什么场景适合使用集算器来充当前端计算引擎？

一套分布式数据仓库，历史数据逐步装进了仓库，然后，基于数据仓库构建了 BI 系统（主要是多维分析）。刚开始，一切都顺利，但随着时间推移，基于中央数据仓库的应用越来越多，几年下来积累了数十个应用。这些应用都需要依赖数据仓库计算，导致中央数据仓库的负担越来越重，BI 系统的响应开始变得迟钝起来。对于交互性很强的多维分析业务来讲，这是很难容忍的。频繁访问的近期数据量不大，单台服务器已经足够存储，不必采用复杂的分布式体系；集算器的组表提供了列存压缩方案，可以提供高性能的遍历统计运算；集算器提供了简单 SQL 接口，可以直接和 BI 系统对接；上面这些都是常规数据库也能提供的，只是集算器更轻量级一些（它甚至可以直接嵌入到 BI 应用中工作）。
关键的是，集算器提供了开放的计算能力，程序员可以拿到 SQL 语句后用 SPL 分拆其中 WHERE 子句中的时间段参数，识别出该查询涉及的数据范围是哪些。如果只用到本地数据，则由集算器实施计算；如果还涉及更远期的历史数据，则仍将查询发给中央数据仓库完成计算，过程还可以用 SPL 将 SQL 语句翻译成数据仓库接受的语法，完美地实现了可编程的数据网关功能。
这样，前端 BI 系统几乎不用做修改就可以实现后台数据的冷热分离。由于绝大多数频繁访问被集算器接管，要继续转给中央数据仓库的查询请求变得非常少，整体运算性能会有大幅度提高，前端交互响应变得很顺畅。
这是个真实的案例（有个别特征进行了整理以突出典型性）。不过，这里的性能优化并没有涉及到 SPL 的算法优势，主要是应用结构方面的调整。实现这个方案，是不是采用了集算器这个产品并不重要，我们一直提倡的、要把计算从数据库中解放出来的理念才是关键的。开放的计算本身就是一个重要能力，而不是一定要和数据库绑在一起，数据计算需要自己的中间件。