阿里云EMR大数据集群网站运营数据统计完全实战指南

一、阿里云EMR大数据平台概述

阿里云开源大数据平台E-MapReduce（简称EMR）是运行在阿里云平台上的一种大数据处理系统解决方案。EMR基于开源的Apache Hadoop和Apache Spark，让用户可以方便地使用Hadoop和Spark生态系统中的其他周边系统分析和处理数据。EMR还可以与阿里云其他的云数据存储系统和数据库系统进行数据传输，例如阿里云OSS和RDS等。

阿里云EMR提供了三种产品形态，以满足不同用户的需求：

• EMR on ECS：EMR负责将开源Hadoop生态的组件安装部署在ECS上，并启动相应的服务。用户可以在EMR控制台完成对集群ECS及服务的运维操作。这种形态适合需要完全掌控集群基础设施、对底层资源有自定义需求的场景。
• EMR on ACK：用户需要先完成ACK集群的安装部署。当ACK集群准备就绪后，EMR将基于ACK的资源安装部署大数据服务组件，并在容器内运行。这种形态适合已经采用容器化架构、希望统一管理大数据和在线业务的团队。
• EMR Serverless Spark：这是一款面向Data+AI的高性能Lakehouse产品，为企业提供了一站式的数据平台服务，包括任务开发、调试、调度及运维等功能。它100%兼容开源Spark生态，能够无缝集成到客户现有的数据平台。

在实际生产环境中，EMR on ECS是最为广泛使用的形态。EMR针对不同业务场景提供了数据湖集群、数据分析集群、实时数据流集群、数据服务集群四类预定义业务场景。

需要先登录阿里云控制台，点击：阿里云控制台

二、集群创建前的准备工作

2.1 账号注册与实名认证

使用EMR服务前，首先需要注册阿里云账号并完成实名认证。这是使用任何阿里云云服务的基础前置条件。

2.2 服务角色授权

完成对E-MapReduce的服务账号授予默认的EMR和ECS角色权限。这一步是必须的，因为EMR在创建集群、管理ECS实例、访问OSS存储等操作时，需要以服务角色的身份调用其他阿里云服务的API。授权操作可以在EMR控制台的引导下完成，系统会自动创建所需的默认角色。

2.3 RAM用户与权限规划

为确保阿里云账号及云资源的使用安全，如非必要都应避免直接使用阿里云账号（即主账号）来访问EMR集群。推荐的做法是使用RAM身份（即RAM用户和RAM角色）来访问EMR on ECS集群。

RAM用户需要由阿里云账号或拥有管理员权限的RAM用户、RAM角色来创建，且必须在获得授权后才能登录控制台或使用API访问阿里云账号下的资源。在权限管理上，应遵循最小权限原则——授予用户执行某项任务所需的权限，不授予其他无需用到的权限。

对于通过控制台访问的用户，推荐为其开启MFA多因素认证。不要把RAM用户的AccessKey ID和AccessKey Secret保存在工程代码中，否则可能导致AK泄露。建议使用STS或环境变量等方式获取访问授权。

阿里云EMR提供了多种系统权限策略供用户选择：

• AliyunEMRFullAccess：管理E-MapReduce的权限，包括EMR on ECS和EMR on ACK的所有权限。
• AliyunEMRReadOnlyAccess：只读访问E-MapReduce的权限。
• AliyunEMRDeveloperAccess：开发者权限，允许用户在EMR集群上提交作业和执行开发任务。

三、创建EMR集群的关键配置

在创建EMR集群时，需要考虑以下主要因素：业务场景、地域和存储服务、元数据服务、硬件与网络配置以及计费方式。

3.1 业务场景选择

EMR提供了以下预定义的业务场景：

• 数据湖（DataLake）：适用于构建企业数据湖，支持多种数据格式和计算引擎，是网站运营数据统计的常用场景。
• 数据分析（Data Analytics）：适用于OLAP分析场景，集成了StarRocks等分析型引擎。
• 实时数据流（Dataflow）：适用于流式数据处理场景，集成了Flink等流计算引擎。
• 数据服务（DataServing）：适用于在线数据服务场景，集成了HBase等NoSQL数据库。

