基于Apache Doris构建统一数据仓库:打破保险行业数据孤岛实践
2025-06-27 16:15:10作者:贡沫苏Truman
引言
数据孤岛问题是企业数字化转型过程中普遍面临的挑战,尤其对于保险行业这类数据密集型业务而言更为突出。本文将分享一家大型保险公司如何利用Apache Doris构建新一代客户数据平台(CDP),成功解决原有架构中的数据孤岛问题,实现数据处理效率的显著提升。
数据孤岛问题的形成与挑战
数据孤岛的形成往往伴随着企业业务的发展壮大。该保险公司已服务超过5亿客户,签订570亿份保险合同,其数据特点表现为:
- 数据来源多样化:网站、移动应用、H5页面及终端设备等多渠道数据
- 数据处理复杂化:离线数据和实时数据需要不同的处理流程
- 数据存储分散化:不同数据类型存储在不同系统中
在CDP 1.0架构中,公司采用了Spark+Impala+HBase+NebulaGraph的多组件方案,导致:
- 离线标签、实时标签和图数据分散存储
- 数据集成需要大量冗余存储和传输
- 系统维护成本高昂
- 集群规模被迫扩大
Apache Doris统一架构解决方案
CDP 2.0采用Apache Doris作为统一的数据仓库解决方案,架构优势体现在:
1. 统一的数据摄入能力
- 离线数据:采用Stream Load方式,30线程测试显示每秒可处理超过30万次upsert操作
- 实时数据:结合Flink-Doris-Connector和Stream Load实现高效摄入
- 联邦查询:利用Multi-Catalog功能实现跨数据源查询
2. 客户分析工作流优化
核心分析流程包括:
- 客户信息整理
- 客户标签附加
- 客户分组分析
关键技术实现细节
OneID统一客户识别
在多业务线场景下,同一客户可能在不同系统中使用不同标识注册。通过Apache Doris实现:
- 将所有业务线的用户注册信息汇总到大宽表
- 使用Doris内置函数识别关联信息
- 为每个客户分配唯一OneID
标签服务体系优化
系统管理着:
- 5亿客户数据
- 500+源表
- 2000+标签
离线标签处理
采用INSERT INTO SELECT结合部分列更新技术,显著降低内存消耗:
set enable_unique_key_partial_update=true;
insert into tb_label_result(one_id, labelxx)
select one_id, label_value as labelxx
from .....
实时标签处理
同样采用部分列更新策略:
curl --location-trusted -u root: -H "partial_columns:true" -H "column_separator:," -H "columns:id,balance,last_access_time" -T /tmp/test.csv http://127.0.0.1:48037/api/db1/user_profile/_stream_load
高并发点查询优化
针对5000+ QPS的查询压力,采用三重优化:
- Prepared Statement预编译
- 精细参数调优
- 行缓存补充列存储
BE参数配置示例:
disable_storage_row_cache = false
storage_page_cache_limit=40%
表参数配置示例:
enable_unique_key_merge_on_write = true
store_row_column = true
light_schema_change = true
标签计算优化
针对多表关联场景(通常涉及10+表),采用colocation group策略提升性能。
客户分组分析
分组流程:
- Doris接收服务SQL
- 执行计算
- 通过SELECT INTO OUTFILE将结果写入S3
性能对比:
- Impala:50秒
- Doris:10秒(提升4倍)
逆向分析能力:
- 使用BITMAP函数快速定位客户所属分组
- BITMAP_OR、BITMAP_INTERSECT和BITMAP_XOR实现交叉分析
总结与展望
从CDP 1.0到2.0的升级带来了显著收益:
- 架构简化:单一系统替代多组件
- 效率提升:数据处理速度提高4倍
- 成本降低:减少冗余存储和传输
未来CDP 3.0规划:
- 结合实时和离线标签进行更灵活的分组分析
- 探索更多实时分析场景
Apache Doris作为统一数据仓库解决方案,在打破数据孤岛、提升分析效率方面展现了强大能力,特别适合保险行业这类数据规模大、分析需求复杂的场景。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp课程视频测验中的Tab键导航问题解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511