数加分析型数据库:让你的数据探索更灵活、准确、快速响应和高并发

在大数据时代,大家越来越注重数据探索的灵活性、准确性、快速响应和高并发。为此,阿里云数加团队在结合多年应用经验的基础上,推出了分析型数据库。

什么是分析型数据库?

分析型数据库(Analytic DB,原名ADS),是阿里巴巴自主研发的海量数据实时高并发在线分析(Realtime OLAP)云计算服务,能让用户可以在毫秒级针对千亿级数据进行即时的多维分析透视和业务探索。分析型数据库对海量数据的自由计算和极速响应能力,能让用户在瞬息之间进行灵活的数据探索,快速发现数据价值,并可直接嵌入业务系统为终端客户提供分析服务。


推出分析型数据库,是希望带来什么?

 

四个“More”总结一下:

首先,数加团队希望数据能够More Accessable——希望海量数据不仅仅用于给少数人的决策报告,而是让更多的业务人员能够使用到数据,甚至将数据开放成在线数据产品或者大数据SaaS服务,提供给广阔的用户群体。

 

其次是More Data:互联网和物联网的高速发展,带来了海量的用户和行为数据,同时也让数据的价值密度大幅变低,如果再使用抽样的方式,则更不容易探索到有价值的insight。需要在数百GB、TB甚至PB级别的海量数据中直接进行分析、探索、挖掘,才能获得数据的价值。

 

再次是More Ways:大数据应用已经开始摆脱传统的特定模型的BI报表,变成以数据自由洞察、灵活洞察为形态的数据产品,例如支持数十上百中用户属性和行为自由组合和探查的CRM、拥有上千个标签的m-DMP系统、支持多种维度筛选访问的访问日志分析系统、支持任意商品属性组合筛选的交易报表等等。

 

最后是More Realtime:大数据时代瞬息万变,所以很多客户希望分析到数分钟前产生的准实时数据,尤其是在物联网行业,海量的传感器每分每秒都在上传自己的信息;而数据探索越来越灵活带来了快速进行交互式(无固定SQL Pattern)的在线实时计算需求。

分析型数据库与传统OLAP引擎相比,有什么优势呢?


  • 自由灵活的计算:无需预先建模,利用分布式计算技术,在保证自由探索的基础上高速得到计算结果,数据模型类似关系数据库的关系表
  • 高并发、高可用:通过双副本在线双活技术极大的提高了查询可用性,并且可以通过扩容实现查询、写入并发性能水平扩展,最高可达数千QPS的并发
  • 快速响应:通过分布式计算技术,在海量数据上能够支撑毫秒级到数秒的计算响应时间
  • 支持数据实时入库:支持通过insert/delete进行数据准实时更新入库,数据更新到可查询延迟一般不超过2分钟,通过购买更多资源可以水平扩展至数十万条/秒的数据插入速率,并且支持通过阿里云数据传输实时订阅RDS的数据变更到分析型数据库中
  • 良好的协议兼容性:对MySQL连接协议有良好的兼容性,使用MySQL在各个语言的Driver便可连接和使用,也部分兼容第三方BI工具和ETL工具如kettle、Qlikview、PowerQuery for Excel等可以使用MySQL协议连接到分析型数据库
  • 高性价比:在100GB-1TB数据量、一天5万次查询(典型的数据探索应用查询模式)的场景,分析型数据库的高性能实例比自建Hbase+Phoneix或ElasticSearch集群的成本最高降低60%以上,并且拥有更好的查询性能和稳定性;在5TB以上、一天500次查询(内部分析系统)的场景下,即将推出的大容量实例也比自建Impala/Presto等集群的成本低30%以上 


那么,什么场景中适合应用分析型数据库呢?

  • 海量数据下CRM、DMP业务
  • 报表型大数据产品
  • Ad-Hoc类大数据产品
  • 需要频繁交互和分析的内部BI系统
  • 将海量数据直接对接应用于业务系统的应用
  • 替换传统企业内部OLAP引擎

实际上,目前已经有很多客户信任并使用阿里云的分析型数据库,比如美柚、网聚宝、天弘基金、优酷土豆、阿里健康、阿里妈妈等。


相关连接:

 

1.分析型数据库产品简介:点此进入

2.分析型数据库产品概述:点此进入

3.分析型数据库购买指南:点此进入

时间: 2024-10-08 11:11:02

数加分析型数据库:让你的数据探索更灵活、准确、快速响应和高并发的相关文章

数据进入阿里云数加-分析型数据库AnalyticDB(原ADS)的N种方法

从  https://yq.aliyun.com/articles/68208?spm=0.0.0.0.HEVojb&do=login  转载. 数据进入AnalyticDB(原ADS)的N种方法   分析型数据库(AnalyticDB)是阿里巴巴自主研发的海量数据实时高并发在线分析(Realtime OLAP)云计算服务,用户可以在毫秒级针对千亿级数据进行即时的多维分析透视和业务探索. 想使用阿里云分析型数据,对于大多数人首先碰到的问题就是数据如何进入到分析型数据库中.按照分析型数据库数据表的

