主要观点：实时分析曾是科技巨头和超大规模初创企业的专属，如今已变得重要，构建实时数据管道比传统方式更复杂，需谨慎决策架构。
关键信息：

• 实时分析在各行业的应用案例，如欺诈检测、供应链、用户行为等，实时系统虽复杂但能带来优势。
• 基本的实时管道架构包括数据源、摄取层、流处理、存储和服务层等。
• 介绍一个成功的实时分析堆栈，包括各层使用的工具。
• 从实践中得出的关键教训，如并非每个用例都需要 Kafka、流连接困难、SQL 的优势、存储分层及监控的重要性等。
  重要细节：
• Kafka 强大但并非每个项目都适用，如管理复杂、开销大等，还有多种托管替代方案，且与 Kinesis 等在各方面有不同表现。
• 流连接处理实时流时会遇到数据延迟等难题，需谨慎处理。
• 用 SQL 写实时逻辑更高效，可读性强、调试容易。
• 存储要分冷存储（S3 用于原始日志）和热存储（Druid/ClickHouse 用于处理后的聚合）。
• 监控实时管道的关键指标，包括数据摄取、流处理、系统健康、数据质量和警报等方面。
• 总结实时分析虽强大但技术栈需谨慎选择，Kafka 不一定总是必要，大型服务更适合某些场景，要简单开始、注重可观测性和保留重播机制。