客户说|保险极客引入阿里云AnalyticDB,多业务场景效率大幅提升

本文涉及的产品
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
云数据库 Tair(兼容Redis),内存型 2GB
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
简介: “通过引入AnalyticDB,我们在复杂数据查询和实时同步方面取得了显著突破,其分布式、弹性与云计算的优势得以充分体现,帮助企业快速响应业务变化,实现降本增效。AnalyticDB的卓越表现保障了保险极客数据服务的品质和效率。”

作者:刘浩,保险极客技术总监

保险极客是一家专注于全流程数智化团险业务的科技公司,致力于通过技术创新提升团险行业的运营效率和服务质量,推动数智化进程并加速行业生态共建。随着团险业务的快速发展,数据量呈现爆发式增长,传统的数据处理方式逐渐暴露出性能瓶颈和扩展性不足的问题。特别是在数据核对、实时查询和统计分析等场景中,传统数据库在面对海量数据时显得力不从心。


为了应对这些挑战,保险极客决定引入阿里云瑶池旗下的云原生数据仓库AnalyticDB MySQL,一款高性能的数据仓库解决方案。AnalyticDB以其强大的计算能力、高度兼容性和灵活的扩展性,成为保险极客实现数智化转型的关键技术支撑。


保险极客从AnalyticDB数仓版集群升级到新的AnalyticDB企业版架构后,成本降低40%,性能提升30%整体性价比提升了一倍。借用AnalyticDB MySQL的新版本存储引擎XUANWU_V2以及存算分离架构,实现了更好的读写隔离和读读隔离能力,提升了集群在业务高峰时以及追数跑批时的稳定性。

image.png

挑战

▶︎ 团险业务存在大量的数据核对场景

保险行业是一个高度依赖数据的行业,尤其是在保单管理、理赔分析、风险控制以及财务管理等核心业务中,数据核对是不可或缺的一环。然而,传统数据库在处理复杂查询时效率低下,严重影响了业务的响应速度。例如,在保全数据核对的场景中,原有的查询耗时高达50秒,导致核对过程冗长且容易出错。这不仅影响了用户体验,还增加了人工干预的成本。


▶︎ 特殊场景的SQL需要灵活可控

在团险业务中,某些特殊的查询场景对SQL的优化和资源分配提出了更高的要求。例如,在非核心业务场景下,查询任务可能涉及到大量历史数据或复杂的多表关联操作,这些任务对系统资源的占用较大。如果不对这些查询进行优化和限制,可能会对核心业务的稳定性造成影响。因此,如何在保证核心业务流畅运行的同时,灵活管理非核心场景的查询任务,成为了一个亟待解决的问题。


▶︎ 数据实时性需求

随着团险业务的数字化转型,用户对数据实时性的需求日益增加。例如,在核保过程中,业务人员依赖大量数据做核保判断,比如需要实时查看特定企业或某个类型企业的理赔报告,以便快速做出核保决策。此外,业务系统需要能够无缝切换到新的数据引擎,同时确保数据的一致性和实时性。这对数据同步技术和查询引擎的性能提出了极高的要求。


▶︎ 传统架构的局限性

保险极客原有的数据架构基于传统的ETL流程,数据从生产系统到分析系统的同步存在较大的延迟。这种延迟不仅影响了业务决策的及时性,还导致了数据孤岛问题。此外,传统架构的扩展性较差,难以满足未来业务增长的需求。

解决方案

image.png

▶︎ 湖仓一体实时数仓

通过充分发挥AnalyticDB与MySQL的兼容性优势,将部分RDS MySQL中较为复杂的分析SQL导入至AnalyticDB 。不论在数据湖中的非结构化/半结构化数据,还是在数据库中的结构化数据,都可使用AnalyticDB MySQL同时完成高吞吐离线处理和高性能在线分析,真正做到「数据湖的规模,数据库的体验」