对于网站运营数据统计，通常选择数据湖场景，并集成Hive、Spark等核心组件。

3.2 地域与存储规划

EMR提供多个地域选项，以确保集群地域与数据存储位置保持一致。合理选择地域可降低网络延迟、满足数据本地化合规要求，并优化资源成本。建议将EMR集群部署在与数据存储（如OSS Bucket）相同的地域，以利用内网高速传输。

对于存储架构，EMR支持计算与存储一体化和计算与存储分离两种架构。计算与存储分离架构将计算集群和存储集群分开部署，数据存储在OSS或OSS-HDFS中，计算集群按需弹性扩缩容，是成本优化的最佳实践。

3.3 元数据服务配置

EMR允许将元数据存储在Data Lake Formation（DLF）、ApsaraDB RDS for MySQL以及内置MySQL中。推荐使用DLF统一元数据，便于多集群共享元数据。

3.4 硬件与网络配置

EMR提供多种实例类型，如通用型、计算优化型和内存优化型，以适应不同的业务特征。此外，EMR允许部署多个Master节点以确保服务的高可用性（HA）。

在创建EMR集群进行软件配置时，关键参数配置如下：

• 地域：建议选择华东2（上海）或其他与业务相近的地域。
• 业务场景：数据湖。
• 产品版本：选择最新版本。
• 可选服务：根据实际需求选择组件，其中Hive组件、OSS-HDFS组件在网站日志分析场景中为必选。
• 元数据：DLF统一元数据。
• 集群存储根路径：选择OSS-HDFS实例。

对于EMR集群的不同配置，DataWorks产品支持情况存在一定差异。如果需要在DataWorks上进行EMR任务开发，建议在创建EMR集群前先参考DataWorks on EMR集群配置最佳实践。

3.5 计费方式选择

EMR提供以下计费方式：

• 包年包月（Subscription）：预付费模式，适用于长期稳定的业务场景，单价较低。
• 按量付费（Pay-as-you-go）：后付费模式，适用于短期或临时业务场景，灵活性高。

对于网站运营数据统计这类周期性的分析任务，可以采用包年包月方式购买基础集群，配合按量付费的Task节点应对突发计算需求。

四、DataWorks环境准备与数据同步

4.1 DataWorks工作空间创建

DataWorks是阿里云提供的一站式大数据开发治理平台，与EMR深度集成，支持数据同步、数据开发、任务调度和运维监控等全流程操作。

创建工作空间的步骤如下：

1. 登录DataWorks控制台，切换至目标地域。
2. 单击左侧导航栏中的"工作空间"，进入空间列表页面。
3. 单击"创建工作空间"，创建标准模式空间（生产、开发环境隔离）。

4.2 Serverless资源组购买

数据同步与调度时，需要使用DataWorks的Serverless资源组。购买步骤如下：

1. 登录DataWorks控制台，切换至目标地域。
2. 单击左侧导航栏的"资源组"，进入资源组列表页面。
3. 单击"创建资源组"，选择地域和可用区，设置资源组名称，根据界面提示完成配置和付款。

4.3 数据同步至OSS

网站运营数据统计的第一步是将原始数据同步到统一的数据存储中。通常，网站的用户信息存储在关系型数据库（如MySQL）中，而访问日志则存储在日志文件或HTTP数据源中。

在DataWorks中配置数据同步链路的步骤如下：

1. 新建HttpFile数据源，访问网站日志数据文件。
2. 新建MySQL数据源，访问用户基本信息数据。
3. 配置数据集成离线同步任务，将两种数据源的数据同步至私有OSS数据源。
4. 通过EMR Hive节点创建外部表，解析OSS中存储的数据。

OSS Bucket的创建可以在OSS控制台完成。在左侧导航栏单击"Bucket列表"，在Bucket列表页面单击"创建Bucket"。

五、基于Hive的数据建模与查询

5.1 创建OSS外部表

在Hive中读写OSS时，需要先创建一个external表。以下示例展示了如何使用Hive创建OSS数据库和表：

-- 在OSS指定Bucket路径上创建数据库
CREATE DATABASE website_logs LOCATION "oss://your-bucket/website_logs";

-- 使用该数据库
USE website_logs;

-- 创建用户信息外部表
CREATE EXTERNAL TABLE ods_user_info (
    uid STRING COMMENT '用户ID',
    name STRING COMMENT '用户姓名',
    age INT COMMENT '年龄',
    gender STRING COMMENT '性别',
    city STRING COMMENT '城市',
    register_time STRING COMMENT '注册时间'
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE
LOCATION "oss://your-bucket/website_logs/user_info/";

