DRDS+ADB助力特步全渠道业务稳步上云

本文涉及的产品
数据传输服务 DTS,同步至DuckDB 3个月
简介: 业务/技术亮点:数千家门店/亿级订单/TB级数据/HTAP解决方案

image.png

客户感言

“利用DRDS产品的高并发写和海量存储能力,我们支撑了全国超过数千家门店的零售全渠道业务的数据写入和读取,支撑了特步全渠道业务中台的业务。DRDS的横向扩展能力确保门店快速扩展时候的数据库良好的读写扩展性。同时DRDS、RDS的弹性升降配确保我们在业务高峰的时候可以升级DRDS,提升计算能力,在业务低峰期降配。— 特步资深技术总监王海能

客户简介

特步(中国)有限公司,是中国领先的体育用品企业之一,始创于1987年,2001年创立特步品牌,2008年6月3日正式在港交所挂牌上市(1368.HK),2018年销售收入63.83亿元,年纳税超7亿多元。2019年,特步开启多品牌、国际化战略,旗下新增Saucony(索康尼)、Merrell(迈乐)、K-Swiss(盖世威)、Palladium(帕拉丁)等国际品牌,进一步满足全球消费者多样化的运动需求,提升特步成为全球领先的多品牌体育用品公司之一。

业务挑战

  • 线下零售数千家门店,订单量很大,对在线交易数据库高并发写入、海量存储能力要求较高。
  • 特步的业务属性决定了促销是一个常态,经常发生业务突变,大促期间单日订单量最高可达几百万,需要一定的弹性能力以支撑成倍订单增涨带来的流量压力,传统的数据库弹性能力不够。
  • 传统数据库不能支撑线上渠道扩张和线下门店快速增加需要的扩展能力,一旦业务扩展系统遇到瓶颈,整个系统的改造成本会比较大,也无法快速上线支撑业务快速发展。
  • 特步线下门店多,业务量比较大,门店、采购、销售订单、库存、调拨、进销存、财务等业务模块都需要报表来支撑业务决策,传统的关系型数据库除报表速度比较慢,几分钟到十几分钟甚至到几十分钟不等,不能快速支持运营活动和决策报表快速输出,导致业务行为和业务决策不连贯。


解决方案

  • 通过DRDS+RDS的分布式数据库解决方案支撑O2O全渠道业务中台系统上线,通过垂直拆分剥离各业务中心,使不同类型的业务数据可以存储在不同的RDS上,确保资源和访问隔离,从物理上使整个数据库架构具备了扩展性。通过这套架构可以实现POS业务的订单快速完成和快速发货,保证门店的业务都可以接入业务中台实现。
  • DRDS通过水平拆分将订单、库存、用户、渠道等数据放在不同的物理RDS上,使系统具备了高并发读写能力(1.5万TPS,22万QPS),当前架构的数据存储量可支撑15-20TB,能满足特步未来2-3年的数据存储和高并发读写诉求。
  • DRDS弹性升降配支持在10-20分钟将DRDS的QPS扩展到当前的2-32倍,大幅度提升DRDS的高并发读写能力,同时可以通过平滑扩容能力扩展RDS的数据库数量,在3-6小时将RDS数据库的读写能力(QPS/TPS)扩展2-24倍。
  • 对于订单中心这样访问量和数据量较大的业务中心,采用水平拆分的方式,结合弹性升降配和平滑扩容使系统具备了100TB数据存储的能力、10万TPS、百万QPS的支撑能力,可以支撑特步扩展业务至当前业务量的5-10倍。
  • 特步的门店、采购、销售订单、库存、调拨、进销存、财务等业务模块的报表从对数据的实时角度和计算量大小来看主要分为两大类,一类是实时性要求高,计算量相对小,特步单独开了一个DRDS来满足这类报表需求,数据通过DTS同步到报表DRDS,第二类是对实时性要求不高,但是计算量大、聚合查询、排序、子查询等比较多,DRDS的效果一般,采用ADB MySQL来满足。

