设计思路
我们在之前通过分流等手段，把数据分拆成了独立的 kafka topic。那么接下来如何处理数据，就要思考一下我们到底要通过实时计算出哪些指标项。
因为实时计算与离线不同，实时计算的开发和运维成本都是非常高的，要结合实际情况考虑是否有必要象离线数仓一样，建一个大而全的中间层。
如果没有必要大而全，这时候就需要大体规划一下要实时计算出的指标需求了。把这些指标以主题宽表的形式输出就是我们的 DWS 层
当然实际需求还会有更多，这里主要以为可视化大屏为目的进行实时计算的处理。
DWM
对于部分数据对象进行进一步加工，比如独立访问、跳出行为，也可以和维度进行关联，形成宽表，依旧是明细数据。
DWM 层的定位是什么，DWM 层主要服务 DWS，因为部分需求直接从 DWD 层到DWS 层中间会有一定的计算量，而且这部分计算的结果很有可能被多个 DWS 层主题复用，所以部分 DWD 成会形成一层 DWM，我们这里主要涉及业务
➢ 访问 UV 计算
➢ 跳出明细计算
➢ 订单宽表
➢ 支付宽表
第2章 DWM 层-访客 UV 计算
2.1 需求分析与思路
第6章 总结
DWM 层部分的代码主要的责任，是通过计算把一种明细转变为另一种明细以应对后续
的统计。学完本阶段内容要求掌握
➢ 学会利用状态（state）进行去重操作。（需求：UV 计算）
➢ 学会利用 CEP 可以针对一组数据进行筛选判断。需求：跳出行为计算
➢ 学会使用 intervalJoin 处理流 join
➢ 学会处理维度关联，并通过缓存和异步查询对其进行性能优化。