事实表是数据仓库核心，用于记录可度量的业务事件，支持高性能查询与低成本存储。主要包含事务事实表（记录原子事件）、周期快照表（捕获状态）和累积快照表（追踪流程）。设计需遵循粒度统一、事实可加性、一致性等原则，提升扩展性与分析效率。

本资料全面介绍大数据处理技术架构，涵盖数据采集、同步、计算与服务全流程。内容包括Web/App端日志采集方案、数据同步工具DataX与TimeTunnel、离线与实时数仓架构、OneData方法论及元数据管理等核心内容，适用于构建企业级数据平台体系。

数据采集层数据源类型：业务系统（ERP、CRM）、日志、IoT设备、第三方API等。采集方式：数据缓冲与预处理：使用消息队列（如Kafka）作为缓冲区，应对数据流量峰值。数据存储层数据湖（Data Lake） ：存储原始数据（结构化、半结构化、非结构化），支持低成本、高扩展性（HDFS、阿里云OSS）。数据仓库（Data Warehouse） ：存储清洗后的结构化数据，面向主题建模（Hive、Cl

系统运行时生成的文本记录，包含时间戳、事件描述和上下文信息。

Apache Iceberg 是新一代数据湖表格式，旨在解决传统数据湖（如 Hive）在事务性、并发控制和元数据管理上的不足。它支持 Spark、Flink、Trino 等多种计算引擎，提供 ACID 事务、模式演化、分区演化等核心特性，具备良好的云存储兼容性和高性能查询能力，适用于大规模结构化数据分析场景。

DispatcherServlet 是 Spring MVC 的核心组件，负责请求的分发与处理。其初始化阶段包括加载 WebApplicationContext、配置策略组件（如 HandlerMapping、HandlerAdapter、ViewResolver 等）。请求处理时，通过 HandlerMapping 匹配处理器，HandlerAdapter 执行具体逻辑，并由 ViewResol

数据采集层数据源类型：业务系统（ERP、CRM）、日志、IoT设备、第三方API等。采集方式：数据缓冲与预处理：使用消息队列（如Kafka）作为缓冲区，应对数据流量峰值。数据存储层数据湖（Data Lake） ：存储原始数据（结构化、半结构化、非结构化），支持低成本、高扩展性（HDFS、阿里云OSS）。数据仓库（Data Warehouse） ：存储清洗后的结构化数据，面向主题建模（Hive、Cl