数据仓库

FastData具有两个显著特点：第一，难以置信的速度和体量产生数据；第二，数据分析期望秒级甚至毫秒返回。FastData的价值在于其实时性，实时获取和处理数据。 在快数据时代，企业客户通常面临以下几个问题： 如何了快速解行业特性，比如行业的旺季是什么时候，还有哪些人群是自己项目的潜在意向客户，以及客户的消费观念发生了哪些变化； 如何快速了解自己的同行，如何提高自身企业的竞争力，帮助企业获得非常有价值的商业情报； 如何通过增加推荐快速提高产品销量； 企业领导址如何快速了解市场反应，从而为企业的未来作出抉择；为了帮助企业快速转身，助力企业实现数据价值在线化和实时化。

AnalyticDB for MySQL3.0基础版（以下简称ADB for MySQL3.0）是在总结ADB for MySQL2.0产品研发与应用经验的基础上，匠心打磨推出的新一代分析型数据库。

DataWorks作为阿里云上广受欢迎的大数据开发调度服务，最近加入了对于AnalyticDB的支持，意味着所有的AnalyticDB客户可以获得任务开发、任务依赖关系管理、任务调度、任务运维等等全方位强大的能力，现在就给大家仔细介绍下如何使用DataWorks来调度AnalyticDB任务。

摘要 如今，数据和分析对于企业来说是不可或缺的。很多企业的数据工程师、数据分析师和开发人员都希望将数据仓库迁移到云上，以提高性能和降低成本。本文讨论了实现实时数据仓库的必要性和实时数据模型，介绍了基于AnalyticDB构建阿里云实时数据仓库解决方案的方法和优势。

4.12日，阿里云PB级分析型数据库AnalyticDB迎来重量级的全面升级！

入选Gartner和Forrester报告的AnalyticDB作为阿里巴巴的整套数据分析平台的核心产品之一，承载了将数据探索实时化，在线化的关键任务。

一张图读懂分析型数据库AnalyticDB

AnalyticDB 2.4版本本周发布，很多用户期待的资源大盘功能终于上线。该功能以实例汇总信息和单节点资源信息两个维度向用户展示资源详情和系统性能，很好地协助用户进行数据探查。该版本又新增了DUMP 时支持返回数据总条数功能以及重点优化了MPP下几个函数的兼容性等特性。

AnalyticDB 是阿里巴巴自研的在线数据库。 本文会对分区的概念进行解释，并帮助用户选择合适的分区，并尽可能修改查询来更加合理的使用分区从而提高查询性能。

从AnalyticDB写入原理分析，可以从三个方面提升AnalyticDB的写入能力：降低网络传输开销、减少与硬件设备io操作和尽量少消耗cpu资源。针对这三个特性本文将介绍如何对写入sql进行改造以达到最优性能。

2017云栖大会·上海峰会上，阿里云发布了面向物联网场景的高性能时间序列数据库 (Time Series Database , 简称 TSDB) 。TSDB 可支持每秒1000万时序数据点写入；具备PB级别的数据存储能力，提供高效压缩算法，整体存储成本降低90%；提供时序数据插值计算，降精度计算，时间纬度聚合计算，空间纬度聚合计算的能力。

传统的离线数据仓库，将业务数据集中进行存储后，以固定的计算逻辑定时进行ETL 和其它建模后产出报表等应用。离线数据仓库一般采用每日或每几个小时进行一次计算的方式，计算和数据的实时性均较差，业务人员无法根据自己的即时性需要获取几分钟之前的实时数据。

在企业的业务中，经常拥有海量的历史结构化数据，虽然不会高频度的使用，但是不排除会不定期的被检索、查询（检索频率一般在100-1000次每天）。如物联网、交易历史详单查询、监控/日志数据检索等场景。这时企业需要廉价的存储计算方案，但是又不能将数据存储于离线计算系统或归档到对象存储系统，就需要使用分析.