基于云上分布式NoSQL的海量气象数据存储和查询方案
气象数据是一类典型的大数据，具有数据量大、时效性高、数据种类丰富等特点，每天产生的数据量常在几十TB到上百TB的规模，且在爆发性增长。如何存储和高效的查询这些气象数据越来越成为一个难题，本文针对气象领域中海量模式数据的存储和查询问题，分别介绍了传统方案和采用表格存储(TableStore)的方案，并对方案优缺点进行了一些总结。
表格存储：使用TableStoreWriter进行高并发、高吞吐的数据写入
表格存储（原OTS）的一大特性是能够支撑海量数据的高并发、高吞吐率的写入，特别适合日志数据或物联网场景（例如轨迹追踪或溯源）数据的写入和存储。这些场景的特性是，会在短时间内产生大量的数据需要消化并写入数据库，需要数据库能够提供高并发、高吞吐率的写入性能，需要满足每秒上万行甚至上百万行的写入吞吐率。针
深度解析阿里云存储
分析师认为，阿里云目前的存储产品系列展示了阿里云的潜力。随着时间的推移，已经成为全球超大规模云服务提供商的有力竞争者和替代者。阿里云云存储不仅拥有一系列不同的产品和功能，而且现在已经具备了相当的能力，在全球范围内提供广泛的服务。
表格存储如何实现高可靠和高可用
本文会介绍表格存储(阿里自研的一款分布式NoSQL数据库)如何实现数据高可靠和服务高可用，读者可以通过本文了解高可靠和高可用的一些概念和技术，以及分布式系统是如何进行高可靠和高可用设计的，此外，我们还会有一篇专门的文章介绍容灾相关的话题。
阿里巴巴飞天大数据架构体系与Hadoop生态系统
先说Hadoop
什么是Hadoop？
Hadoop是一个开源、高可靠、可扩展的分布式大数据计算框架系统，主要用来解决海量数据的存储、分析、分布式资源调度等。Hadoop最大的优点就是能够提供并行计算，充分利用集群的威力进行高速运算和存储。
TableStore：用户画像数据的存储和查询利器
TableStore是阿里云自研的在线数据平台，提供高可靠的存储，实时和丰富的查询功能，适用于结构化、半结构化的海量数据存储以及各种查询、分析。
用户画像数据是一种数据规模较大、数据结构复杂、查询种类多的数据，是公司差异化运营的基础，是打造“千人千面”、智能化的核心数据，帮产品找到最佳目标客户，对各种产品而言是一种很有价值的数据。
表格存储如何实现跨区域的容灾
本文首先会介绍容灾的一些背景和相关场景，以及实现数据库容灾的两个重要能力，即数据同步和切换。然后介绍表格存储如何实现相应的功能，以及我们如何把相应的功能服务化，让用户能够方便而灵活的搭建容灾场景，给业务提供更高级别的可用性保障，或者是通过异地多活优化不同地域的终端用户的延迟。
海量结构化数据存储技术揭秘：Tablestore表设计最佳实践
前言
表格存储Tablestore是阿里云自研的面向海量结构化数据存储的Serverless NoSQL多模型数据库。在处理海量数据时，方案设计非常重要，合理的设计才能够发挥出数据库的性能水平。本文主要介绍Tablestore在表设计方面的一些实践经验，供大家参考。