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
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 Tair(兼容Redis),内存型 2GB
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
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
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
相关文章
|
3月前
|
运维 算法 机器人
阿里云AnalyticDB具身智能方案:破解机器人仿真数据、算力与运维之困
本文将介绍阿里云瑶池旗下的云原生数据仓库AnalyticDB MySQL推出的全托管云上仿真解决方案,方案采用云原生架构,为开发者提供从开发环境、仿真计算到数据管理的全链路支持。
|
2月前
|
SQL 存储 运维
Apache Doris 在菜鸟的大规模湖仓业务场景落地实践
本文介绍了 Apache Doris 在菜鸟的大规模落地的实践经验,菜鸟为什么选择 Doris,以及 Doris 如何在菜鸟从 0 开始,一步步的验证、落地,到如今上万核的规模,服务于各个业务线,Doris 已然成为菜鸟 OLAP 数据分析的最优选型。
157 2
Apache Doris 在菜鸟的大规模湖仓业务场景落地实践
|
17天前
|
存储 人工智能 关系型数据库
阿里云AnalyticDB for PostgreSQL 入选VLDB 2025:统一架构破局HTAP,Beam+Laser引擎赋能Data+AI融合新范式
在数据驱动与人工智能深度融合的时代,企业对数据仓库的需求早已超越“查得快”这一基础能力。面对传统数仓挑战,阿里云瑶池数据库AnalyticDB for PostgreSQL(简称ADB-PG)创新性地构建了统一架构下的Shared-Nothing与Shared-Storage双模融合体系,并自主研发Beam混合存储引擎与Laser向量化执行引擎,全面解决HTAP场景下性能、弹性、成本与实时性的矛盾。 近日,相关研究成果发表于在英国伦敦召开的数据库领域顶级会议 VLDB 2025,标志着中国自研云数仓技术再次登上国际舞台。
117 0
|
2月前
|
存储 人工智能 分布式计算
数据不用搬,AI直接炼!阿里云AnalyticDB AI数据湖仓一站式融合AI+BI
阿里云瑶池旗下的云原生数据仓库AnalyticDB MySQL版(以下简称ADB)诞生于高性能实时数仓时代,实现了PB级结构化数据的高效处理和分析。在前几年,为拥抱大数据的浪潮,ADB从传统数仓拓展到数据湖仓,支持Paimon/Iceberg/Delta Lake/Hudi湖格式,为开放的数据湖提供数据库级别的性能、可靠性和管理能力,从而更好地服务以SQL为核心的大规模数据处理和BI分析,奠定了坚实的湖仓一体基础。
|
3月前
|
存储 传感器 数据采集
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。
|
3月前
|
存储 人工智能 关系型数据库
从“听指令”到“当参谋”,阿里云AnalyticDB GraphRAG如何让AI开窍
阿里云瑶池旗下的云原生数据仓库 AnalyticDB PostgreSQL 版 GraphRAG 技术,创新融合知识图谱动态推理+向量语义检索,通过实体关系映射与多跳路径优化,构建可应对复杂场景的决策引擎。本文将通过家电故障诊断和医疗预问诊两大高价值场景,解析其如何实现从“被动应答”到“主动决策”的跨越。
|
4月前
|
分布式计算 运维 监控
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。
192 1
|
4月前
|
SQL 存储 缓存
海量数据分页查询效率低?一文解析阿里云AnalyticDB深分页优化方案
本文介绍了AnalyticDB(简称ADB)针对深分页问题的优化方案。深分页是指从海量数据中获取靠后页码的数据,常导致性能下降。ADB通过快照缓存技术解决此问题:首次查询生成结果集快照并缓存,后续分页请求直接读取缓存数据。该方案在数据导出、全量结果分页展示及业务报表并发控制等场景下表现出色。测试结果显示,相比普通分页查询,开启深分页优化后查询RT提升102倍,CPU使用率显著降低,峰值内存减少至原方案的几分之一。实际应用中,某互联网金融客户典型慢查询从30秒优化至0.5秒,性能提升60+倍。
277 1
|
8月前
|
存储 分布式计算 物联网
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%。
616 58