ReOrc docs
Get ReOrc
简体中文
简体中文
  • 欢迎使用 Reorc
  • 设置与部署
    • 设置组织
    • 安装 Reorc-agent
  • 快速开始
    • 1. 添加连接源
    • 2. 创建项目
    • 3. 创建数据模型
    • 4. 验证数据处理流程
    • 5. 创建数据管道和调度任务
  • 连接
    • 目标数据库
    • 项目连接管理
  • 数据建模
    • 概述
    • 数据源
    • 模型
      • 宏
      • 物化
      • 模型配置
    • 字段列表
    • 数据血缘
    • 数据库特定配置
      • SelectDB(Doris)
  • 语义层建模
    • 概述
    • 语义层模型 (Cube)
      • 自定义维度
      • 自定义指标
        • 聚合计算函数
    • 语义层视图 (View)
    • 模型关系 (Relationship)
    • BI 接入方式
  • 数据摄入
    • 概述
    • 连接源类型
      • 从数据库获取数据
      • MySQL
      • SelectDB(Doris)
    • 数据转换(Transform)
  • 数据管道
    • 概述
    • 建模管道
    • 任务调度
  • 进阶用法
    • Jinja 模板
    • 变量
      • 系统内置变量
      • 项目内自定义变量
  • 健康监测
    • 数据管道健康
  • 资产管理
    • 元数据
    • 版本历史
    • dbt 包和项目依赖
  • 数据服务
    • 概述
    • 创建和编辑
    • 数据预览和下载
    • 权限管理
    • 开放 API
  • 数据安全
    • 数据脱敏
  • 设置
    • 组织设置
    • 项目设置
    • 个人设置
    • 角色和权限设置
Powered by GitBook
On this page
  • 什么是 Reorc?
  • 核心模块

欢迎使用 Reorc

什么是 Reorc?

Reorc 是一个统一的数据平台,旨在提供无缝的分析体验和高质量的大规模数据处理。它涵盖数据生命周期的各个阶段,帮助数据从业者高效构建和维护强大的数据转化管道。

核心模块

作为一体化的数据解决方案,Reorc 包括以下关键模块:

  • 数据摄取(Data ingestion):Reorc 提供多种内置连接器,轻松将数据从不同源加载到统一目标。您还可以自定义连接器,调整数据摄取方案。

  • 数据建模(Data modeling):Reorc 支持使用 SQL 和 Python 模型进行数据转化(ETL),遵循最佳实践,并提供版本控制和数据血缘追踪功能,确保数据的透明性和一致性。

  • 语义层建模(Semantic modeling):Reorc 的语义层可构建统一、易于理解的业务数据指标,如关键指标及其相互关系。用户可以基于语义模型进行查询,辅助决策。

  • 数据编排(Data orchestration):通过一站式构建端到端数据管道,涵盖数据接入、转化和业务分析指标,配备开箱即用的操作符和直观可视化图表。

  • 质量控制(Quality control):Reorc 在设计时就注重数据质量控制,对所有资产应用测试和质量检查,确保数据符合预定标准。

Reorc 结合了现代数据架构的创新,帮助数据从业者解决以下关键问题:

  • 数据管道复杂:随着数据量和复杂度的增加,ETL 流程、模型和工具变得日益复杂,缺乏集中管理系统让这些组件的协调变得困难。

  • 治理不足:控制权分散在多个工具和用户间,难以实施一致、安全、合规的数据管理。

  • 缺乏数据可观测性:没有统一的数据流视图,资产管理、血缘追踪、质量监控受限,当出现数据问题时,排查困难。

  • 知识孤岛:团队成员在不同的工具上工作,知识形成孤岛,影响协作与跨部门沟通,数据解决方案低效。

Next设置与部署

Last updated 3 months ago