查找商务智能数据处理的最佳实践

Question

我正在一个管理人力资源的系统中工作，它具有BI（商务智能）部分，用于从主系统收集和处理数据，然后将处理后的数据可视化为图表，表格等。

例如，我们希望查看[年龄在18-38之间的人]年龄（在轴1中）和他们的月薪（在轴2中）[在整个薪水范围中]之间的关系。聚合值正在亲自计数。还有一个名为“过滤器”的附加步骤，用于仅在组织A中过滤结果。

预期结果是这样的：

                 Age_18<28   Age_28<38 Age_38<48
Salary_<1000         12          25       45
Salary_1000<5000     12          10       2
Salary_>5000         1           1        2

当前处理步骤如下：

1. 搜索轴1：搜索组织A中所有年龄段[18-38]的人
2. 搜索axis2：搜索组织A中的所有人员
3. 合并轴1和轴2的结果
4. 按每种条件计算人数，例如，年龄为18岁<28岁且工资为<1000岁的人数为12，依此类推。
5. 转换为json响应

由于要处理的案件很多，因此逻辑维护起来很复杂。所有步骤均如上所述手动处理。

所以，我只是想知道这是否是一个普遍的问题，并且应该以一种通用的方式来处理，例如设计模式，算法，库，Java或特定的概念来处理我以前从未知道过的事情。] >

目标：-使代码更简单，可读性和可维护性-易于扩展，即添加新案例

我要尝试的是：-应用责任链+策略模式-只是想知道Apache Kafka是否是正确的方法

注意：以上只是一个非常简单的情况，它可能在一个轴上包含多个项目，并带有一些附加条件

我正在一个管理人力资源的系统中工作，它具有BI（商务智能）部分，用于从主系统收集和处理数据，然后将处理后的数据可视化为图表，表格等。]]

Answer 1

想到此的一种方法是，您正在3 x 3频率表中累积计数。

1. 写一个简单的方法将薪水映射到索引，如下所示：