买指南
- 快速入门
- 操作指南
- SQL 开发指南
- 开发指南概述
- 术语和数据类型
- DDL 数据定义语句
- DML 数据操作语句
- MySQL CDC 多 Source 复用
- 上下游开发指南
- 消息队列 Kafka
- 消息队列 Upsert Kafka
- 消息队列 CMQ
- 消息队列 TDMQ RabbitMQ
- 数据库 MySQL CDC
- 消息队列 Pulsar
- 数据库 TDSQL-MySQL
- 数据库 Redis
- 数据库 MongoDB CDC
- 数据库 MongoDB
- 数据库 PostgreSQL CDC
- 数据库 HBase
- 数据仓库 Hive
- 数据仓库 ClickHouse
- 数据湖计算 DLC
- 数据仓库 Kudu
- 云数据仓库 TCHouse-P
- 数据库连接 JDBC
- 文件系统 FileSystem
- 模拟上下游 Datagen Logger Blackhole
- 自定义 Connector
- 数据湖 Hudi
- 数据湖 Iceberg
- 数据库 SQLServer CDC
- 数据库 StarRocks
- SET 控制语句
- 运算符和内置函数
- 标识符与保留字
- Python 开发指南
- ETL 开发指南
- 常见问题
- 联系我们
- 动态与公告
- 产品简介
- 购买指南
- 快速入门
- 操作指南
- SQL 开发指南
- 开发指南概述
- 术语和数据类型
- DDL 数据定义语句
- DML 数据操作语句
- MySQL CDC 多 Source 复用
- 上下游开发指南
- 消息队列 Kafka
- 消息队列 Upsert Kafka
- 消息队列 CMQ
- 消息队列 TDMQ RabbitMQ
- 数据库 MySQL CDC
- 消息队列 Pulsar
- 数据库 TDSQL-MySQL
- 数据库 Redis
- 数据库 MongoDB CDC
- 数据库 MongoDB
- 数据库 PostgreSQL CDC
- 数据库 HBase
- 数据仓库 Hive
- 数据仓库 ClickHouse
- 数据湖计算 DLC
- 数据仓库 Kudu
- 云数据仓库 TCHouse-P
- 数据库连接 JDBC
- 文件系统 FileSystem
- 模拟上下游 Datagen Logger Blackhole
- 自定义 Connector
- 数据湖 Hudi
- 数据湖 Iceberg
- 数据库 SQLServer CDC
- 数据库 StarRocks
- SET 控制语句
- 运算符和内置函数
- 标识符与保留字
- Python 开发指南
- ETL 开发指南
- 常见问题
- 联系我们
应用场景
最后更新时间：2023-11-07 15:27:59
流计算 Oceanus 主要应用于以下场景：
异构数据服务间的实时 ETL（抽取、转换、加载）
实时推荐、实时风控、数据库查询加速等
实时数仓、实时大屏、实时报表等
实时监控、实时异常发现和预警等
实时 ETL
ETL 是将业务系统的数据经过抽取、清洗转换之后加载到目的端的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。
金融实时风控
在金融应用场景中，快速探测到风险能够有效地减少损失，将金融交易大数据与流计算 Oceanus 相结合，引入特征模型算法，及时过滤出诸如盗刷卡等异常交易行为，实施风险控制以提升金融安全系数。
物联网（IoT）监控
在工业设备运转过程中，及早发现潜在故障能够极大地降低生产风险。通过云端流计算 Oceanus，实时汇聚工业传感器数据，并进行聚合计算和异常分析筛选，便可实现设备的秒级监控和异常告警，保障工业生产的平稳运行。
电商精准推荐
在电商交易场景中，借助于云端流计算 Oceanus，实时提取特征变量及跟踪用户关注品类，以预测用户的消费趋势，为精准推荐提供基础能力，从而提升用户购物体验、促进消费行为。
数据库查询加速
关系型数据库在海量数据下容易遇到查询性能不足、可扩展性差的挑战。通过流计算 Oceanus 将数据从关系型数据库实时同步到 ES， 借助 ES 的海量数据高并发低延时查询、SQL、弹性扩展等能力，更好地满足数据库查询加速的需求，弥补传统关系型数据库的不足。
是
否
本页内容是否解决了您的问题？