解决实时分析问题，通常有两种方法。一种是提前计算可能需要的各种指标，并在内存中缓存。当用户需要的时候快速查询返回。另一种是当用户需要的时候在线计算。DolphinDB采用第二种方法。根据需要的数据量大小以及对低延时的要求，DolphinDB提供了三个实时分析的解决方案：

（1） 数据仓库：利用内置的分布式文件系统，可将数据按多个字段分区，使其均匀的分布到多个节点上，经常引用的热点数据自动缓存在内存。因此，即便数据量级达到TB甚至PB级，选择一小部分数据进行简单的分析，可在毫秒级完成任务。数据仓库采用尾部扩展的列式存储方法，支持秒级批量数据入库。

（2） 内存数据库：与数据仓库不同，所有数据均在内存中，速度更快，一般只存储热点数据或近期数据。

（2） 流计算：根据输入的每个事件（每条记录）实时更新分析结果。流计算在内存中保留最少的数据量，具有最快的分析速度。

这三个实时分析解决方案在DolphinDB中可以配合使用。譬如通过流计算更新指标，这些指标一方面存储在内存数据库中，供前端业务系统快速查询，另一方面批量输出到数据仓库保存满足更为低频和更为复杂的分析。