商业挑战
一些恶意用户利用信用卡或其他漏洞刷单（充值），系统需要查询各种日志（如登录日志、充值日志等）。
随着业务的快速发展和用户行为日志的快速增长，需要从海量点击流日志和激活日志中挖掘数据价值3D场景，如广告转化率、激活率、用户单次安装成本等.
最初游戏开发 数据库，Greenplum 用于实时计算和统计分析。 但是，Greenplum存在以下缺陷，难以应对业务的快速发展：
1）Greenplum架构难以应对日益复杂的计算任务；
2）Greenplum的单表分区数量有限，多级分区支持不够友好。 不适用于单表数据量大，需要永久保存的日志。 如果单个分区表的数据量比较大游戏图片素材，查询性能不能满足业务性能。 需要;
3）Greenplum扩展时，由于数据重新分配游戏开发 数据库，会变慢；
4）Greenplum不适合处理非结构化数据。
解决方案
客户选择云数据库Lindorm SQL（Phoenix）服务+数据湖Spark服务构建实时计算和数据仓库解决方案。
1）运营数据层：手游客户端、用户中心、广告监测、游戏服务器等产生的原始日志；
2）数据明细层：运营数据层使用Spark Streaming等进行数据去噪、去重、字段标准化，然后写入Lindorm SQL服务，或者直接使用JDBC写入数据；
3）数据汇总层：数据明细层的数据可以周期性（按天或按小时）ETL（如关联维表、过滤、聚合），然后写入数据汇总层。 数据聚合层中的数据用于后续的复杂分析；
4）应用数据层：直接对外提供数据查询服务（基于Lindorm SQL服务），支撑上层大数据风控、广告推荐、海量数据精细化运营； 数据聚合层中的数据经过处理后，将结果数据写入Lindorm SQL，对外提供查询服务。
客户价值