▶︎ 企业版

企业版是湖仓版和数仓版的融合升级版本,产品特性与湖仓版相同。它既支持弹性模式下的资源组隔离、资源灵活弹性、冷热数据分层存储等能力,也具备预留模式下的高吞吐实时写入和高并发在线查询能力。从数仓版升级到企业版后,可实现成本降低,性能提升。


▶︎ 支持数据实时同步

利用DTS数据传输服务将业务数据库的RDS MySQL实例实时同步至AnalyticDB,并对DTS任务进行实时监控与告警设置,确保数据传输的高效、准确与及时,全面满足业务对数据实时性的要求。


▶︎ 实时监控与弹性扩展

依托AnalyticDB MySQL版本提供的云原生监控能力,可实时感知集群运行状态。在业务高峰期能够进行平滑扩容,保障系统的高可用性和稳定性,提升整体服务能力。

价值

通过引入AnalyticDB,我们在复杂数据查询和实时同步方面取得了显著突破,其分布式、弹性与云计算的优势得以充分体现,帮助企业快速响应业务变化,实现降本增效。AnalyticDB的卓越表现保障了保险极客数据服务的品质和效率。

—— 保险极客技术总监刘浩


▶︎ 大幅提升复杂查询效率

AnalyticDB的引入显著提升了保险极客在复杂数据查询场景中的效率。例如,在保全数据核对的场景中,AnalyticDB将查询耗时从原来的50秒降低至仅需3秒,极大地缩短了业务响应时间。这种高效的查询能力不仅提升了用户体验,还降低了人工干预的需求,从而节省了大量的运营成本。数仓版升级企业版后,成本降低40%,性能提升30%


▶︎ 统一数据引擎&数据实时同步

AnalyticDB的高度兼容性使得它可以无缝集成到保险极客现有的数据架构中。特别是其与MySQL的高度兼容性,使得ODS层数据可以通过ZeroETL实现实时同步。这种架构的优势在于,业务系统的查询场景可以无缝切换到AnalyticDB,而无需对现有业务逻辑进行大规模改造。此外,ZeroETL技术的引入消除了传统ETL流程中的延迟问题,实现了真正的实时数据同步。


▶︎ 支持实时查询与统计

借助AnalyticDB的强大计算能力,保险极客实现了业务数据的实时查询与统计。例如,在核保的场景中,原始数据通过ZeroETL实时同步后,业务人员可以随时获取各项核保指标数据。这种实时性不仅提高了核保的效率,还为风险控制和业务决策提供了强有力的数据支持。


▶︎ AnalyticDB Hint的使用:针对特殊场景的SQL优化/控制

AnalyticDB提供了丰富的Hint功能,允许用户针对特殊场景的SQL进行优化和控制。例如,在非核心业务场景下,可以通过指定资源组来限制查询任务对系统资源的占用;或者通过设置超时时间,防止长时间运行的查询任务影响其他业务。这种灵活性使得保险极客能够在保证核心业务稳定运行的同时,高效地处理各类特殊查询需求。

▶︎ 未来扩展性与成本优化

AnalyticDB的云原生架构为保险极客提供了极高的扩展性。随着业务的增长,保险极客可以轻松地扩展AnalyticDB的计算和存储资源,而无需担心硬件限制。此外,AnalyticDB的按需计费模式也帮助保险极客显著降低了IT基础设施的成本,使其能够将更多的资源投入到核心业务的创新中。

