主要功能
-
运行标准SQL
使用JDBC和SDK等接口运行标准ANSI SQL 2003，无需关心具体SQL引擎的部署和运维，就能基于海量数据进行分析。
-
Serverless Spark
基于Apache Spark生态，提供Spark Streaming、Spark Batch等Spark全栈能力，能够基于Spark API轻松完成TB~EB级数据处理分析
-
企业级多租户
支持计算资源按租户隔离，保障作业SLA；支持数据权限控制到表/列，帮助企业实现部门间数据共享和权限管理
-
SQL on AI
将对图片、视频、语言的处理分析能力嵌入在SQL里，提供结构化与非结构化数据的融合分析能力
-
异构数据源联邦分析
支持多种数据格式（ CSV、JSON、Parquet、ORC、CarbonData等），云上多种数据源（OBS、DWS、CloudTable、RDS等），数据无需搬迁，即可实现对云上多个数据源进行联邦分析，帮助企业快速完成业务创新和数据价值探索。
-
无限扩展
存储和计算资源自动弹性扩容，可自如面对流量、数据等的突增。用户不感知，无需关心资源是否够用。
-
海量日志分析
-
异构数据源联邦分析
-
大数据ETL处理
游戏运营数据分析
游戏公司不同部门日常通过游戏数据分析平台，分析每日新增日志获取所需指标，通过数据来辅助决策。例如：运营部门通过平台获取新增玩家、活跃玩家、留存率、流失率、付费率等，了解游戏当前状态及后续响应活动措施；投放部门通过平台获取新增玩家、活跃玩家的渠道来源，来决定下一周期重点投放哪些平台
优势
高效的Spark编程模型
使用Spark Streaming直接从DIS中获取数据，进行数据清理等预处理操作。只需编写处理逻辑，无需关心多线程模型
简单易用
直接使用标准SQL编写指标分析逻辑，无需关注背后复杂的分布式计算平台
按需计费
日志分析按实效性要求按周期进行调度，每次调度之间存在大量空闲期。DLI按需计费只在使用期间收费，成本较独占集群降低50%以上
车企数字化服务转型
面临市场新的竞争压力及出行服务不断变革，车企通过构建车联云平台和车机OS，将互联网应用与用车场景打通，完成车企数字化服务转型，从而为车主提供更好的智联出行体验，增加车企竞争力，促进销量增长。例如：通过对车辆日常指标数据（电池、发动机，轮胎胎压、安全气囊等健康状态）的采集和分析，及时将维保建议回馈给车主
优势
多源数据分析免搬迁
关系型数据库RDS中存放车辆和车主基本信息，表格存储CloudTable中存放实时的车辆位置和健康状态信息，数据仓库DWS中存放周期性统计的指标。通过DLI无需数据搬迁，对多数据源进行联邦分析
数据分级存储
车企需要保留全量历史数据支撑审计类等业务，低频进行访问。温冷数据存放在低成本的对象存储服务OBS上，高频访问的热数据存放在数据引擎（CloudTable和DWS）中，降低整体存储成本
告警快速敏捷触发服务器弹性伸缩
对CPU、内存、硬盘空间和带宽无特殊要求
地理大数据分析
地理大数据具有大数据的相关特征，数据体量巨大，例如全球卫星遥感影像数据量达到PB级；数据种类多，有结构化的遥感影像栅格数据、矢量数据，非结构化的空间位置数据、三维建模数据；在大体量的地理大数据中，通过高效的挖掘工具或者挖掘方法实现价值提炼，是用户非常关注的话题
优势
灵活探索
支持全栈Spark能力，具备丰富的Spark空间数据分析算法算子，全面支持结构化的遥感影像数据、非结构化的三维建模、激光点云等巨量数据的离线批处理，支持带有位置属性的动态流数据实时计算处理
大数据ETL
具备TB~EB级遥感影像数据治理能力，能快速将海量遥感影像数据接入上云，快速完成影像数据切片处理，为分布式批处理计算提供弹性分布式数据集
