"单表 10PB、千万 TPS"这种宣传语我一般不激动，直到我自己真有一张表涨到 10 亿行。
事情是这样的：一个埋点表，按天分区，每天 8000 万行写入，MySQL 分库分表扛了半年，扩容一次掉一层皮。上个月迁到表格存储 Tablestore，这篇就是迁移前后的实操对比——包括哪些数据适合搬过去、怎么建表、以及迁移时踩的三个坑。
一、先搞清楚：Tablestore 不是"另一个 MySQL"
Tablestore 是面向海量结构化数据的 Serverless 表存储，一句话概括它的定位：你只管按量写入和查询，扩缩容它自己管。它支持四种数据模型：
| 数据模型 | 适用场景 |
|---|---|
| 宽表（WideColumn） | 海量元数据、通用 KV 扩展场景 |
| 时序（TimeSeries） | 监控指标、车联网、轨迹溯源 |
| 消息（Timeline） | IM/Feeds 消息流 |
| AI（Agent Memory） | 大模型记忆、RAG 向量检索 |
我迁的是宽表模型。它的主键设计和 HBase 一路过来，但完全 Serverless——没有分片规划这个动作，单表最大 10PB、万亿标量数据上限，自动弹性扩缩容。对刚从 MySQL 过来的人，这是最需要扭转的认知：不用再算"几张表几个分片"。
二、性能数字：官方口径与我的实测
产品页的核心指标我抄在下面，后面附上我这张 10 亿行埋点表的实际感受：
| 指标 | 官方数据 |
|---|---|
| 单行读写延迟 | P99 10ms |
| 点查/批量查 vs HBase | 3~9 倍 |
| 检索延迟 vs 开源 ES | 降低 25% 以上 |
| 单核写入 vs MySQL | 3~5 倍 |
| 可用性 | 99.99%（默认同城冗余，不加价） |
| 可靠性 | 12 个 9 |
我的实测体感：按主键点查稳定在个位数毫秒，这点没有悬念；真正惊喜的是多维检索——以前在 MySQL 里"查某用户最近 7 天加过购物车的商品"要扫分区，现在建个多元索引直接命中。百亿级数据检索毫秒级返回，这个宣传语在我这个量级（10 亿行）上基本属实。
三、实操：一张宽表从建到查
宽表的核心是主键设计。我的埋点表主键定的是三段式：
分区键: device_id (散列写，避免热点)
主键列: event_ts (时间，天然有序)
主键列: event_id (同秒去重)
三个原则：
- 分区键选高基数列。拿 device_id 而不是日期做分区键——按日期分区，写入全压在当天的分区上，历史分区躺平，这是最常见的坑。
- 主键列最多几列要有数。属性列（非主键）可以随便加，但主键列建完改不了，设计时多想一小时，迁移后少哭一场。
- 查询条件必须带主键前缀。这是宽表的命门：不带分区键的查询会全表扫描，10 亿行的全表扫描再快的引擎也救不了你。
多元索引（SearchIndex）补上了非主键查询的短板，Json 数据类型现在也支持了。SQL 查询 2026-05 起支持开放 DML，习惯 SQL 的人不用马上学一套新 API。
四、迁移踩坑记录
坑一：属性列的"空"不是真的空。MySQL 里 NULL 不占空间，Tablestore 里空值也占存储，写入前做一层过滤，存储成本立降。
坑二：批量写入要控并发。按量付费没有预购成本是优势，但瞬时写入 burst 太猛会触发限流。官方给的量级是单表千万级行每秒，日常离这个上限远得很，正常节奏就行。
坑三：冷热分层要主动配。宽表存储支持冷热分层，配了生命周期规则，一个月前的数据自动沉到低频存储——埋点这种"写进去就很少读"的数据，存储成本差距很大。时序表更夸张，配合列存压缩和冷热分层，整体存储成本最高可降 95%。
五、多元索引与向量检索：不止于点查
宽表模型靠主键，但真实查询从来不止按主键。Tablestore 的多元索引把非主键查询这条补上了：地理位置、布尔组合、前缀、嵌套、Json 类型都能建索引，2025-11 起还支持了 Json 数据类型。
另一条增长曲线是 AI 场景：Tablestore 现在能提供向量检索，DiskANN 图索引的内存占用只有开源 HNSW 的 1/10，百亿级向量存储上限，配合 LangChain、Dify 这些框架可以直接当 RAG 的记忆层用。官方给的对比数字是检索延迟比开源 ES 低 25% 以上，向量索引实时流式构建比开源向量引擎快 65%——我的表还没到向量这个量级，但已经把它列进了下半年的评估清单。
六、什么数据别往这儿搬
- 强事务场景：转账、库存扣减，请留给 RDS
- 复杂关联查询：十几张表 join 的分析，请留给 ClickHouse 或者 MaxCompute
- 小规模数据：你那张 500 行的配置表，放 MySQL 挺好，别折腾
Tablestore 的主场是：量大、结构简单、写入凶猛、点查和检索为主。埋点、元数据、IM 消息、物联网时序，都属于这类。数据迁移和生态对接方面，它可以直连 MaxCompute、Spark、Flink、Presto，也集成 Dify、LangChain 这些 AI 框架——AI 应用的记忆存储现在是它的新招牌场景。
如果你手上也有一张"每天涨一千万行"的表，可以到表格存储产品页按量开一张试试，反正纯 Serverless 按量付费，不用先买一年。