相关实践学习
AnalyticDB MySQL海量数据秒级分析体验
快速上手AnalyticDB MySQL,玩转SQL开发等功能!本教程介绍如何在AnalyticDB MySQL中,一键加载内置数据集,并基于自动生成的查询脚本,运行复杂查询语句,秒级生成查询结果。
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
目录
打赏
0
8
8
0
157
分享
相关文章
什么是实时数仓?实时数仓又有哪些应用场景?
实时数仓是一种能实现秒级数据更新和分析的系统,适用于电商、金融、物流等需要快速响应的场景。相比传统数仓,它具备更高的时效性和并发处理能力,能够帮助企业及时捕捉业务动态,提升决策效率。本文详细解析了其实现架构与核心特点,并结合实际案例说明其应用价值。
Fusion 引擎赋能:流利说如何用阿里云 Serverless Spark 实现数仓计算加速
本文介绍了流利说与阿里云合作,利用EMR Serverless Spark优化数据处理的全过程。流利说是科技驱动的教育公司,通过AI技术提升用户英语水平。原有架构存在资源管理、成本和性能等痛点,采用EMR Serverless Spark后,实现弹性资源管理、按需计费及性能优化。方案涵盖数据采集、存储、计算到查询的完整能力,支持多种接入方式与高效调度。迁移后任务耗时减少40%,失败率降低80%,成本下降30%。未来将深化合作,探索更多行业解决方案。
拉卡拉 x Apache Doris:统一金融场景 OLAP 引擎,查询提速 15 倍,资源直降 52%
拉卡拉早期基于 Lambda 架构构建数据系统面临存储成本高、实时写入性能差、复杂查询耗时久、组件维护复杂等问题。为此,拉卡拉选择使用 Apache Doris 替换 Elasticsearch、Hive、Hbase、TiDB、Oracle / MySQL 等组件,实现了 OLAP 引擎的统一、查询性能提升 15 倍、资源减少 52% 的显著成效。
拉卡拉 x Apache Doris:统一金融场景 OLAP 引擎,查询提速 15 倍,资源直降 52%
阿里云 EMR Serverless StarRocks3.x,极速统一的湖仓新范式
阿里云 EMR Serverless StarRocks3.x,极速统一的湖仓新范式
118 0
数据无界、湖仓无界,Apache Doris 湖仓一体典型场景实战指南(下篇)
Apache Doris 提出“数据无界”和“湖仓无界”理念,提供高效的数据管理方案。本文聚焦三个典型应用场景:湖仓分析加速、多源联邦分析、湖仓数据处理,深入介绍 Apache Doris 的最佳实践,帮助企业快速响应业务需求,提升数据处理和分析效率
数据无界、湖仓无界,Apache Doris 湖仓一体典型场景实战指南(下篇)
美的楼宇科技基于阿里云 EMR Serverless Spark 构建 LakeHouse 湖仓数据平台
美的楼宇科技基于阿里云 EMR Serverless Spark 建设 IoT 数据平台,实现了数据与 AI 技术的有效融合,解决了美的楼宇科技设备数据量庞大且持续增长、数据半结构化、数据价值缺乏深度挖掘的痛点问题。并结合 EMR Serverless StarRocks 搭建了 Lakehouse 平台,最终实现不同场景下整体性能提升50%以上,同时综合成本下降30%。
462 58
阿里云位居 IDC MarketScape 中国实时湖仓评估领导者类别
国际数据公司( IDC )首次发布了《IDC MarketScape: 中国实时湖仓市场 2024 年厂商评估》,阿里云在首次报告发布即位居领导者类别。
加速数据分析:阿里云Hologres在实时数仓中的应用实践
【10月更文挑战第9天】随着大数据技术的发展,企业对于数据处理和分析的需求日益增长。特别是在面对海量数据时,如何快速、准确地进行数据查询和分析成为了关键问题。阿里云Hologres作为一个高性能的实时交互式分析服务,为解决这些问题提供了强大的支持。本文将深入探讨Hologres的特点及其在实时数仓中的应用,并通过具体的代码示例来展示其实际应用。
502 0
阿里云云原生数据仓库 AnalyticDB PostgreSQL 版已完成和开源LLMOps平台Dify官方集成
近日,阿里云云原生数据仓库 AnalyticDB PostgreSQL 版已完成和开源LLMOps平台Dify官方集成。

数据库

+关注
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问