數(shù)據(jù)庫分析
應用的數(shù)據(jù)（如：注冊信息）存在關系型數(shù)據(jù)庫中，想對數(shù)據(jù)庫內(nèi)的數(shù)據(jù)進行分析
痛點：
?數(shù)據(jù)量日益增多，復雜查詢關系型數(shù)據(jù)庫查不出來
?數(shù)據(jù)分庫分表存在多個關系型數(shù)據(jù)庫中，無法做全量分析
?不想因為分析業(yè)務影響在線業(yè)務
優(yōu)勢：
熟悉的SQL體驗
DLI的SQL語法全兼容關系型數(shù)據(jù)庫的標準ANSI SQL 2003，0學習成本，使用習慣保持一致
極致性能
DLI采用分布式內(nèi)存計算模型，輕松處理海量數(shù)據(jù)
建議搭配使用： 云數(shù)據(jù)遷移 CDM
據(jù)庫分析.jpg)
電商行業(yè)
精準營銷
電商行業(yè)需要獲取多個途徑的信息做關聯(lián)分析，以便更好地做精準營銷，提高轉化率。如：關聯(lián)【頁面廣告點擊事件數(shù)據(jù)】和【用戶注冊數(shù)據(jù)】，獲取不同年齡段喜歡的廣告類型，以便對不同年齡段用戶投放更精準的廣告
優(yōu)勢
跨源分析
數(shù)據(jù)免搬遷，就可以關聯(lián)分析存在OBS中的【頁面廣告點擊事件數(shù)據(jù)】和RDS中的【用戶注冊數(shù)據(jù)】
純SQL操作
DLI已對接多個數(shù)據(jù)源，直接通過SQL建表就可以完成數(shù)據(jù)源的映射
建議搭配使用: 對象存儲服務 OBS/ 數(shù)據(jù)接入服務 DIS
游戲行業(yè)
游戲公司日常通過數(shù)據(jù)分析平臺，借助數(shù)據(jù)力量沒突破行業(yè)瓶頸。例如：尋找優(yōu)質的投放渠道、提高新手期玩家留存、優(yōu)化運營活動提升玩家活躍、數(shù)據(jù)驅動產(chǎn)品迭代等
痛點：
?日志分析通常是按周期進行調(diào)度，每次調(diào)度之間存在大量空閑期
優(yōu)勢
按量計費
DLI按量計費只在使用期間收費，成本較獨占集群降低50%以上
批流一體
DLI是批流一體架構，使用一份資源就可以完成流式數(shù)據(jù)清洗和批量數(shù)據(jù)分析
建議搭配使用:數(shù)據(jù)接入服務DIS/ 云數(shù)據(jù)庫MySQL
大企業(yè)
日志分析
大企業(yè)的部門比較多，不同部門在使用云服務時，需要對不同部門的員工的權限進行管理，包括計算資源的創(chuàng)建、刪除、使用、隔離等。同時，也需要對不同部門的數(shù)據(jù)進行管理，包括數(shù)據(jù)的隔離、共享等
優(yōu)勢
細粒度權限控制
列級別權限控制；INSERTINTO/OVERWRITE單獨權限控制；表元數(shù)據(jù)只讀權限控制
統(tǒng)一的管理機制
使用統(tǒng)一的 IAM 管理用戶（無需單獨創(chuàng)建DLI用戶），支持IAM細粒度授權
.jpg)
基因行業(yè)
基因數(shù)據(jù)處理
現(xiàn)在基因行業(yè)有很多基于Spark分布式框架的第三方分析庫，如ADAM、Hail等
痛點：
?安裝ADAM、Hail等分析庫比較復雜
?每次新建集群都需要安裝一遍
優(yōu)勢
支持自定義 鏡像
支持基于基礎鏡像打包ADAM、Hail等第三方分析庫，直接上傳到容器 鏡像服務 SWR，在DLI中運行作業(yè)時會自動拉取SWR中的自定義鏡像
內(nèi)置多個基礎鏡像
內(nèi)置華為增強版Spark/Flink多版本基礎鏡像，開源Tensorflow/Keras/PyTorch的AI鏡像
建議搭配使用容器鏡像服務SWR
金融行業(yè)
實時風控
為了提高消滅或減少風險事件發(fā)生的各種可能性，需要使用風控系統(tǒng)對典型的場景包括：注冊風控、登錄風控、交易分控等進行風控
痛點：
?風控系統(tǒng)對實時性要求很高
優(yōu)勢
高吞吐低時延
采用Apache Flink的Dataflow模型，完全的實時計算框架。采用高性能計算資源，單CPU每秒吞吐1千~2萬條消息
豐富的云生態(tài)
使用SQL就可以將處理后的數(shù)據(jù)流式寫入CloudTable、 SMN 等多個云服務
建議搭配使用:數(shù)據(jù)接入服務DIS/ 消息通知 服務SMN
政府行業(yè)
實時大屏
為了更好地做好新冠疫情的管控，各地政府需要通過實時大屏掌握新冠疫情的現(xiàn)存確診、累計確診、境外輸入等關鍵數(shù)據(jù)，為下一步疫情調(diào)控提供數(shù)據(jù)支撐
痛點：
?政府行業(yè)技術人員通常會SQL，但對 大數(shù)據(jù) 了解不多
優(yōu)勢
簡單易用
在線編輯Stream SQL，豐富的SQL函數(shù)滿足復雜業(yè)務需要
全托管
用戶完全不感知計算集群，聚焦流分析本身
建議搭配使用:云 數(shù)據(jù)遷移 CDM/數(shù)據(jù)接入服務DIS/ 云數(shù)據(jù)庫 MySQL/ 數(shù)據(jù)可視化DLV
地理大數(shù)據(jù)分析
地理大數(shù)據(jù)分析
地理大數(shù)據(jù)具有大數(shù)據(jù)的相關特征，數(shù)據(jù)體量巨大，例如全球衛(wèi)星遙感影像數(shù)據(jù)量達到PB級；數(shù)據(jù)種類多，有結構化的遙感影像柵格數(shù)據(jù)、矢量數(shù)據(jù)，非結構化的空間位置數(shù)據(jù)、三維建模數(shù)據(jù)；在大體量的地理大數(shù)據(jù)中，通過高效的挖掘工具或者挖掘方法實現(xiàn)價值提煉，是用戶非常關注的話題
優(yōu)勢
提供地理專業(yè)算子
支持全棧Spark能力，具備豐富的Spark空間數(shù)據(jù)分析算法算子，全面支持結構化的遙感影像數(shù)據(jù)、非結構化的三維建模、激光點云等巨量數(shù)據(jù)的離線批處理，支持帶有位置屬性的動態(tài)流數(shù)據(jù)實時計算處理
CEP SQL
提供地理位置分析函數(shù)對地理空間數(shù)據(jù)進行實時分析，用戶僅需編寫SQL便可實現(xiàn)例如偏航檢測，電子圍欄等地理分析場景
大 數(shù)據(jù)治理 能力
能快速將海量遙感影像數(shù)據(jù)接入上云，快速完成影像數(shù)據(jù)切片處理，為分布式批處理計算提供彈性分布式 數(shù)據(jù)集
建議搭配使用:數(shù)據(jù)接入服務DIS/ 對象存儲 服務OBS/云數(shù)據(jù) 遷移 CDM/ 數(shù)據(jù)快遞 服務DES/ 表格存儲服務 CloudTable
