企业官网建设流程全解析

每次刷新都是一次"全量重算"

你的数据管道里，有多少张表是这样工作的：

每隔一小时，把源表全量扫一遍，重新算一次聚合，覆盖写入目标表。

数据量 1TB，每次刷新就扫 1TB。数据增量只有 0.1%，计算成本却是 100%。

这不是个别现象，而是批处理 ETL 的常态。更麻烦的是，当你想把刷新频率从"每小时"压缩到"每分钟"，全量重算的代价会让整个链路直接撑不住。

两条路，都不好走

面对这个问题，通常有两条路：

路径一：引入流计算引擎。Flink 确实能做到秒级实时，但代价是重构整条链路——EventTime、Watermark、Window、状态后端，每一个概念都需要重新学习，现有的 SQL 资产几乎无法复用。

路径二：继续忍受批处理的延迟。业务数据"昨天的"，报表永远慢半拍。

但其实还有第三条路：增量计算——只处理变化的数据，用批处理的 SQL 语义，实现接近流计算的刷新频率。

问题在于，增量计算的正确实现并不简单。AI 编程助手"知道"增量计算的公式，但在实际生成代码时，往往会在关键细节上出错。

这些都正是Incremental Skills要解决的问题：我们发现，增量计算的核心原理是通用的，然而，这些知识长期分散在学术论文、系统文档和工程师经验中，缺乏系统性的整理。与此同时，AI 编程助手正在改变软件开发范式，但对增量计算的理解往往停留在理论层面，在实际生成代码时容易遗漏关键细节。我们希望借助这套完整的增量计算技能包，系统性地呈现增量计算的知识体系，让开发者都可以在不迁移数仓的前提下，以尽可能少的改动体验到增量计算的收益。

核心模型：Snapshot 与 Delta

增量计算的基础是两个原语：

• Snapshot(V)：版本 V 时刻的全量快照
• Delta(V1, V2)：两个版本之间的行级变化，每行携带 __weight 列（+1 表示插入，-1 表示删除，UPDATE = 旧行 -1 + 新行 +1）

__weight 是增量计算的核心。以聚合为例：

-- 全量聚合（扫全表） SELECT group_key, SUM(value) FROM snapshot GROUP BY group_key -- 增量聚合（依赖上次的聚合结果，处理增量数据） SELECT group_key, SUM(sum_res) FROM ( -- 旧状态：每个group key只保留1行 SELECT group_key, sum_res FROM state UNION ALL -- 新插入的增量数据 SELECT group_key, value * __weight FROM insert_delta ) GROUP BY group_key;

删除的行 __weight = -1，乘以 value 后贡献负值，自动从累计结果中扣除。这一行代码的差异，决定了增量计算是否正确。

场景一：电商大促实时销售看板

业务需求：大促期间，运营需要每分钟看到各品类的实时销售额和订单量，用于动态调整活动策略。

原始 SQL：

SELECT c.category_name, COUNT(o.order_id) AS order_count, SUM(o.amount) AS total_amount FROM orders o JOIN categories c ON o.category_id = c.id WHERE o.status = 'paid' GROUP BY c.category_name

这条 SQL 包含 JOIN + GROUP BY，增量维护需要分两层处理：

Layer 1（JOIN 层）：对 orders 和 categories 的 Delta 分别应用 JOIN 的增量规则。例如，当orders产生新数据的时候，只需要将这部分新数据与categories进行JOIN即可得到当前层的增量结果，而无需读取orders的历史数据。

Layer 2（聚合层）：对JOIN产生的 Delta 应用 Aggregation 的增量规则。COUNT 和 SUM 都是可撤回的——删除的行通过 __weight = -1 自动从累计值中扣除，无需重扫历史数据。

每次刷新，只处理新增/变更的订单行，计算量与订单增量成正比。大促高峰期每分钟新增 10 万笔订单，只需结合历史聚合结果，处理这 10 万行，而非全量的数亿行历史订单。

