互联网金融的核心是客户，如何让业务线精准、个性化的服务于客户；技术得讲：如何在几亿条的数据，几万个字段中以毫秒级别筛选出有价值的数据，也就是同时要建几万个“索引”字段的数据库，是数据行业的一个难题；我们在开源和商业产品上面做了很多的对比，最后选定了 elasticsearch 作为数据引擎。实践后，效率真的让我们出乎意料，在数据导入上遇到了很多困难，我们经过很多优化，最后形成我们现在的客户指标系统，系统有 8 万多字段，可以任意查询。

如果能让几百个维度几万个度量值组合查询，做一个超级 Cube，一直是我们想解决的问题。当 ES 数据导入之后，我们进行了聚合查询测试，发现 elasticsearch 的多维聚合查询能力也是非常惊人，只要对维度控制的好，多维 sum，count，avg 等常用查询也都在 1s 以下，并发可以达到几百，原本我们选择 kylin 的解决方案，做了相应的转变。

指标系统为精准客户经营，多维统计分析解决了难题。而后在千人千面项目中，需要提供在线的客户标签的 API 接口，我们加入了 redis 缓存层，让并发和请求时间又提升了一个数量级（req time 10ms，req/sec 4000），给我们指标系统插上了翅膀。

本演讲主要介绍内容：

• 金融公司大数据架构介绍；
• 大数据核心计算调度介绍（指标系统支撑系统）；
• 指标系统数据规模和性能；
• 指标系统设计和技巧；
• 指标系统应用举例；
• 未来发展方向。