注：转载于百度-百家号-人人都是产品经理
“”在后端数据量大起来之后，大部分的工作都是在玩数据。就像一捧沙子，左手换到右手，右手指缝间分流而出，再由另一双手接住。所以作为产品经理，不不仅要知道数据从哪来，还要理清楚获取数据之后的运算逻辑，异常规则，以及异常情况，数据日志等等“”
一、跨服务器数据传输
（1）公司的后端数据之所以在不同的数据库上，本质是为了解耦数据，提高单个数据库的运算速度。多个子系统之间的交互，其本质就是数据传输。
数据传输的方式：MQ（队列）、HTTP接口，otter，爬取，导入
（2）MQ适用于公司内部，数据量大，规律性强，批量往来的数据。一般的配置是一方推出增量数据，另一方被动消费，像排队一样，不用设定频率。
（3）http接口是最常用的。加interface，也叫做protocol。
如果数据源是一缸水，那么接口就像是凿了一个口。所有接口必须是在数据源这边，由数据放定义接口。
接口规则就像过滤器一样，设定推送前的筛选。转化等运算规则、这就是接口的核心内容。
接口交互数据可以是主动推送，也可以是请求获取。
- 主动推送一般是数据生产法一旦更新，则触发推送，将所需字段对应值传递过去。
- 请求获取就是数据需求方传递请求参数（请求参数一般是一个条件或几个条件）数据生产方则按照协议响应，给出满足条件的数据到请求方（也就是返回参数）
（4）接口定义是开发的事情，但是产品需要确定出范围：
接口定义的规则是什么？传参合返回参数是什么？重复传参时是跳过还是再次获取（一般是再次获取）?必传参数是什么？是否回传接收结果给数据生产方？
（5）确保接口获取的数据及时
除了生产数据需要及时向下游推送之外，还有基础数据的更新也需要及时给下游同步，有时要做到同时。
方法是两种：触发式和定时脚本
1、触发式就是一旦一个参数值满足条件则触发。
2、脚本式一般用在请求获取数据的时候。因为不知道数据源商贸时候更新，所以一般用定时脚本执行请求任务。
请求的频率需要与更新的频率相协调，比如：每次取6小时内更新的数据。每2小时取一次，则不会有问题。但是若每天取一次就会有漏掉，也就是取数据的频率要高于更新频率。
（6）数据量大的时候，可以用otter：
- 方案1：直接请求对方的接口：数据多的时候请求就多，会占资源。
- 方案2：为保证数据本身及时，otter是最好的，也就是库对库的传输。
otter方法：
1.数据全在一个表中。
2.本地库建一个相同的表。
（7）爬取数据
一些第三方公司为了保密，会把文件存在网盘或网页上，比如：第三方支付公司与协议公司约定好账号密码，登录到SFTP筛选出需要的数据然后解析后保存到本地，这也实现了一个服务器之间的转移。
（8）导入：数据量大的，且有规则数据也可以通过导入的方式。
文档一般用csv格式，文件较小，兼容性好，然后需要定义好excel表格对于字段的关系即可。上传时需要对文件检验，检验出错就全部不予导入。
（9）爬取第三方数据防止丢包机制
案例：到SFTP服务器抓取并解析字段，写入数据表。
方案：
1.断抓补抓：例如，4号抓修改时间为3号的数据。5号断抓，则6号抓取4,5号的数据。7号抓取6号的数据。
2.抓空补抓：网关的每次抓取若抓空（获取的数据为0）则下次继续抓。直到3次都未取到，则不再补救。
二、数据写入
（1）先落地到中间表
如果获取后还要在本地进行规制运算，则最好先落地到中间表，再由中间表写入最终表。比如：从A系统获取的数据取到B系统，要进行分拣后再写入B表。那么最好先落地到B系统的中间表，然后再由中间表写入目标表。
好处是，正向数据：可以异步处理，A---->中间表---->最终表，互不影响。
逆向数据：一旦数据异常，则方便追溯原因。
（2）去重规则：设置去重规则，以便再重复获取数据时更新、插入或者跳过
注意去重规则一旦改变，则需要考虑到历史数据对新数据的影响，因为二者的判重维度不一样，可能会交叉。
（3）数据日志：目的是记录数据的来龙去脉，追溯分析bug
（4）单进程锁
脚本执行的频率的时候，为了保证数据是按照单进程执行，不交叠，就要设置单进程锁。比如：一小时一次，8点没执行9点就不要执行。
另外在跑数据的规则上面，不要设置8点跑->更新时间是7点的数据，一旦小故障，就容易漏取。正确的要么是更新时间为之前的很长一段时间，要么就以状态来判定。
比如：A系统维护了用户基础信息（其中有个状态为是否启用），B系统取用，但不做数据维护，只用启用状态的能用，那么是否只取启用状态的到B，还是两者状态都取。
答案是：在数据量差异不大的情况下，取全量
原因之一：若启用状态的用户忽然被A系统禁用，那么可能该用户在B系统的生成数据报错，这时候到中间表看状态就可以看出问题，而不需要跨系统或跨部门沟通查询。