《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB MySQL版解析与实践(上)——一、产品概述

本文涉及的产品
RDS AI 助手,专业版
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
简介: 《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB MySQL版解析与实践(上)——一、产品概述

1. 产品简介

 

云原生数据仓库AnalyticDB MySQL版ADB MySQL是融合数据库、大数据技术于一体的云原生企业级数据仓库服务。支持高吞吐的数据实时增删改、低延时的实时分析和复杂ETL,兼容上下游生态工具,可用于构建企业级报表系统、数据仓库和数据服务引擎。云原生数据库也包括PolarDB。

 

云原生可以从两个方面进行介绍:云和原生。随着云计算的发展,应用上云已是趋势;所谓原生是指系统在设计之初使用了云的技术架构。云原生系统的优势是利用云计算的分布式和弹性能力。

 

云原生数据仓库AnalyticDB MySQL版有以下特点:

 

兼容MySQL&超越MySQLMysql兼容99%;ANSI SQL:2013复杂分析支持

完美的生态支持20多种BI工具和OLTP与NoSQL无缝实时同步,包括RDS、PolarDB

存储计算分离架构提供极致性价比:云原生中采用存储计算分离架构可以为用户提供弹性及更好的性价比

一套存储支持实时写入、点查、多维分析多场景的混合负载

完备的企业级特性具有备份、Flashback、回收站、审计、自建账号VPC功能

MPP与DAG融合计算引擎实现数据库与大数据一体化:CBO与CodeGen、智能混合负载实现离线一体化,AI扩展与向量检索实现结构化/非结构化数据联合分析。

 

image.png 

 

2. 产品定位

 

云原生数据仓库AnalyticDB MySQL版为企业级客户提供数据处理ETL、实时在线分析、核心报表、大屏和监控能力,提供稳定的离线和在线数据服务。

 

事务数据库RDS/MYSQL/ORACLE特点:数据量小于1TB的事务为主,使用成本为分析类功能不齐全,超过1TB分析性能慢

AnalyticDB for MySQL特点:数据量1T-10PB,使用成本包括SQL数据库习惯,支持数据实时传输且高并发

大数据系统Hadoop/Spark特点:数据量大于10PB,使用成本包括部署复杂、使用成本高,不支持数据实时传输且并发低

 

问题

 

事务数据库用户,数据小于1TB,分析功能和性能无法满足

中小传统企业,数据量小于10PB,大数据部署成本高,使用复杂

互联网数据类产品,例如电商卖家数据大盘等,要求高并发

 

AnalyticDB MySQL版定位:简单易用的PB级实时数据仓库,可以满足以上需求。

 

3. 产品特点与优势

 

AnalyticDB for MySQL是新一代高性能、高可用,高性价比的企业级云原生数据仓库,有如下四个特点:

 

资源弹性:采用存储计算分离架构,支持存储计算资源在线扩缩容,支持BG到PB数据规模实时计算。

高性能:支持海量数据毫秒/秒级实时多维分析查询,支持数据实时高并发写入,数据实时更新立即可见。

低成本:支持资源分时弹性、冷热数据分层、资源组隔离等功能,计算资源和存储资源成本大幅降低。支持按量计费,单GB存储成本低至0.144元/月。

高可用:采用分布式技术架构,保障服务稳定高可用运行;通过阿里云云盘多副本机制实现数据可靠性保证。

 

4. 产品核心功能

 

1) 分时弹性

 

支持按小时设置计算资源弹性扩容规则,解决计算资源峰谷需求问题,降低计算资源成本。

 

白天查询业务高峰:白天工作高峰期,准时弹出计算资源,让业务查询更快,提高应用体验。

晚上ETL计算高峰:晚上ETL高峰期,准时弹出计算资源,让ETL计算任务稳定运行,低峰期准时释放,降低资源成本。

 

如下图,在上午8:30至11:30为业务高峰期,此时的负载为70%,QPS为400,响应时间为440ms,通过分时弹性,在业务高峰期将计算资源进行扩容,由原来的64core扩容至256core,来保障业务高峰期的平稳运行。在业务低峰期准时释放资源,降低资源使用成本。

 

image.png

 

2) 冷热数据分层

 

支持数据在表和分区级别分为热数据和冷数据,热数据存储在高性能介质,加快查询计算速度;冷数据存储在便宜的HDD介质上,节约存储成本。

 

