美图数据统计分析平台架构演进 当时我一个人，一天能够做四五个统计需求，而抽象后一天从了解需求开始到实现大概能做七八个统计需求，整体效率有不错的提升。
小结：
1、
一个有追求的程序员的话，可能不会甘于每天做重复的工作。因为在平时接触业务与实现过程中，深有体会统计业务逻辑的流程基本上是一致的，所以考虑抽象出这样一个相对通用的业务处理的流程，基本的流程是从数据源Query出数据，然后做一些业务方面的聚合或者过滤，最终把数据存储到DB。那在代码实现层面做了一层抽象，抽象一个统计的组件，包含Query、Aggregator以及DBStore，然后分别有一些不同Query和Store场景的实现。当做了一层这样的抽象以后，相比于前面的方案，生产力还是得到了比较大的提升。当时我一个人，一天能够做四五个统计需求，而抽象后一天从了解需求开始到实现大概能做七八个统计需求，整体效率有不错的提升。
2、
基于上面的痛点，我们来介绍一下我们是如何解决这些事情的。我们考虑去做一个平台，让业务在我们这个平台去使用，我们提供服务就好。图 4 是我们当时做平台化的大概思路，比如左边这个业务方有非常多的报表数据需求，也可能有App的数据场景、商业广告等的数据需求，我们希望能够提供这样的一个平台，业务的数据需求方在这个平台上面配置他们想要的数据指标，而这个平台负责数据的计算、存储，以及最终吐出相应的数据给数据应用方。
更进一步，在做这个平台时，我们可能需要考虑以下几个比较重要的点：第一，我们可能需要对统计任务有一个比较清晰的元数据描述，可以描述出这些统计任务的计算方式是什么样子，算子是什么。第二是这个统计任务的数据源来自于哪里，以及数据需要存储在什么地方更合适业务查询。第三个是需要有一个调度中心来统一调度所有统计任务的执行。第四要确保任务的最终的正确执行。
https://mp.weixin.qq.com/s/9j6HF1OM-f1dNzGnMzNshw
