How(and Why) Uber built an Analytical datastore On Spark

Prasanna Rajaperumal 和 Vinoth Chandar 在 Spark Summit 2017 上的演讲《How(and Why) Uber built an Analytical datastore On Spark》探讨了优步如何利用 Apache Spark 构建分析型数据存储的原因和方法。虽然我无法直接访问或提供特定下载链接的有效性验证，但根据您的描述，这个演讲内容对于那些对大数据处理、尤其是使用Spark进行大规模数据分析和存储解决方案感兴趣的用户来说，是非常有价值的资源。

阿里云也提供了与大数据处理和分析相关的多种产品和服务，这些可以为有类似需求的企业提供支持，比如：

1. MaxCompute（原名ODPS）：这是一个全面托管的多租户数据仓库服务，适合大规模数据处理、复杂数据分析和机器学习任务。它能够处理PB级别的数据，与Spark相比，在某些场景下可能提供更高效的数据处理能力。

2. EMR（Elastic MapReduce）：阿里云的EMR服务是基于Apache Hadoop和Spark等开源技术构建的，提供了灵活、可扩展的大数据处理平台。用户可以直接在云端部署和管理Spark集群，进行数据分析、数据挖掘等工作。

3. DataWorks：这是一个一站式大数据开发和运维平台，集成了数据集成、数据开发、数据调度、数据服务等功能，支持与MaxCompute、EMR等无缝对接，方便用户构建数据仓库、数据湖以及进行数据分析应用的开发。

4. AnalyticDB：这是阿里云的实时分析数据库服务，特别适合于高并发、低延迟的在线分析处理（OLAP）场景。虽然它不是直接基于Spark构建，但提供了与Spark类似的SQL查询能力和实时分析能力，适用于实时数据处理和交互式分析。

如果您对如何在阿里云上实现类似Uber的分析型数据存储解决方案感兴趣，可以考虑上述产品和服务，并结合实际业务需求选择合适的工具和技术栈。同时，阿里云官网和开发者社区提供了丰富的文档、教程和最佳实践案例，可以帮助您深入了解并快速上手这些服务。