- 技术架构图
特步1.png

客户价值

  • 基于DRDS+RDS的分布式数据库解决方案+业务中台提升客户数据链路的时效性以及客户业务系统的吞吐能力,使订单、库存、商品、销售的数据能实时从业务端到业务中台再到报表系统做销售业务决策。
  • 基于DRDS+RDS的分布式数据库解决方案提升了客户业务系统数据读写的扩展能力和数据存储的扩展能力,系统具备100TB数据存储的能力、10万TPS、百万QPS的支撑能力,可以支撑业务扩展至当前业务量的5-10倍。
  • DRDS的平滑扩容和弹性升降配使客户的业务中台系统具备了快速弹性升降配能力,可以在半天时间内将系统的计算和存储容量弹升至当前容量的10倍以上,从容、快速应对突发业务流量;同时也支持在大促后半天内将系统的容量降低至原有水位,快速降低商务成本。
  • 通过DRDS和ADB的OLAP能力,支持亿级订单数量级门店、采购、销售订单、库存、调拨、进销存、财务等报表的快速返回,从十几分钟到几十分钟降低至1秒至1分钟,大部分报表可以在10秒钟-30秒出来,部分特别复杂的报表需要1分钟左右。使业务行为和业务决策能平滑对接,公司负责人可以通过报表快速进行业务决策。
目录
相关文章
|
移动开发 缓存 JavaScript
2021最新阿里代码规范(前端篇)
2021最新阿里代码规范(前端篇)
58573 11
2021最新阿里代码规范(前端篇)
|
2月前
|
人工智能 自然语言处理 Shell
🦞 如何在 OpenClaw (Clawdbot/Moltbot) 配置阿里云百炼 API
本教程指导用户在开源AI助手Clawdbot中集成阿里云百炼API,涵盖安装Clawdbot、获取百炼API Key、配置环境变量与模型参数、验证调用等完整流程,支持Qwen3-max thinking (Qwen3-Max-2026-01-23)/Qwen - Plus等主流模型,助力本地化智能自动化。
67384 183
🦞 如何在 OpenClaw (Clawdbot/Moltbot) 配置阿里云百炼 API
|
2月前
|
人工智能 运维 前端开发
从极速复制“死了么”APP,看AI编程时代的技术选型
本文以爆款 App“死了么”为例,讲述在AI时代如何通过 Supabase 等 BaaS 服务实现极简全栈开发。借助AI编程工具与无服务器架构,开发者可快速完成从创意到上线的全流程,降低后端复杂度,聚焦核心业务逻辑,实现低成本、高效率的 MVP 落地。
|
11月前
|
新零售 存储 人工智能
申报开启|2025年4月批次阿里云协同育人项目申报指南|云工开物
为推动《“十四五”教育发展规划》,阿里云支持教育部产学合作协同育人项目,邀请高校参与2025年4月批次申报。项目聚焦教学内容改革与实践基地建设,如AI+X专业课程和人工智能通识教育。提供资金、云计算资源和技术培训支持,旨在深化产教融合,培养创新人才。申报截止时间为2025年5月31日,详情见官网通知。
|
运维 Cloud Native 数据管理
云原生数据库:下一代数据管理的趋势与挑战
【9月更文挑战第4天】云原生数据库作为下一代数据管理的趋势,正以其独特的优势引领着数据管理领域的变革。然而,在快速发展的同时,云原生数据库也面临着诸多挑战。未来,随着技术的不断进步和市场的不断成熟,云原生数据库将不断优化和完善,为企业数字化转型提供更加高效、安全、灵活的数据管理服务。同时,我们也需要关注并解决其面临的挑战,推动云原生数据库技术的健康发展。
|
12月前
|
人工智能 云计算
南京大学与阿里云签署校企合作协议,以“云工开物”支持人工智能人才培养与科研创新
3月28日,南京大学与阿里云签署全面校企合作协议,共同推动科教融汇与产教融合。双方将启动人工智能人才培养计划,基于阿里云技术优势和南大学科实力,设计通识课程与实践课程,支持“1+X+Y”课程体系建设。阿里云将为南大师生提供免费算力资源,助力教学科研,并通过产学研合作培养新工科拔尖创新人才,推动科技成果转化与高水平自立自强。
|
12月前
|
负载均衡 Dubbo Java
Spring Cloud Alibaba与Spring Cloud区别和联系?
Spring Cloud Alibaba与Spring Cloud区别和联系?
|
容灾 关系型数据库 数据库
阿里云RDS服务巴黎奥运会赛事系统,助力云上奥运稳定运行
2024年巴黎奥运会,阿里云作为官方云服务合作伙伴,提供了稳定的技术支持。云数据库RDS通过备份恢复、实时监控、容灾切换等产品能力,确保了赛事系统的平稳运行。
 阿里云RDS服务巴黎奥运会赛事系统,助力云上奥运稳定运行
|
存储 Prometheus Cloud Native
Grafana 系列 - 统一展示 -2-Prometheus 数据源
Grafana 系列 - 统一展示 -2-Prometheus 数据源

热门文章

最新文章