阿里云数据库Tair通过信通院「分布式缓存服务稳定性」“先进级”评估

简介: 高性能与高稳定双重保障。

日前,中国信息通信研究院(简称“中国信通院”)正式公布了《分布式缓存服务稳定性》的测试评估结果,阿里云自研的云原生内存数据库Tair凭借卓越的技术实力,成功获得“先进级”评定。这一成绩充分验证了Tair在性能、稳定性、运维管理等方面的出色表现。

iwEdAqNwbmcDAQTRBRQF0QcuBrAyqE26nZXZcQZM4D-VSasAB9MAAAAAreCfPggACaJpbQoAC9IAHanB.png_720x720q90.jpg

Tair:高性能与高稳定的双重保障


阿里云推出云数据库Redis服务已经近十年,服务了广泛的客户群体,遍及各行各业。在这个过程中,客户对稳定性、成本、性能和可靠性提出了众多需求。基于用户的需求,在保证对Redis社区版的兼容基础之上,阿里云瑶池数据库团队开发了云原生内存数据库Tair。目前Tair已经在阿里云上服务广泛客户,并且在阿里集团内部各核心链路中深度使用。


作为阿里云的关键产品之一,Tair自诞生以来,为企业级用户提供高效、安全、可扩展的分布式缓存解决方案一直是Tair的重要愿景。Tair集成了键值存储、多线程加速、跨域多活、扩展数据结构等多种功能特性,能够有效支撑大规模、高并发的互联网应用场景,确保数据访问的低延迟与高吞吐,满足业务对数据实时性和服务高可用的严苛要求。


此次评估过程涵盖了系统架构设计、故障恢复能力、可观测性、运维管理等多个方面,全面检验了Tair在实际运行环境下的稳定性和可靠性。Tair在评估中展现出:


1. 极致性能

  • 自研引擎内核采用多线程设计,充分发挥多核优势,突破单线程性能瓶颈。在高并发场景下,Tair依然能保持极低的响应时间和极高的吞吐量,确保业务高峰期的流畅运行。
  • Tair代理节点的querycache功能可对热点Key进行缓存,帮助用户解决热点Key带来的访问瓶颈问题,无需调整代码或进行事前预估。


2. 强健容错

  • 面对节点故障、网络波动等复杂情况,Tair能够快速准确地识别异常,进行自我修复与故障转移,使业务快速恢复,确保服务在复杂环境下的高可用性。
  • Tair提供跨域复制能力,支持同城或最多三地数据库同时读写,实现数据异地灾备和多活,帮助业务解决跨地域访问延迟和容灾问题。
  • 通过对AOF(Append-Only-File)的改造,Tair实现了数据按时间点恢复的功能,彻底解决误操作带来的数据损失,极大增强了数据安全性。


3. 智能运维

  • Tair提供了全面的可观测性支持,包括运行日志、慢日志、审计日志、实时热Key大Key分析、时延洞察、监控告警等,确保用户能够深入洞察服务状态、快速定位问题。
  • 具备专业的DMS数据管理平台,进行可视化数据管理,全面提升研发、运维效率。


4. 弹性扩展

  • 支持主从、读写分离和多分片集群架构,在横向和纵向均能够对性能和容量进行扩展,灵活部署,适配多种不同业务对性能和容量的需求。
  • 通过自研的slot-replication功能,可以保证slot级别的原子性迁移,避免大Key迁移卡顿和多Key命令失败等问题,实现无感扩缩容。


中国信通院权威认可

中国信通院作为国家高端专业智库和产业创新发展平台,其分布式缓存服务稳定性评估体系严格遵循国际标准与行业最佳实践,旨在对市场上的分布式缓存产品进行全面、客观、公正的评估。本次评估中,Tair在各项评估项目中均表现出色,顺利通过了严苛的测试流程,最终荣获“先进级”评定。这一荣誉是对Tair技术实力与服务质量的权威肯定。


赋能行业,共筑数字未来

阿里云Tair将继续秉持“客户第一”的原则,持续创新与优化产品,助力各行各业用户应对日益增长的数据处理需求,提升业务效率,降低IT成本。通过此次“先进级”评定,阿里云期待与更多合作伙伴携手共进,依托Tair强大的分布式缓存能力,共同推动各行业的数字化转型与智能化升级,共筑安全、稳定、高效的数字未来。

