一、使用前言

在金融等数据密集型行业，作支持数据源众多，为金数据流向也众多。融数这种现状很容易，据库据几乎是轻松不可避免地导致数据分析和管理混乱。例如，个数来自不同业务线的使用分析师会在数据报告中定义自己的财务指标。当你将这些无数的作支持报告汇集到你的数据架构中时，你会发现许多指标在定义上重叠甚至相互矛盾。为金结果就是融数，开发一个简单的据库据数据报告将需要来回进行大量的澄清沟通工作，使整个过程变得更加复杂和耗时。轻松

随着业务的个数发展，数据管理也需要“标准化”的使用阶段。在数据工程方面，这意味着你需要一个数据平台，可以在其中生成和管理所有指标。这是为提供高效金融服务的架构前提条件。

在这里我们将介绍一个数据库（在本例中为Apache Doris）中金融指标的生命周期，从它们的源码库生成到它们在数据报告中的有效呈现。你将深入了解那些精美的财务仪表盘背后的内幕。

【Apache Doris】：https://doris.apache.org/

二、定义新指标并将其添加到数据库中

从根本上说，指标是表中的字段。为了更具体地说明它们，我将用银行业的一个示例进行解释。

银行通过资产管理量（Assets Under Management，AUM）来衡量客户的资产。在这种情况下，AUM是一个原子指标，通常是源数据表中的一个字段。基于AUM，分析师衍生出一系列衍生指标，例如“年度AUM增长率”、“月度AUM增长率”和“每位客户的AUM”。

一旦定义了新指标，就可以将它们添加到数据报告中，这需要在Apache Doris中进行一些简单的配置：

开发者会相应地更新元数据，注册用于导出指标的基础表，网站模板配置中间表的数据粒度和更新频率，并输入指标名称和定义。一些工程师还会监控指标，根据指标评估系统识别异常情况并删除冗余指标。

当指标正确放置后，就可以将新数据导入数据库以获取数据报告。例如，如果导入CSV文件，我们建议使用Apache Doris的流式加载方法，并且每批次的文件大小为1〜10G。最终，这些指标将在数据图表中可视化。

三、计算指标

正如前面提到的，有些指标是通过组合源表中的多个字段来生成的。在数据工程中，这是一个多表连接查询。根据Apache Doris用户的优化经验，我们建议使用平面表而不是星型/雪花模式。在做出这样的更改后，该用户将包含1亿行的表上的云南idc服务商查询响应时间从5s缩短到了63ms。

图片

平面表解决方案还消除了抖动。

图片

四、启用SQL缓存以减少资源消耗

分析师经常定期检查相同指标的数据报告。这些报告由相同的SQL生成，因此进一步提高查询速度的一种方法是使用SQL缓存。以下是启用SQL缓存的用例中的效果。

所有查询都在10ms内响应。在同时计算30个指标（超过120个SQL命令）时，可以在600ms内返回结果。达到每秒事务处理量（TPS）为300，CPU、内存、磁盘和I/O使用率均低于80％。在推荐的集群规模下，可以缓存超过10000个指标，这意味着可以节省大量的计算资源。

图片

五、结论

金融行业数据分析的复杂性在于数据本身而不是工程方面。因此，底层数据架构应着重于促进数据的统一和高效管理。Apache Doris提供了简单指标注册的灵活性，以及快速和高效的指标计算能力。在这种情况下，用户能够在10000个仪表盘中处理10000个活跃的财务指标，并减少30％的ETL工作量。