向分析型数据库ADS中导入数据

        ADS是阿里云提供的分析性数据库,实现百亿数据毫秒级计算.         在使用ADS进行分析之前,需要先将数据导入到ADS中. 1 两种方法         ADS导入分为两种:批量导入和实时导入.这两种导入方式,是在建表的时候确定的. 1.1 批量导入         建表的时候,需要指定updateType='batch'         批量导入目前仅支持数据源为ODPS表的导入,且要求ADS中的字段名称和ODPS表中的字段名称一致.步骤如下:         (1)在

分析型数据库实时写入功能全面开放

阿里云分析型数据库为客户提供了百亿级海量数据下的毫秒级OLAP查询与分析能力.除了可以通过内建API.阿里云数据集成等途径方便的批量导入大量数据外,分析型数据库目前开放了通过insert/delete sql直接写入或删除数据的功能. 通过insert/delete提交的数据变更,一般可以在30s-60s之间就可以查询到.在最佳实践上,如果想达到最高的写入性能,在网络带宽允许的情况下(参考带宽:一个c1 ECU 2MB/s,一个c8 ECU 8MB/s),可以每个insert中进行批量提交30-

一分钟了解阿里云产品:分析型数据库

一.             概述   阿里云产品种类繁多,今天让我们一起来了解下分析型数据库(Analytic DB)吧!   什么是分析型数据库呢?   分析型数据库是阿里巴巴自主研发的海量数据实时高并发在线分析(Realtime OLAP)云计算服务,使得您可以在毫秒级针对千亿级数据进行即时的多维分析透视和业务探索.分析型数据库对海量数据的自由计算和极速响应能力,能让用户在瞬息之间进行灵活的数据探索,快速发现数据价值,并可直接嵌入业务系统为终端客户提供分析服务.     分析型数据库帮您实

创建RDS到分析型数据库AnalyticDB数据实时同步

数据传输服务DTS支持RDS到分析型数据库AnalyticDB之间的数据实时同步.通过DTS提供的RDS->AnalyticDB实时同步功能,可以将将企业数据集中分析,实现企业内部各种BI.CRM.实时报表系统等. 本小节介绍如何使用数据传输服务DTS快速创建RDS(MySQL)->AnalyticDB实例之间的实时同步作业,实现RDS增量数据到AnalyticDB的数据实时同步. 支持功能 支持同一个阿里云账号下RDS(MySQL)->AnalyticDB实例的数据实时同步. 支持不同

用好阿里云分析型数据库大存储实例,大幅降低大数据应用成本

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,就需要使用分析型数据库的大存储实例了. SATA.SSD.内存分析混合存储,提供低廉的存储成本(不同规格从0.093元/GB/天到0.051元/GB/天),仅为分析型数据库高性能实例的1/10,而又通过先进的动态二级

分析型数据库+数据传输,构建企业级实时数仓

什么是实时数仓 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. 而虽然软件技术和硬件的发展,实时数据仓库一类解决方案越发流行.实时数仓同时具有计算的实时性(计算在用户查询时发生,可自由变换,查询速度快),和数据的实时性(数据产生插入数仓后很短时间内既可以查询到),可以让业务人员在几秒钟甚至几百毫秒的

分析型数据库受大数据市场追捧

文章讲的是分析型数据库受大数据市场追捧,近期,大数据领域有一些值得关注的动向.首先,EMC和VMware正式公布成立新公司Pivotal.其次,Actian公司宣布收购大规模并行处理(MPP)分析数据库厂商ParAccel,后者还为Amazon云数据仓库Redshift提供了后端支持. 这两个举动都是以分析为中心,并以大数据作为背景. 成立新公司Pivotal,EMC公司"贡献"出Greenplum部门,该部门也做MPP分析数据库产品.VMware则"贡献"出应用开

基于数加平台全民众筹平台开启大数据时代

摘要:本文的整理自2017云栖大会-上海峰会上北京轻松筹网络科技有限公司 CTO李汐的分享讲义,讲义主要讲了北京轻松筹从2014年成立至今呈指数发展的发展历程,通过大数据及人工智能应用场景做到信任透明,风险监控,定向帮助及建立爱心指数,让轻松筹更加快速,可控,精准,权威. 在2017云栖大会-上海峰会上,北京轻松筹网络科技有限公司 CTO李汐做了题为<基于数加平台全民众筹平台开启大数据时代>的分享.轻松筹在发展前期遇到缺乏大数据经验,埋点数据不全面和业务数据查询慢的痛点,通过阿里云这一坚实易用