具体查询Demo如下所示，我们通过学生的基础信息Join各种练习信息，对学生数据进行补齐。

• 数据同步

原来我们使用ES的时候，由于很多表没有数据写入时间，数据分析师需要每天扫全表导出全量数据到Hive，这对我们的集群有很大压力，并且也会导致数据延迟上升，我们在引入了Doris后，对所有数仓表都添加 eventStamp, updateStamp, deleted这三个字段。

1. eventStamp：事件发生时间
2. updateStamp：Doris数据更新时间，在Routine Load中生成
3. deleted：数据是否删除，由于我们很多实时数仓需要定时同步到离线数仓，所以数据需要采取软删除的模式

数据对下游同步时可以灵活的选择eventStamp或者updateStamp进行增量同步。数据同步我们采用了多种方式，通过Hive表名后缀来决定不同同步场景：

1. _f：每天/每小时全量同步，基于Doris Export全量导出
2. _i：每天/每小时增量同步，基于Doris Export按分区导出/网易易数扫表导出
3. _d：每天镜像同步，基于Doris Export全量导出

• 指标域划分/数据分层

将Elasticsearch中的数据进行整理并结合后续的业务场景，我们划分出了如下四个指标域：

根据上面的指标域，我们基于星型模型开始构建实时数仓，在Doris中构建了20余张数仓底表以及10余张维表，通过网易易数构建了完整的指标系统。