[toc]
实时数仓 vs 离线数仓 最全对比 + 面试背诵版
一、核心一句话区别
离线数仓：T+1 / 小时级，批量调度、跑历史数据，用于报表、复盘、画像；
实时数仓：秒 / 分钟级，CDC 增量流式处理，用于大屏、实时指标、实时风控。
二、整体架构对比
离线数仓
- 数据源：MySQL 定时全量 / 增量、日志归档
- 采集工具：DataX、Sqoop、定时调度
- 计算引擎：Hive、Spark
- 存储：HDFS、Hive、Hudi
- 调度：Airflow、Azkaban、DataWorks
- 延迟：小时级 / T+1
实时数仓
- 数据源：MySQL Binlog、实时业务日志
- 采集工具：Flink CDC、Canal
- 缓冲：Kafka
- 计算引擎：Flink
- 存储：Doris、ClickHouse、Hudi、Paimon
- 延迟：秒级～分钟级
三、分层对比（都用 ODS/DWD/DWS/ADS）
离线数仓分层
- ODS：定时批量导入全量 / 增量
- DWD：Spark/Hive 清洗明细
- DWS：离线聚合宽表
- ADS：离线报表、用户标签
实时数仓分层
- ODS：CDC 实时增量进 Kafka
- DWD：Flink 实时清洗、维度关联
- DWS：Flink 窗口实时聚合
- ADS：Doris/ClickHouse 对外实时查询
四、关键维度对比表（直接背）
| 维度 | 离线数仓 | 实时数仓 |
|---|---|---|
| 延迟 | 小时级、T+1 | 秒 / 分钟级 |
| 数据方式 | 批量全量 / 定时增量 | CDC 实时增量 |
| 核心引擎 | Hive、Spark | Flink、Kafka |
| 存储介质 | HDFS、Hive | Kafka、Doris、ClickHouse |
| 数据新鲜度 | 低 | 高 |
| 计算模式 | 批处理 | 流处理 |
| 资源开销 | 低、夜间调度 | 常驻集群、资源一直占用 |
| 业务场景 | 日报、月报、复盘、画像、离线 BI | 实时大屏、实时风控、实时订单、实时推荐 |
| 数据精度 | 高、可反复重跑修正 | 准实时、轻微迟到容忍 |
| 运维难度 | 简单、成熟 | 稍复杂、要调优状态 / 反压 / 倾斜 |
五、开发方式区别
离线
写 Hive/Spark SQL，定时调度，跑批、重跑方便，逻辑简单稳定。
实时
Flink SQL + CDC + Kafka，要考虑：
水位线、迟到数据、状态管理、数据倾斜、反压、Exactly-Once、幂等去重。
六、优缺点总结
离线数仓优点
- 技术成熟、稳定、易运维
- 可反复重跑、数据精准
- 资源利用率高，夜间跑批不抢占白天业务
离线缺点
- 数据延迟大，不能实时看业务
实时数仓优点
- 数据秒级新鲜，支撑实时决策
- 增量 CDC 同步，不用全量拉表
- 流式处理，适合高并发流量
实时缺点
- 引擎复杂、调优成本高
- 常驻任务，资源占用多
- 要处理乱序、迟到、状态膨胀等问题
七、面试标准口述（直接背）
离线数仓以 Hive+Spark 为核心，采用定时批量抽取、T+1 或小时级调度，适合日报月报、用户画像、业务复盘，数据精准可重跑；
实时数仓基于 Flink+Kafka+CDC 架构，通过监听 MySQL Binlog 做增量同步，秒级延迟，分层实时加工，落地到 Doris/ClickHouse，支撑实时大屏、风控、订单实时指标；
现在企业主流都是离线 + 实时双仓架构，实时看当下、离线做复盘和校准。
八、双仓统一趋势（湖仓一体）
用 Hudi/Paimon 做数据湖，一套数据支持：
-
Flink 实时消费
-
Spark 离线分析
实现 流批一体、实时离线统一。