Flink 和 ClickHouse 分別是實時計算和（近實時）OLAP 領域的翹楚，也是近些年非常火爆的開源框架，很多大廠都在將兩者結合使用來構建各種用途的實時平臺，效果很好。

點擊流數倉分層設計

點擊流實時數倉的分層設計仍然可以借鑑傳統數倉的方案，以扁平爲上策，儘量減少數據傳輸中途的延遲。簡圖如下。

* DIM 層：維度層，MySQL 鏡像庫，存儲所有維度數據。

* ODS 層：貼源層，原始數據由 Flume 直接進入 Kafka 的對應 topic。

* DWD 層：明細層，通過 Flink 將 Kafka 中數據進行必要的 ETL 與實時維度 join 操作，形成規範的明細數據，並寫回 Kafka 以便下游與其他業務使用。再通過 Flink 將明細數據分別寫入 ClickHouse 和 Hive 打成大寬表，前者作爲查詢與分析的核心，後者作爲備份和數據質量保證（對數、補數等）。

* DWS 層：服務層，部分指標通過 Flink 實時彙總至 Redis，供大屏類業務使用。更多的指標則通過 ClickHouse 物化視圖等機制週期性彙總，形成報表與頁面熱力圖。特別地，部分明細數據也在此層開放，方便高級 BI 人員進行漏斗、留存、用戶路徑等靈活的 ad-hoc 查詢，這些也是 ClickHouse 遠超過其他 OLAP 引擎的強大之處。