在实时数据系统建设初期，由于对实时数据的需求较少，形成不了完整的数据体系。我们采用的是“一路到底”的开发模式：通过在实时计算平台上部署 JStorm 作业处理实时数据队列来提取数据指标，直接推送到实时应用的业务库。但是，随着产品和业务人员对实时数据需求的不断增多，新的挑战也随之发生。1. 数据指标越来越多，“烟囱式”的开发导致代码耦合问题严重。2. 需求越来越多，有的需要明细数据，有的需要 OLAP 分析。单一的开发模式难以应付多种需求。为解决以上问题，我们根据生产离线数据的经验，选择使用分层设计方案来建设实时数据仓库。1、实时数仓分层方案设计2、redis、hbase指标池维度数据整理重构3、JStorm任务改造迁移至Flink，druid任务改造迁移至Hologress4、搭建Hologress实时OLAP数据服务体系，开发定时数据回流任务调度系统5、提供统一指数据接口满足当天实时数据（Hologress）、历史数据（mysql、hive）以及实时+离线数据的取数需求，通过配置化上线，大大提高数据需求的上线效率6、SpringCloud应用服务层架构设计并推动业务改造上线