-- 创建网站访问日志外部表
CREATE EXTERNAL TABLE ods_raw_log (
    log_time STRING COMMENT '访问时间',
    uid STRING COMMENT '用户ID',
    url STRING COMMENT '访问URL',
    referer STRING COMMENT '来源页面',
    user_agent STRING COMMENT '用户代理',
    ip STRING COMMENT '客户端IP',
    status_code STRING COMMENT '状态码',
    response_time STRING COMMENT '响应时间'
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
STORED AS TEXTFILE
LOCATION "oss://your-bucket/website_logs/raw_logs/";

5.2 数据质量监控配置

在DataWorks中，可以为数据加工生成的表配置数据质量监控，提前识别脏数据并进行拦截，避免脏数据影响扩大。数据质量监控可以配置规则，如空值检查、唯一性检查、数据量波动检查等。

5.3 Hive数据加工示例

使用EMR Hive节点在DataWorks中对同步至OSS的原始数据进行加工。典型的加工流程包括：

1. 清洗原始网站日志数据。
2. 将清洗后的日志数据与用户记录进行关联。
3. 将结果汇总到可消费的ADS表中。

以下是一个Hive数据加工的示例：

-- 清洗日志数据，过滤无效记录
CREATE TABLE dwd_cleaned_log AS
SELECT 
    log_time,
    uid,
    url,
    referer,
    user_agent,
    ip,
    status_code,
    response_time
FROM ods_raw_log
WHERE uid IS NOT NULL 
  AND status_code = '200'
  AND log_time IS NOT NULL;

-- 关联用户信息，生成用户行为明细表
CREATE TABLE dwd_user_behavior AS
SELECT 
    l.log_time,
    l.uid,
    u.name,
    u.city,
    u.gender,
    u.age,
    l.url,
    l.referer,
    l.user_agent,
    l.ip,
    l.response_time
FROM dwd_cleaned_log l
LEFT JOIN ods_user_info u ON l.uid = u.uid;

-- 按天汇总用户访问统计
CREATE TABLE ads_daily_user_stats AS
SELECT 
    DATE(log_time) AS stat_date,
    uid,
    COUNT(*) AS pv,
    COUNT(DISTINCT url) AS unique_pages,
    AVG(CAST(response_time AS DOUBLE)) AS avg_response_time
FROM dwd_cleaned_log
GROUP BY DATE(log_time), uid;

六、基于Spark SQL的数据分析与用户画像

6.1 Spark SQL外部表创建

Spark SQL同样支持创建外部表访问存储在私有OSS中的数据。以下示例展示了如何使用Spark SQL创建用户信息表和日志信息表：

-- 创建用户信息外部表
CREATE TABLE ods_user_info_d_spark
USING parquet
OPTIONS (
    path "oss://your-bucket/website_logs/user_info/"
);

-- 创建日志信息外部表
CREATE TABLE ods_raw_log_d_spark
USING parquet
OPTIONS (
    path "oss://your-bucket/website_logs/raw_logs/"
);

6.2 Spark SQL数据加工

在DataWorks的EMR Spark SQL节点中，利用Spark SQL函数对日志表进行切分处理。典型的加工流程包括：

1. 对原始日志表进行拆分，生成明细日志表（dwd层）。
2. 将明细日志表与用户表通过uid字段进行关联，生成汇总用户日志表（dws层）。
3. 将汇总表进一步加工为可直接用于数据消费的表（ads层）。

以下是完整的Spark SQL数据加工示例代码：

-- 步骤1：拆分日志表，生成明细日志表（dwd层）
CREATE TABLE dwd_log_info_di_spark AS
SELECT 
    log_time,
    uid,
    url,
    referer,
    user_agent,
    ip,
    status_code,
    response_time,
    -- 使用Spark SQL内置函数提取日期
    DATE(log_time) AS log_date,
    HOUR(log_time) AS log_hour,
    -- 使用内置函数解析IP地址的地理位置
    CASE 
        WHEN ip LIKE '192.168.%' THEN '内网'
        WHEN ip LIKE '10.%' THEN '内网'
        WHEN ip LIKE '172.16.%' THEN '内网'
        ELSE '公网'
    END AS network_type
FROM ods_raw_log_d_spark
WHERE uid IS NOT NULL AND log_time IS NOT NULL;

