数据部门产出数据后如何提交给业务部门，传统方式时直接导出，这种方式不仅低效而且有安全隐患，因此数据服务应运而生。基于性能、扩展性、稳定性不断升级服务架构，历经了四个阶段：
1）第一阶段：
① 将数据需求通过SOA（面向服务的架构）服务的方式提供
② 一个需求对应一个接口，开放给需求方调用
缺点：扩展性差，复用率低，维护成本高
2）第二阶段
① 基于需求分析，逻辑大多是从DB取数，封装后暴漏结果
② 对需求按照类别进行聚合，相同维度的数据形成一张逻辑表，共用同一个接口
缺点：随着数据维度增加，接口数量依然巨大
3）第三阶段
① 新抽象一层，用DSL（针对专业领域的计算机语言，如html，shell）描述取数需求，做到简单查询共用一个接口
② 采用标准的sql语法，进行封装形成新的DSL接口；同时封装Datasource，使用ORM框架解决关系映射问题
③ 封装跨异构数据源和分布式查询功能，用户查询逻辑表对底层完全透明。一个查询到达会经过以下步骤：
+ DSL解析：DSL语法解析，构建查询树
+ 逻辑query：便利查询树，通过查找元数据模型，转变为逻辑query
+ 物理query：通过元数据模型中的逻辑表与物理表的映射，将逻辑query转变为物理query
+ query拆分：如涉及多张物理表，将query长分成Subquery
+ sql执行：执行subquery
+ 结果合并
缺点：服务形式不够丰富，只能实现简单查询
4）第四阶段：完善服务形式，提供个性化业务场景服务、实时数据推送服务、定时任务服务
① 个性化业务场景服务：采用插件化开发服务，一类需求一个插件，最后为了避免插件之间相互影响，将插件做成微服务
② 实时数据推送服务：提供websocket、long polling等多种方式
③ 定时任务服务：提供即时任务和定时任务两种模式，用于处理大数据量数据