冷热数据设置:在建表语句中设置表和分区的冷热属性,数据分别写入到对应的介质。

冷热数据切换:可以随时修改表和分区的冷热属性,系统自动进行数据搬迁。

相关实践学习
阿里云云原生数据仓库AnalyticDB MySQL版 使用教程
云原生数据仓库AnalyticDB MySQL版是一种支持高并发低延时查询的新一代云原生数据仓库,高度兼容MySQL协议以及SQL:92、SQL:99、SQL:2003标准,可以对海量数据进行即时的多维分析透视和业务探索,快速构建企业云上数据仓库。 了解产品 https://www.aliyun.com/product/ApsaraDB/ads
相关文章
|
6月前
|
运维 监控 Cloud Native
【云故事探索】NO.17:国诚投顾的云原生 Serverless 实践
国诚投顾携手阿里云,依托Serverless架构实现技术全面升级,构建高弹性、智能化技术底座,提升业务稳定性与运行效率。通过云原生API网关、微服务治理与智能监控,实现流量精细化管理与系统可观测性增强,打造安全、敏捷的智能投顾平台,助力行业数字化变革。
【云故事探索】NO.17:国诚投顾的云原生 Serverless 实践
|
8月前
|
Kubernetes Cloud Native 安全
云原生机密计算新范式 PeerPods技术方案在阿里云上的落地和实践
PeerPods 技术价值已在阿里云实际场景中深度落地。
|
6月前
|
运维 监控 Cloud Native
【云故事探索】NO.17:国诚投顾的云原生 Serverless 实践
通过与阿里云深度合作,国诚投顾完成了从传统 ECS 架构向云原生 Serverless 架构的全面转型。新的技术架构不仅解决了原有系统在稳定性、弹性、运维效率等方面的痛点,还在成本控制、API 治理、可观测性、DevOps 自动化等方面实现了全方位升级。
|
8月前
|
Kubernetes Cloud Native 安全
云原生机密计算新范式 PeerPods 技术方案在阿里云上的落地和实践
PeerPods 技术价值已在阿里云实际场景中深度落地。
|
4月前
|
人工智能 Cloud Native 算法
拔俗云原生 AI 临床大数据平台:赋能医学科研的开发者实践
AI临床大数据科研平台依托阿里云、腾讯云,打通医疗数据孤岛,提供从数据治理到模型落地的全链路支持。通过联邦学习、弹性算力与安全合规技术,实现跨机构协作与高效训练,助力开发者提升科研效率,推动医学AI创新落地。(238字)
295 7
|
6月前
|
弹性计算 运维 Cloud Native
【云故事探索】NO.17:国诚投顾的云原生Serverless实践
简介: 通过与阿里云深度合作,国诚投顾完成了从传统 ECS 架构向云原生 Serverless 架构的全面转型。新的技术架构不仅解决了原有系统在稳定性、弹性、运维效率等方面的痛点,还在成本控制、API 治理、可观测性、DevOps 自动化等方面实现了全方位升级。
172 1
|
5月前
|
存储 弹性计算 Cloud Native
云原生数据库的演进与应用实践
随着企业业务扩展,传统数据库难以应对高并发与弹性需求。云原生数据库应运而生,具备计算存储分离、弹性伸缩、高可用等核心特性,广泛应用于电商、金融、物联网等场景。阿里云PolarDB、Lindorm等产品已形成完善生态,助力企业高效处理数据。未来,AI驱动、Serverless与多云兼容将推动其进一步发展。
265 8
|
6月前
|
存储 SQL 关系型数据库
MySQL中binlog、redolog与undolog的不同之处解析
每个都扮演回答回溯与错误修正机构角色: BinLog像历史记载员详细记载每件大大小小事件; RedoLog则像紧急救援队伍遇见突發情況追踪最后活动轨迹尽力补救; UndoLog就类似时间机器可倒带历史让一切归位原始样貌同时兼具平行宇宙观察能让多人同时看见各自期望看见历程而互不干扰.
327 9
|
7月前
|
Cloud Native 中间件 调度
云原生信息提取系统:容器化流程与CI/CD集成实践
本文介绍如何通过工程化手段解决数据提取任务中的稳定性与部署难题。结合 Scrapy、Docker、代理中间件与 CI/CD 工具,构建可自动运行、持续迭代的云原生信息提取系统,实现结构化数据采集与标准化交付。
305 1
云原生信息提取系统:容器化流程与CI/CD集成实践
|
7月前
|
存储 SQL 关系型数据库
MySQL 核心知识与索引优化全解析
本文系统梳理了 MySQL 的核心知识与索引优化策略。在基础概念部分,阐述了 char 与 varchar 在存储方式和性能上的差异,以及事务的 ACID 特性、并发事务问题及对应的隔离级别(MySQL 默认 REPEATABLE READ)。 索引基础部分,详解了 InnoDB 默认的 B+tree 索引结构(多路平衡树、叶子节点存数据、双向链表支持区间查询),区分了聚簇索引(数据与索引共存,唯一)和二级索引(数据与索引分离,多个),解释了回表查询的概念及优化方法,并分析了 B+tree 作为索引结构的优势(树高低、效率稳、支持区间查询)。 索引优化部分,列出了索引创建的六大原则
175 2

热门文章

最新文章

推荐镜像

更多