1　用户通过Flume/DataX/Logstash等工具把日志数据、业务数据收集到UKafka中，UKafka中的数据可以给实时计算使用，或转存到HDFS、UES、HBase、UDW等存储系统中做离线分析和数据挖掘使用；
2 　实时计算可以通过UFlink、UHadoop中的Spark Streaming在UKafka实时读取数据，进行实时ETL、实时分析、实时训练；
3　离线计算可以通过Hive、Spark 、MapReduce进行数据清洗分析；
4　计算结果数据可以存储在UDW、HBase、UES、MySQL等存储系统中，以支撑个性化推荐、报表、风控、监控等业务使用。

解决方案

UES 基于开源分布式搜索和分析引擎 Elasticsearch 构建，提供开箱即用的分析能力。客户可以基于 UES 快速构建起 ELK 日志分析架构，即使用 Beats 作为日志采集器，采集各个服务器节点上的日志数据，经过 Logstash 解析、过滤后，汇集至 UES 集群存储，然后借助 Kibana 的可视化分析能力构建分析看板，高效的进行可视化日志分析工作。如果日志日志规模庞大，可以在上述架构中引入消息队列 UKafka，确保持续稳定的数据传输和处理。

解决方案

UFlink 基于开源流式计算引擎 Flink 构建，提供了完全托管的流式计算平台。客户可以将数据源不断产生的流式数据接入各类流式数据存储，如消息队列 UKafka，然后创建 UFlink 集群从 UKafka 中订阅流式数据。开发者将编写的业务处理代码提交至 UFlink 集群，即可借助其强大的流式计算能力对这些数据进行实时处理，计算结果可以推送到各类数据存储中，如数据仓库 UDW，以供业务应用或者进行进一步的处理。

解决方案

可以利用UHadoop/UDW快速的构建离线数仓，对海量数据进行分析和展示；利用Lafka+UFlink+UDW构建实时数仓，可以轻松的应对上百亿数据的实时分析平台；对当前的业务数据进行实时\准实时分析、挖掘，加快需求响应速度，能够让企业快速的感知市场的变化，加快决策与实施。

解决方案

MADlib提供了丰富的分析模型，包括回归分析，决策树，随机森林，贝叶斯分类，向量机，风险模型，KMEAN聚集，文本挖掘，数据校验等。通过UDW的MADlib扩展，用户可以在UDW数据库中方便的使用MADlib功能；利用UHadoop中Spark MLlib中的机器学习库，实现业务的预测分析、个性化推荐、异常检测等。