-- 步骤2：关联用户信息，生成汇总用户日志表（dws层）
CREATE TABLE dws_user_info_all_di_spark AS
SELECT 
    l.log_date,
    l.log_hour,
    l.uid,
    u.name,
    u.city,
    u.gender,
    u.age,
    l.url,
    l.referer,
    l.user_agent,
    l.network_type,
    l.response_time,
    l.status_code
FROM dwd_log_info_di_spark l
INNER JOIN ods_user_info_d_spark u ON l.uid = u.uid;

-- 步骤3：生成用户画像汇总表（ads层）
CREATE TABLE ads_user_info_1d_spark AS
SELECT 
    uid,
    MAX(name) AS user_name,
    MAX(city) AS city,
    MAX(gender) AS gender,
    MAX(age) AS age,
    COUNT(*) AS total_visits,
    COUNT(DISTINCT log_date) AS active_days,
    COUNT(DISTINCT url) AS unique_pages_viewed,
    AVG(CAST(response_time AS DOUBLE)) AS avg_response_time,
    -- 用户活跃时段偏好
    MAX(CASE WHEN log_hour BETWEEN 6 AND 11 THEN 'morning'
             WHEN log_hour BETWEEN 12 AND 17 THEN 'afternoon'
             WHEN log_hour BETWEEN 18 AND 23 THEN 'evening'
             ELSE 'night' END) AS preferred_time_slot
FROM dws_user_info_all_di_spark
GROUP BY uid;

6.3 使用Spark SQL进行网站运营指标统计

以下是一些常用的网站运营数据统计SQL示例：

-- 统计每日PV和UV
SELECT 
    log_date,
    COUNT(*) AS pv,
    COUNT(DISTINCT uid) AS uv
FROM dwd_log_info_di_spark
GROUP BY log_date
ORDER BY log_date DESC;

-- 统计各城市的用户访问量
SELECT 
    city,
    COUNT(DISTINCT uid) AS user_count,
    COUNT(*) AS visit_count
FROM dws_user_info_all_di_spark
GROUP BY city
ORDER BY visit_count DESC;

-- 统计各页面的访问热度
SELECT 
    url,
    COUNT(*) AS page_views,
    COUNT(DISTINCT uid) AS unique_visitors
FROM dwd_log_info_di_spark
GROUP BY url
ORDER BY page_views DESC
LIMIT 20;

-- 统计用户留存率（以7天为例）
WITH daily_users AS (
    SELECT 
        log_date,
        uid
    FROM dwd_log_info_di_spark
    GROUP BY log_date, uid
),
first_visit AS (
    SELECT 
        uid,
        MIN(log_date) AS first_date
    FROM daily_users
    GROUP BY uid
)
SELECT 
    f.first_date,
    COUNT(DISTINCT f.uid) AS new_users,
    COUNT(DISTINCT d.uid) AS retained_users_7d,
    ROUND(COUNT(DISTINCT d.uid) * 100.0 / COUNT(DISTINCT f.uid), 2) AS retention_rate_7d
FROM first_visit f
LEFT JOIN daily_users d 
    ON f.uid = d.uid 
    AND d.log_date = DATE_ADD(f.first_date, 7)
GROUP BY f.first_date
ORDER BY f.first_date DESC;

七、基于Flink的实时数据统计

7.1 实时数据流架构

对于需要实时统计网站运营数据的场景，可以使用EMR Kafka和实时计算Flink构建实时数据流处理链路。通过采集程序将业务数据、日志和埋点数据等投递到EMR Kafka，利用Flink的实时计算功能将数据写入不同的分析系统，例如EMR StarRocks、EMR HBase和阿里云的实时数仓Hologres，以提供实时分析、点查调用和BI报表分析等操作。

Flink核心是一个流式的数据流执行引擎，其针对数据流的分布式计算提供了数据分布、数据通信以及容错机制等功能。基于流执行引擎，Flink提供了更高抽象层的API以便编写分布式任务。

