Databend x 沉浸式翻译 | 基于 Databend Cloud 构建高效低成本的业务数据分析体系

「沉浸式翻译」是一个非常流行的双语对照网页翻译扩展工具，用户可以用它来即时翻译外文网页、PDF 文档、ePub 电子书、字幕等。它不仅可以实现原文加译文实时双语对照显示，还支持 Google、OpenAI、DeepL、微软、Gemini、Claude 等数十家翻译平台服务的自定义设置，在网络上好评如潮。

随着用户量持续增长，其运营和产品团队希望在尊重用户隐私的前提下，通过业务数据为业务增长研究提供决策依据。

业务挑战

业务数据埋点指标是数据仓库中不可或缺的重要数据源之一，同时也是企业最宝贵的资产之一。通常情况下，业务数据分析包含两大数据源：业务数据分析日志和上游关系型数据库（如 MySQL）。基于这些数据，企业可以进行用户增长分析、业务数据研究，甚至通过业务数据分析精准排查用户问题。

业务数据分析的特点决定了要构建一套可扩展、灵活且低成本的分析架构并非易事，具体表现在以下几个方面：

1. 高流量和大容量：业务数据的产生量非常大，对存储和分析能力要求高；

2. 兼顾多种分析需求：既需支持 BI 报表的静态展示，也需满足灵活的 Adhoc 查询；

3. 多样化数据格式：业务数据通常包含结构化数据与半结构化数据（如 JSON）；

4. 实时性要求：需要对业务数据快速响应，实现及时反馈。

由于这些复杂性，「沉浸式翻译」背后的团队早期选择了通用埋点系统（Google Analytics）作为业务数据分析工具。这种系统只需在网站中插入 JSON 代码，或在 APP 中嵌入 SDK，即可自动采集并上传埋点数据，生成访问量、停留时间、转化漏斗等指标。

然而，通用埋点系统虽然简单易用，但在实际使用中也存在着一些不足：

1. 数据明细的缺失。通用埋点系统往往不会提供用户具体的访问明细日志，只能在 UI 中查询预设的报表；

2. 自定义查询能力不足。通用埋点系统的查询模式并非标准 SQL 查询接口，当数据科学家希望构建复杂的 adhoc 查询时，由于缺少 SQL 能