冷热分离之OTS表格存储实战［云栖版］
为什么要冷热分离由于2020疫情的原因，在线教育行业提前被大家所重视，钉钉教育已经服务超过21万所学校、700万教师和1.4亿学生用户，每天大量的教育数据产生。整体数据量：随着时间的积累，数据量越来直大，庞大的数据量对稳定性与性能是一个很大的挑战。当前策略：分库分表，对于大单表的场景，第一个能跳出脑海的就是分库分表。在中国互联网技术圈流传着这么一个说法：MySQL 单表数据量大于 2000 万行，
表格存储 Tablestore 十年发展总结
这篇文章接下来会先整体介绍下表格存储 Tablestore，之后会分享下在技术层面产品这几年的功能演进、技术架构演进以及稳定性优化相关的工作，以及在业务层面我们定义的核心应用场景和一些典型案例。
基于Tablestore 实现海量订单日志数据存储
从最早的互联网高速发展、到移动互联网的爆发式增长，再到今天的产业互联网、物联网的快速崛起，各种各样新应用、新系统产生了众多订单类型的需求，比如电商购物订单、银行流水、运营商话费账单、外卖订单、设备信息等，产生的数据种类和数据量越来越多；其中订单系统就是一个非常广泛、通用的系统。而随着数据规模的快速增长、大数据技术的发展、运营水平的不断提高，包括数据消费的能力要求越来越高，这对支撑订单系统的数据库设计、存储系统也提出了更多的要求。在新的需求下，传统的经典架构面临着诸多挑战，需要进一步思考架构优化，以更好支撑业务发展。
海量结构化数据的冷热分层一体化
## 前言
在大数据时代，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产要素。随着业务和数据量的不断增长，性能和成本的权衡变成了大数据系统设计面临的关键挑战，这里甚至会导致原有系统进行架构改造或者数据迁移。所以在架构设计之初，我们就需要把整套架构的成本考虑进来，这对应的就是数据的分层存储和存储计算引擎的选择。Delta Lake是DataBricks公司推出的一种新型数据湖方案，围绕
基于TableStore的海量气象格点数据解决方案实战
前言
气象数据是一类典型的大数据，具有数据量大、时效性高、数据种类丰富等特点。气象数据中大量的数据是时空数据，记录了时间和空间范围内各个点的各个物理量的观测量或者模拟量，每天产生的数据量常在几十TB到上百TB的规模，且在爆发性增长。