7.2 Flink实时统计示例

以下是一个使用Flink SQL进行实时网站流量统计的示例：

-- 创建Kafka源表（实时访问日志流）
CREATE TABLE kafka_log_source (
    log_time STRING,
    uid STRING,
    url STRING,
    referer STRING,
    user_agent STRING,
    ip STRING,
    status_code STRING,
    response_time STRING,
    proc_time AS PROCTIME()
) WITH (
    'connector' = 'kafka',
    'topic' = 'website_logs',
    'properties.bootstrap.servers' = 'your-kafka-broker:9092',
    'properties.group.id' = 'flink_consumer_group',
    'scan.startup.mode' = 'latest-offset',
    'format' = 'json'
);

-- 创建MySQL结果表（实时统计结果）
CREATE TABLE mysql_realtime_stats (
    stat_time STRING,
    total_pv BIGINT,
    total_uv BIGINT,
    unique_urls BIGINT,
    PRIMARY KEY (stat_time) NOT ENFORCED
) WITH (
    'connector' = 'jdbc',
    'url' = 'jdbc:mysql://your-mysql-host:3306/website_stats',
    'table-name' = 'realtime_stats',
    'username' = 'your_username',
    'password' = 'your_password'
);

-- 实时统计每分钟的PV和UV
INSERT INTO mysql_realtime_stats
SELECT 
    DATE_FORMAT(TUMBLE_START(proc_time, INTERVAL '1' MINUTE), 'yyyy-MM-dd HH:mm:ss') AS stat_time,
    COUNT(*) AS total_pv,
    COUNT(DISTINCT uid) AS total_uv,
    COUNT(DISTINCT url) AS unique_urls
FROM kafka_log_source
GROUP BY TUMBLE(proc_time, INTERVAL '1' MINUTE);

八、数据可视化与报表展示

8.1 Quick BI对接EMR数据源

Quick BI是一款全场景数据消费式的BI平台，通过智能的数据分析和可视化能力帮助企业构建数据分析系统。用户可以使用Quick BI制作漂亮的仪表板、格式复杂的电子表格、酷炫的大屏等。

添加EMR Serverless Spark数据源用于连通阿里云Serverless Spark数据库与Quick BI，连接成功后即可在Quick BI上进行数据的分析与展示。

8.2 EMR Notebook交互式分析

EMR Notebook是一个Serverless化的交互式数据分析和探索平台，满足大数据和AI融合下的数据处理需求。通过EMR Notebook可以完成对SQL的拖拽式操作及可视化，助您轻松完成数据分析及业务的自助探查。

九、集群监控与运维管理

9.1 日志管理

日志管理功能将EMR与日志服务SLS相结合，允许您在EMR控制台直接查询开源组件的日志。EMR联合日志服务推出日志功能，用于将EMR日志投递到日志服务进行查询分析。用户可以在EMR控制台中开启日志投递功能，将EMR日志投递到日志服务中。

9.2 监控告警配置

EMR提供了完善的监控告警功能。用户可以在EMR控制台的集群详情页中，单击上方的"监控诊断"页签，然后进入"报警管理"页面进行告警配置。

十、成本优化最佳实践

10.1 托管弹性伸缩

阿里云EMR发布了托管弹性伸缩功能，支持自动调整集群大小。在EMR托管弹性伸缩功能发布之前，用户必须提前预测工作负载或填写自定义弹性伸缩规则，这些规则取决于对服务框架（如Apache Spark或Apache Hive）的深入了解。预测工作负载或编写自定义规则比较困难且容易出错。

阿里云EMR发布托管弹性伸缩功能后，用户只需为集群指定最大和最小的Task节点数，阿里云EMR将自动在范围内调整集群规模，以实现最优性能。面对业务激增，EMR可以在较短时间内自动补充资源，并将新增任务调度至新的节点上；在业务高峰过后，自动移除多余的资源，任务平滑地回到原有节点上，提升资源利用率。

EMR会持续对集群上运行的工作负载相关的关键指标进行采样，自动调整集群大小，以获得最佳性能和资源利用率。

根据模拟测试数据，相比于固定集群配置，托管弹性伸缩在各类场景下都有较大的资源利用率提升：

• 有时间规律固定长作业场景：资源利用率从44.74%提升至87.85%。
• 有时间规律固定短作业场景：资源利用率从35.64%提升至74.58%。
• 夜间周期规律加白天随机提交场景：资源利用率从27.08%提升至76.19%。
• 无时间规律场景：资源利用率从39.18%提升至84.66%。

