贝壳找房
案例介绍
技术要点： 1. 分层架构设计，抽象出配置层、数据加工层、计算层、结果层 2. 复用性：HiveSQL和Flink数据清洗， 抽象数据模型， 打平业务数据的差异， 提高免开发率 3. 高吞吐：类master-woker模式实现高吞吐，并发处理，可伸缩 4. 扩展性：基于规则树的抽象， 配合责任链与策略模式， 提高可扩展性 5. 高性能：结果数据基于城市所在大区进行分表，结合分布式缓存，压测系统承载能力，提供高性能查询
贝壳找房
案例介绍
基于人和店维度的业务指标，支持离线数据与实时数据计算的数据应用服务，根据对指标归类和规则计算，得到周期结 果。 系统主要做了三件事情，数据收集、数据加工、数据查询。解决了原来服用性差、接入成本高、不具备实时计算能力等问 题。 门店分级体系的建设帮助贝壳在门店维度有了抓手， 优势门店权益倾斜，较差门店预警督促，形成良性闭环。
技术要点： 1. 分层架构设计，抽象出配置层、数据加工层、计算层、结果层 2. 复用性：HiveSQL和Flink数据清洗， 抽象数据模型， 打平业务数据的差异， 提高免开发率 3. 高吞吐：类master-woker模式实现高吞吐，并发处理，可伸缩 4. 扩展性：基于规则树的抽象， 配合责任链与策略模式， 提高可扩展性 5. 高性能：结果数据基于城市所在大区进行分表，结合分布式缓存，压测系统承载能力，提供高性能查询
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
