# 云原生数据仓库AnalyticDB MySQL版 #
0
关注
5425内容
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。
终于有人把湖仓一体讲清楚了
湖仓一体是将数据仓库与数据湖融合的新一代数据架构，兼具结构化分析与多样化数据处理能力，实现统一存储、高效查询与深度分析，助力企业提升数据管理效率与业务决策水平。
Apache Doris 实时更新技术揭秘：为何在 OLAP 领域表现卓越？
Apache Doris 为何在 OLAP 领域表现卓越？凭借其主键模型、数据延迟、查询性能、并发处理、易用性等多方面特性的表现，在分析领域展现了独特的实时更新能力。
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。
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。
实时数仓和离线数仓还分不清楚？看完就懂了
本文通俗易懂地解析了实时数仓与离线数仓的核心区别，涵盖定义、特点、技术架构与应用场景，助你快速掌握两者差异，理解数据处理的“快慢之道”。
【跨国数仓迁移最佳实践3】资源消耗减少50%！解析跨国数仓迁移至MaxCompute背后的性能优化技术
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3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。
释放Qwen3-Coder潜力：Bolt+AnalyticDB Supabase，打造真正的生产力工具
阿里云发布Qwen3-Coder，具备卓越自主编码能力，支持超长上下文窗口与工具调用，结合Bolt与AnalyticDB Supabase，实现高效开发。
免费试用