每秒大概实时数据几千上万条汇入，需要对数据做分析和汇总之后在前端做数据可视化展示，统计跨度包括过去两小时，上一天，上一周，一个月，原始数据只做分析不修改，后台技术方案如何选型？
我个人目前想的是，数据接入用mq做削峰，每天用定时任务生成上一天的汇总数据，当天的数据放redis实时分析，原始数据存储放mongodb，太久之前的数据从mongo移到文件存储中。
是否有更好的方案？这种场景适合用ES吗？
+
每秒大概实时数据几千上万条汇入，需要对数据做分析和汇总之后在前端做数据可视化展示，统计跨度包括过去两小时，上一天，上一周，一个月，原始数据只做分析不修改，后台技术方案如何选型？
我个人目前想的是，数据接入用mq做削峰，每天用定时任务生成上一天的汇总数据，当天的数据放redis实时分析，原始数据存储放mongodb，太久之前的数据从mongo移到文件存储中。
是否有更好的方案？这种场景适合用ES吗？
按照内容描述姑且算作1w/s，每个小时需要处理的数据量就是3600w/hour，和你标题提到的每天的数量级不一样，不知道以那个为准。每天千万级和每小时千万级差别还是挺大的。
另外，还需要从以下几个方面考虑你的需求（供参考）：
clickhouse比es查询效率高百倍以上，字节在用，以供参考
influxDB时间序列数据，直接解决高并发写场景，特别适合按时间访问统计的场景
1.每天凌晨定时跑前一天的数据，统计到维度 小时，然后存到数据库
2.查询报表，查询历史，从数据库直接取，小时维度，很方便可以查询到天，周，月，数据量也不会大
3.当天数据，实时统计，放缓存。。。。另外可以在项目运行的时候就统计当天的存到缓存.
这个时候应该使用大数据流式计算比如flink,spack
tidb解决一切烦恼
mongo移到文件存储 ?
分布式数据库不香吗
同时做多个粒度的数据累积，比如，按小时，按天，按周，按月，按季度，按年度。后者可以基于前者累计得到。正常应该是这么做的。
如果统计当天的实时数据，可以考虑上大数据流处理引擎Flink，专门针对实时数据流做聚合处理；
Flink 开窗