没买阿里OneData，自己怎么搭一套指标平台MVP？

"我们公司没买阿里OneData/网易EasyData/字节DataFinder，能不能自己做一套？"——这是中小公司技术Leader面试时最爱问的题。这道题考的不是工具，而是你对指标平台核心能力的拆解。我在某元宇宙社交App从0搭过指标平台MVP，3个月上线、覆盖80%核心场景、团队投入1.5个研发——下面把这套方案拆给你看。能给出MVP+演进路线，就是Tech Lead的答题能力。

业务场景：元宇宙社交App的MVP搭建过程

我接手元宇宙社交App的数据平台时，公司ARR才千万级别，没钱买商业产品。但散在各处的指标已经3000+，急需治理。我用2周时间出了一份《指标平台MVP方案》，得到CEO批准后3个月上线了V1。

整体技术栈：MySQL（元数据）+ Spring Boot（API）+ Vue（前端）+ Python（SQL Generator）+ Airflow（调度）。总计1.5个研发投入（我兼半个，加一个全职后端、一个前端外包），3个月跑通核心闭环。

模块一：指标字典 - 元数据存储

最小可用元数据模型，3张表搞定：

-- 1. 主表：指标基本信息
CREATE TABLE metric (
  metric_id       VARCHAR(64) PRIMARY KEY,
  metric_name_cn  VARCHAR(128) NOT NULL,
  metric_name_en  VARCHAR(128) NOT NULL,
  metric_type     ENUM('atomic','derived','composite'),
  business_domain VARCHAR(64),
  formula         TEXT,
  source_table    VARCHAR(128),
  filter_logic    TEXT,
  owner_data      VARCHAR(64),
  owner_business  VARCHAR(64),
  status          ENUM('draft','published','deprecated'),
  version         INT,
  create_time     DATETIME,
  update_time     DATETIME
);
 
-- 2. 维度表
CREATE TABLE dimension (
  dim_id        VARCHAR(64) PRIMARY KEY,
  dim_name_cn   VARCHAR(128),
  dim_name_en   VARCHAR(128),
  source_table  VARCHAR(128),
  source_field  VARCHAR(64)
);
 
-- 3. 指标-维度关联表（多对多）
CREATE TABLE metric_dim_rel (
  metric_id  VARCHAR(64),
  dim_id     VARCHAR(64),
  is_default BOOLEAN,    -- 是否默认切片
  PRIMARY KEY (metric_id, dim_id)
);

3张表已经够覆盖80%场景。版本管理用version字段+update_time双字段（同metric_id多版本）。

模块二：SQL生成器 - 核心引擎

SQL Generator接收"指标ID + 维度列表 + 时间范围 + 过滤条件"，输出可执行SQL。Python实现伪代码：

def generate_sql(metric_id, dimensions, time_range, filters=None):
    # 1. 从字典读元数据
    metric = metric_dao.get(metric_id)
    dim_metas = [dim_dao.get(d) for d in dimensions]
    
    # 2. 构建SELECT
    select_clauses = [f'{d.source_field} AS {d.dim_name_en}' for d in dim_metas]
    select_clauses.append(f'{metric.formula} AS {metric.metric_name_en}')
    
    # 3. 构建FROM（智能选择物化层）
    table = choose_best_table(metric, dim_metas, time_range)
    # 优先选预聚合表，再选DWS主表，最后才是DWD
    
    # 4. 构建WHERE
    where = [
        f"dt BETWEEN '{time_range.start}' AND '{time_range.end}'",
        metric.filter_logic,                      # 字典里的过滤
    ]
    if filters:
        where.extend([build_filter(f) for f in filters])  # 用户自定义
    
    # 5. 构建GROUP BY
    group_by = [d.source_field for d in dim_metas]
    
    sql = f"""
    SELECT {', '.join(select_clauses)}
    FROM {table}
    WHERE {' AND '.join(where)}
    GROUP BY {', '.join(group_by)}
    """
    return sql