# 云原生数据仓库AnalyticDB MySQL版 #
0
关注
5427内容
Flink基于Paimon的实时湖仓解决方案的演进
本文源自Apache CommunityOverCode Asia 2025，阿里云专家苏轩楠分享Flink与Paimon构建实时湖仓的演进实践。深度解析Variant数据类型、Lookup Join优化等关键技术，提升半结构化数据处理效率与系统可扩展性，推动实时湖仓在生产环境的高效落地。
一键搞定本土认证难题，AnalyticDB版Supabase助力AI应用实现支付宝&微信登录
阿里云AnalyticDB PostgreSQL版推出全新第三方身份认证能力，原生支持微信、支付宝、GitHub、Google、Apple等主流平台登录，助力开发者快速构建本土化用户系统。相比传统开发方式，无需从零开发认证模块，5分钟即可完成集成，大幅降低开发成本。适用于AI应用、创业项目及企业级智能应用，提升用户增长效率，实现安全、便捷的身份管理。
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。
一文辨析：数据仓库、数据湖、湖仓一体
本文深入解析数据仓库、数据湖与湖仓一体的技术原理与适用场景。数据仓库结构严谨、查询高效，适合处理结构化数据；数据湖灵活开放，支持多模态数据，但治理难度高；湖仓一体融合两者优势，实现低成本存储与高效分析，适合大规模数据场景。文章结合企业实际需求，探讨如何选择合适的数据架构，并提供湖仓一体的落地迁移策略，助力企业提升数据价值。
淘宝闪购基于Flink&Paimon的Lakehouse生产实践：从实时数仓到湖仓一体化的演进之路
本文整理自淘宝闪购（饿了么）大数据架构师王沛斌在 Flink Forward Asia 2025 上海站的分享，深度解析其基于 Apache Flink 与 Paimon 的 Lakehouse 架构演进与落地实践，涵盖实时数仓发展、技术选型、平台建设及未来展望。
数据湖 vs 数据仓库：大厂为何总爱“湖仓并用”？
数据湖与数据仓库各有优劣，湖仓一体架构成为趋势。本文解析二者核心差异、适用场景及治理方案，助你选型落地。
【跨国数仓迁移最佳实践5】MaxCompute近线查询解决方案助力物流电商等实时场景实现高效查询
本系列文章将围绕东南亚头部科技集团的真实迁移历程展开，逐步拆解 BigQuery 迁移至 MaxCompute 过程中的关键挑战与技术创新。本篇为第5篇，解析跨国数仓迁移背后的性能优化技术。
注：客户背景为东南亚头部科技集团，文中用 GoTerra 表示。
结合MCP 赋能可视化 OLAP 智能体应用
在数字化转型加速的背景下，企业面临数据利用率低、分析流程复杂等挑战。本文介绍基于阿里云 PolarDB 和百炼大模型的 MCP 协议智能分析方案，通过自然语言实现“对话即分析”，降低数据使用门槛，提升业务决策效率。方案结合云原生数据库与大模型能力，实现从数据查询到可视化分析的端到端自动化，助力企业快速构建智能分析应用。
OLAP or OLTP该怎么选？数据库系统如何搭建？
本文深入解析了OLTP与OLAP的本质区别及适用场景，结合实际案例，帮助读者理解如何根据业务需求选择合适的数据库系统，并介绍了HTAP的优劣势，助力企业构建高效数据架构。
湖仓一体：小米集团基于 Apache Doris + Apache Paimon 实现 6 倍性能飞跃
小米通过将 Apache Doris（数据库）与 Apache Paimon（数据湖）深度融合，不仅解决了数据湖分析的性能瓶颈，更实现了 “1+1>2” 的协同效应。在这些实践下，小米在湖仓数据分析场景下获得了可观的业务收益。
免费试用