帮助很多同学掌握了金融数仓项目的整体建设思路，但在真实企业中，仅有离线数仓其实远远不够，因为金融业务天然对实时性有极高要求。
例如：
- 当一个用户发起贷款申请时，风控系统需要在几百毫秒内完成风险评估；
- 当放款量突然下降时，运营团队希望几分钟内发现问题；
- 当某个地区逾期率异常上升时，风控团队需要第一时间收到预警。
这些场景都无法依赖传统的 T+1 离线数仓完成。
因此，大多数金融公司都会在离线数仓之外，再建设一套实时数仓体系。
本次发布的项目是《企业级项目五：金融信贷实时数仓建设》，项目从业务建模、实时链路设计、数仓分层建设到指标体系搭建，完整还原真实企业中的建设过程。
为什么要建设实时数仓
当前信贷业务的风控决策、运营监控等核心链路主要依赖离线数仓（T+1），存在以下痛点：
- 风控时效不足：风控引擎所需的衍生特征（如近 N 分钟申请频次、实时在贷余额）无法秒级获取，影响授信以及用信的决策质量
- 运营监控滞后：授信通过率、放款量、回款量、还款成功率等核心经营指标只能次日查看，无法实时响应业务异常
- 资产质量感知延迟：逾期率、迁徙率等风险指标 T+1 才能产出，风险暴露发现不及时
业务流程
整体架构
实时链路设计
数仓分层架构
涉及到的技术栈
| 功能 | 技术 | 版本 | 说明 |
|---|---|---|---|
| 业务存储 | MySQL | 8.x | 业务核心库 + 维度表（产品/渠道/客户） |
| CDC 采集 | Flink CDC | 3.x | 直接读 MySQL binlog |
| 消息队列 | Apache Kafka | 3.x | ODS/DWD/DWS层数据流转，7 天 TTL |
| 流计算 | Apache Flink | 1.18+ | 核心计算引擎 |
| 资源调度 | YARN | 3.x | Flink 作业资源管理 |
| 基础存储 | HDFS | 3.x | YARN 依赖 + Flink checkpoint |
| 实时分析 | Apache Doris | 4.x | ADS层 持久化与分析查询 |
| 特征存储 | Redis | 7.x | 风控特征秒级在线读取 |
| 作业管理 | StreamPark | 2.x | Flink 作业开发、部署、状态监控 |
| 调度编排 | DolphinScheduler | 3.x | 离线对账作业调度 + 告警通知（暂时不用） |
| 数据可视化 | Apache Superset | 3.x | 连接 Doris，展示监控看板 |
五大项目亮点
亮点1：完整信贷业务链路
亮点2：实时指标体系建设
亮点3：特征工程实时化
亮点4：Redis实时特征存储
亮点5：企业级性能优化
- 高吞吐维表 JOIN 优化
- Redis 多时效特征存储
- 实时链路背压与延迟治理
实时看板效果图
项目完整目录
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～