相关文章
|
存储 关系型数据库 数据库
附部署代码|云数据库RDS 全托管 Supabase服务:小白轻松搞定开发AI应用
本文通过一个 Agentic RAG 应用的完整构建流程,展示了如何借助 RDS Supabase 快速搭建具备知识处理与智能决策能力的 AI 应用,展示从数据准备到应用部署的全流程,相较于传统开发模式效率大幅提升。
附部署代码|云数据库RDS 全托管 Supabase服务:小白轻松搞定开发AI应用
|
存储 缓存 人工智能
阿里云Tair KVCache:打造以缓存为中心的大模型Token超级工厂
Tair KVCache 是阿里云推出的面向大语言模型推理场景的缓存加速服务,基于分布式内存池化和分级缓存体系,解决显存墙与带宽瓶颈问题。为万亿参数模型的高效推理提供技术保障,推动 AI 算力进化与规模化应用。
|
数据管理 关系型数据库 MySQL
数据管理服务DMS支持MySQL数据库的无锁结构变更
本文介绍了使用Sysbench准备2000万数据并进行全表字段更新的操作。通过DMS的无锁变更功能,可在不锁定表的情况下完成结构修改,避免了传统方法中可能产生的锁等待问题。具体步骤包括:准备数据、提交审批、执行变更及检查表结构,确保变更过程高效且不影响业务运行。
2569 2
|
人工智能 Cloud Native 多模数据库
实力见证!数据管理服务DMS、云原生多模数据库Lindorm荣获“2024技术卓越奖”
实力见证!数据管理服务DMS、云原生多模数据库Lindorm荣获“2024技术卓越奖”
428 1
|
12月前
|
存储 负载均衡 NoSQL
【赵渝强老师】Redis Cluster分布式集群
Redis Cluster是Redis的分布式存储解决方案,通过哈希槽(slot)实现数据分片,支持水平扩展,具备高可用性和负载均衡能力,适用于大规模数据场景。
799 2
|
存储 缓存 NoSQL
【📕分布式锁通关指南 12】源码剖析redisson如何利用Redis数据结构实现Semaphore和CountDownLatch
本文解析 Redisson 如何通过 Redis 实现分布式信号量(RSemaphore)与倒数闩(RCountDownLatch),利用 Lua 脚本与原子操作保障分布式环境下的同步控制,帮助开发者更好地理解其原理与应用。
853 6
|
存储 缓存 NoSQL
Redis核心数据结构与分布式锁实现详解
Redis 是高性能键值数据库,支持多种数据结构,如字符串、列表、集合、哈希、有序集合等,广泛用于缓存、消息队列和实时数据处理。本文详解其核心数据结构及分布式锁实现,帮助开发者提升系统性能与并发控制能力。
|
数据采集 存储 数据可视化
分布式爬虫框架Scrapy-Redis实战指南
本文介绍如何使用Scrapy-Redis构建分布式爬虫系统,采集携程平台上热门城市的酒店价格与评价信息。通过代理IP、Cookie和User-Agent设置规避反爬策略,实现高效数据抓取。结合价格动态趋势分析,助力酒店业优化市场策略、提升服务质量。技术架构涵盖Scrapy-Redis核心调度、代理中间件及数据解析存储,提供完整的技术路线图与代码示例。
2014 0
分布式爬虫框架Scrapy-Redis实战指南
|
11月前
|
NoSQL Java 调度
分布式锁与分布式锁使用 Redis 和 Spring Boot 进行调度锁(不带 ShedLock)
分布式锁是分布式系统中用于同步多节点访问共享资源的机制,防止并发操作带来的冲突。本文介绍了基于Spring Boot和Redis实现分布式锁的技术方案,涵盖锁的获取与释放、Redis配置、服务调度及多实例运行等内容,通过Docker Compose搭建环境,验证了锁的有效性与互斥特性。
903 0
分布式锁与分布式锁使用 Redis 和 Spring Boot 进行调度锁(不带 ShedLock)