进入 Fast Data 时代，主要的挑战包括哪几个方面？

主要的挑战包括四个方面：

• 首先是高吞吐的实时写入，这是实时数仓的一个核心前置条件。数据只有能够快速的进入分析系统，实时才具备可行性。因此，可以认为高吞吐的实时写入是 Fast Data 的基础。

• 其次是在离线混合工作负载。企业数字化分析是多元化的，涵盖了实时的 BI 决策，实时报表、数据 ETL、数据清洗以及 AI 分析。传统数仓方案是通过组合多套数据库与大数据产品，利用各自不同的优势来解决不通的分析场景，而带来的问题就是整个数据冗余，同时需要维护多个异构系统管理的代价。

• 第三是冷数据低成本、热数据高性能的一体化存储。在解决了一套系统同时支持在离线分析后，那么带来的核心问题是：如何既能够支持在线分析高性能，同时又可以支持冷数据的低成本存储。因此，动态的数据管理机制和灵活的缓存策略也将是一个很大的挑战。

• 最后是弹性可扩展。数仓中分析类查询对资源的灵活需求，由于业务变化而不断变化的数据体量，都对弹性这一云原生的核心特征提出了诉求。

资料来源：《数据库：从趋势到实践》，链接：https://developer.aliyun.com/topic/download?id=1113