启用托管弹性伸缩，可将集群成本降低最高达60%。

10.2 计算与存储分离架构

EMR支持计算与存储分离架构，将计算集群和存储集群分开部署。数据存储在OSS或OSS-HDFS中，计算集群按需弹性扩缩容。这种架构的优势在于：

• 存储和计算可以独立扩缩容，避免资源浪费。
• 多个计算集群可以共享同一份数据，避免数据冗余。
• 计算集群可以在不使用时释放，大幅降低成本。

10.3 集群规划建议

在进行集群规划时，业务场景、地域和存储、元数据服务、硬件与网络以及计费方式等五个方面是主要考虑因素。科学的存储配置（如HDFS、OSS-HDFS/OSS）能提升数据读写效率、降低存储成本，同时保障数据可靠性。

对于网站运营数据统计场景，建议采用以下成本优化策略：

• 选择包年包月方式购买Master节点和Core节点，保障基础计算能力。
• Task节点采用按量付费并启用托管弹性伸缩，应对波动的计算需求。
• 数据存储在OSS-HDFS中，实现计算与存储分离。
• 使用DLF统一元数据，支持多集群共享。

十一、总结

本文全面介绍了如何使用阿里云EMR大数据集群统计网站运营数据。从EMR的产品形态选择、集群创建配置、数据同步、数据加工（包括Hive离线处理和Spark SQL分析）、实时数据流处理（Flink）、数据可视化（Quick BI）到成本优化（托管弹性伸缩与计算存储分离），形成了一个完整的大数据统计分析解决方案。

通过本文的实战指南，读者可以快速搭建起企业级的网站运营数据统计分析平台，实现对网站流量、用户行为、用户画像等核心运营指标的全面洞察，为精细化运营和业务决策提供有力的数据支撑。

常见问题解答

问1：EMR on ECS、EMR on ACK和EMR Serverless Spark三种形态如何选择？

答：EMR on ECS适合需要完全掌控集群基础设施、对底层资源有自定义需求的场景，是目前最广泛使用的形态。EMR on ACK适合已经采用容器化架构、希望统一管理大数据和在线业务的团队。EMR Serverless Spark适合希望免去集群运维负担、专注于数据处理分析的团队。

问2：DataWorks和EMR如何配合使用完成网站运营数据统计？

答：DataWorks与EMR深度集成，支持端到端的数据同步、处理、管理和消费。通过DataWorks的数据集成功能将网站日志和用户信息同步到OSS，然后使用EMR Hive节点或EMR Spark SQL节点进行数据加工和统计，最后通过DataWorks的数据质量监控保障数据质量。

问3：EMR托管弹性伸缩如何帮助降低集群成本？

答：托管弹性伸缩允许用户只指定集群的最大和最小Task节点数，EMR自动根据工作负载调整集群规模。在业务高峰时自动扩容，在空闲时自动缩容，最高可降低60%的集群成本。相比自定义伸缩规则，托管弹性伸缩无需深入了解Spark或Hive框架即可自动优化资源利用率。

问4：网站运营数据统计中，Hive和Spark SQL应该如何选择？

答：Hive适合传统的离线批处理场景，语法标准、生态成熟，适合TB级别以上的大规模数据ETL。Spark SQL基于内存计算，性能更快，适合需要迭代计算和复杂分析的场景。在实际项目中，两者可以结合使用——Hive负责数据清洗和基础汇总，Spark SQL负责复杂的用户画像分析和多维统计。

问5：如何保障EMR集群的数据安全？

答：建议从以下几个方面保障数据安全：使用RAM子账号并遵循最小权限原则；为RAM用户开启MFA多因素认证；不要将AccessKey硬编码在代码中，使用STS或环境变量获取授权；OSS Bucket设置为私有权限；配置VPC网络隔离。

问6：实时统计和离线统计在网站运营数据场景中如何分工？

答：实时统计使用Flink处理Kafka中的实时访问日志流，用于监控大屏、实时告警等对时效性要求高的场景。离线统计使用Hive或Spark SQL处理OSS中的历史数据，用于日报、周报、用户画像分析等对数据完整性要求高的场景。两者可以共存，实时统计提供即时洞察，离线统计提供深度分析。