实时业务场景与离线分析场景有什么区别？| Tapdata

交互场景对数据的诉求与传统的离线分析拥有本质不同。本文将从对实时的敏感性、准确性、数据量、单条数据价值，以及价值贡献方式这五个方面着手，具体分析实时业务场景与离线分析场景的差异与不同的技术侧需求。

首先是对实时的敏感性。离线分析场景从最典型的 T+1，到窗口分析的几分钟，已经是较为先进的时间诉求了。但在实时的业务场景下，客户的诉求一般是秒级。其次是准确性，通常，离线分析场景对数据的准确性要求没有那么敏感，一般是用几个 9 来描述，例如 99%、99.9%，主要是看趋势和效果，错几条可以重跑。但是实时业务场景大多数对应一个真实的业务诉求，对数据准确性的要求是 100%，也就是一条都不能错，每错一条都会导致直接的业务损失，而且由于实时业务的特殊性，错误弥补的成本也会很高。

再者是数据量，离线分析场景的数据量一般很大，几百 T、数百亿都是很常见的数字。但是在实时业务场景中，很多业务的数据量并不会那么夸张，数十 G 作为典型值，已经是非常了不的数据规模了，这种差异也会自然给技术设计偏好带来一些改变。

在单条数据的价值层面，离线分析场景中，数据的价格需要经过计算挖掘，每条数据集的单位价格并不高。但实时数据场景里的每条数据都是独一无二的，往往会对应真实的业务流程，单位价值极高。

最后是数据的价值贡献方式，分析场景下，传统应用方式包括通过报表看趋势做策略，新兴应用包括通过机器学习做一些自动策略，但归根结底还是属于旁路生效的价值体系。但在实时业务场景下，数据本身就参与了核心业务的流转，是从主路上去分享价值的。

面对这样的差异，Tapdata 基于 DaaS 架构，自研了首个同时支持 TP 和 AP 业务场景的实时数据平台——Tapdata Live Data Platform。