传统企业在实现数据链路时需要四个步骤，分别为抽取、加工、存储与分析，抽取、加工一般在数据库完成，存储、分析一般在数据仓库完成，中间存在巨大的鸿沟。
新一代的AnalyticDB湖仓版正式公测发布，它能够实现全链路、端到端的数据处理与数据分析一体化，为用户提供数据湖的规模以及数据库的体验，其特性可以用1024来总结。
“1”指一份数据，离线数据和在线分析数据一体化，无需烦恼一致性和时效性。
“0”指0度灵活弹性，弹得好，弹得起，弹得快，资源成本降低30%以上。
“2”指2种模型，离线处理和在线分析一个引擎两种模型，可以一站式完成计算，自动智能切换。
“4”指4个统一。包括统一计费单位、统一数据管道、统一数据管理与统一数据访问，使得整体开发体验更顺滑，预期提高开发效率 30% 以上。
一份全量数据存储在对象存储上。对象存储的特点是低成本与高吞吐的读取，且一份全量数据可避免数据冗余，无需存储两份，节省存储成本，也能满足一致性与时效性的要求。内部存储可以直接使用BSP引擎进行追加写与粗糙读的交互，较好地满足离线处理的要求，实现低成本的目标。存储交互与数仓BSP的交互完全隔离，因此较好地实现了数据处理与数据分析的一致性。
在线分析在一份存储的基础上，增加了IO加速节点EIU，数据存储在EIU中可以实现高并发、高性能的实时增删改操作。在计算节点有自动的全数据多级倒排索引，可以通过智能缓存的方式下推，使得在实时数据存储上得到更好的性能。
灵活弹性可以总结为弹得好、弹得起、弹得快。
AnalyticDB提供了两种弹性策略，分别是分时弹性以及按需弹性以满足不同负载。分时策略适合在线分析业务，客户可以设定波峰、波谷的时间，提前部署资源。按需策略适合数据处理、离线处理、机器学习等，可以更好地贴合业务负载，实现更极致的弹性。
弹得起指需要资源时，云厂商能够提供足够的资源。我们通过神龙+ECS+ECI布置了三层资源网络，可实现客户99%以上的弹性资源交付率。另外处理能力秒级扩展，基于资源池化后通过缓存加速等技术实现。
AnalyticDB的融合引擎可以支持两种模式，分别是MPP与BSP，其中MPP能够实现及时分析，latency 较快；而DSP更适合long running 、对容错具有一定要求的数据处理。另外两种模式可进行自动切换，比如以MPP模式运行时，系统会自动检测该任务是否更适合DSP ，如果是，则自动切换为DSP。
未来，我们计划对一个任务中的不同算子智能地进行MPP与BSP分布，以实现资源巩固，帮助客户提升资源利用率。
AnalyticDB实现了一份数据，无论数据是存储在湖内租户还是仓内租户，对客户而言都是同一张表，因此我们实现了统一管理与统一的权限访问。另外，也会开放存储的Storage API，可以对存储实现统一访问，外部开放的数据引擎比如Spark、Presto也可以通过Storage API直接访问数据仓库里的数据，而无需腾挪数据。
AnalyticDB的使用场景覆盖了新零售、游戏、金融以及汽车制造业，主要应用于CDP用户数据平台、用户行为分析以及营销全流程平台。
我们已经与很多客户建立了深入合作。
金融领域的深万宏源证券，使用了ADB 替换了传统数仓，实现了整体数据平台的升级，成本下降50%，整体性能提升100%，平稳迁移25000+任务和百TB级数据。
波克城市通过ADB实现了秒级分析万亿级游戏行为的日志数据。