场景二：商品最低价格订阅

业务需求：价格监控系统需要实时维护每个商品的历史最低价，当最低价发生变化时触发用户订阅通知。

原始 SQL：

SELECT product_id, MIN(price) AS min_price FROM price_history GROUP BY product_id；

MIN 是不可撤回聚合—— 例如当一条价格记录被删除时，如果它恰好是当前最低价，你无法通过简单的加减法得到新的最低价，必须重新扫描该商品的所有历史价格。

增量技能包对此的处理策略是：受影响分组重算。

每次刷新时，先从 Delta 中找出哪些 product_id 发生了变化，然后只对这些商品重新执行 MIN(price) 查询。如果一次刷新涉及 500 个商品的价格变动，只需重算这 500 个商品，而非全量的百万级商品。

这与可撤回聚合的处理方式截然不同，也是 AI 在没有领域知识支撑时最容易混淆的地方。

AI + 技能包：正确实现的关键

现有的AI Agent在增量计算上的失误，往往不是"不知道"，而是"知道但遗漏了细节"。技能包系统性地覆盖了这些细节，在此示例一些AI常犯的错误：

Delta 去重：同一行在一个批次内可能出现多次（多次更新产生一系列先删后插的数据记录）。直接应用未去重的 Delta 会导致 PK 冲突或幽灵行。正确做法：GROUP BY 所有列 HAVING SUM(__weight) != 0。

数据清理：当Aggregate一个分组的所有行都被删除后，状态表中该分组的 accumulated_count 会归零。如果不清理，这个"空分组"会作为幽灵行出现在查询结果中。

多层版本传播：大部分计算都需要依赖自身的历史状态和输入源的增量数据，Layer N+1 的 from_version 必须来自自己的 Profile，而不是 Layer N 的 Profile。混淆这一点会导致数据重复处理或丢失。

空集 NULL 保护：SUM() 在无匹配行时返回 NULL，后续 NULL + 5 = NULL。必须用 COALESCE(SUM(...), 0) 保护。

诸如此类的陷阱，每一个都能让看似正确的增量 SQL 在生产环境中悄悄产生错误数据。

安装与使用

Incremental Skills 遵循 Agent Skills 规范：

https://agentskills.io/home

支持 Claude Code、Cursor、Kiro、Copilot CLI、Gemini CLI、Codex 等主流 AI 编程助手。

安装方式，执行：

npx skills add clickzetta/incremental-skills

安装后，直接在AI Agent中使用：

/incremental-computation 将批处理任务 order_summary 转换为增量计算 /incremental-computation REFRESH TABLE order_summary

AI Agent 会加载技能包，确认如何获取 Snapshot、Delta、Schema 和版本信息，然后按照算法参考生成正确的增量 SQL。

相关的内容一并开源整理在了GitHub中 Incremental-Skills，包含完整示例，感兴趣的朋友欢迎移步查阅。
https://github.com/clickzetta/incremental-skills

结语

Incremental Skills 由云器科技开源（Apache 2.0）。云器在自研的 ClickZetta Lakehouse 中深度实践增量计算多年，并发布了《增量计算技术白皮书》。技能包将这些实践经验系统化，以引擎无关的形式开放给社区。

如果你的数据管道正在被全量重算拖累，或者你想让 AI Agent真正理解增量计算而不只是"知道公式"，不妨试试这个技能包。

如果你的场景需要应用于严肃的生产环境，并且对数据安全性和时效性有明确要求，建议直接使用 ClickZetta Lakehouse——增量计算在其中是引擎原生支持的能力，而非依赖 AI 生成的 SQL 拼接。配合 cz-cli 可以在命令行直接管理动态表的增量刷新，开箱即用。

项目安装地址：npx skills add clickzetta/incremental-skills

获取cz-cli安装文档请访问：

https://www.yunqi.tech/documents/setup_cz_cli

云器科技官网 - 改变数据的使用方式
更多内容，欢迎关注「云器科技」官网！
云器科技-多云及一体化数据平台提供