一、普通實時計算和實時數倉的比較
普通實時計算優先考慮時效性，從數據采集經過計算直接得到結果，時效性更好，但是中間結果沒有沉淀下來，當面臨大量實時計算的時候，計算的復用性差，開發成本大大提高；
實時數倉是基於數倉理論對數據分層，提高數據的復用率；
二、實時數倉分層
ods：原始數據，業務
dwd：數據對象進行分流，比如頁面訪問，訂單等
dim：維度數據
dwm：對部分數據進一步加工，可以和維表進行關聯，形成寬表，依舊是明細數據
dws：將某個主題與多個事實數據輕度聚合，形成主題寬表
ads：把clickhouse數據根據可視化需求篩選聚合
三、離線計算和實時計算的比較
離線計算：計算前已知所有數據，輸入數據不會變化，計算量大，時間長，根據前一日的數據生成報表，對時效性不敏感。
實時計算：輸入數據以序列化的方式一個個輸入並行處理，開始的時候並不需要知道所有的輸入數據，量小計算時間短，所查當下給出結果側重當日數據的實時監控，邏輯相對離線更為簡單，統計指標也少一些，更注重時效與用戶的交互性。
四、實時需求種類
1.日常統計報表，分析圖包含當日部分
針對企業運營管理，僅靠離線，時效性無法滿足，計算當日，分鍾級，秒級的數據，便於企業快速的反應與調整。所以實時數據往往與離線數據合並展示在BI,統計平台中。常規的數據大屏
2.數據預警
風控預警，營銷提示，以便快速采取應對措施，檢測到用戶的行為對於某些商品具有較強的購買意願，那么可以把這些“商機”推送給客服部門，讓客服進行主動的跟進。
3.實時推薦
實時推薦就是根據用戶的自身屬性結合當前的訪問行為，經過實時的推薦算法計算，從而將用戶可能喜歡的商品、新聞、視頻等推送給用戶。