阿里巴巴下一代雲分析型數據庫AnalyticDB入選Forrester Wave™ 雲數倉評估報告 解讀

前言
近期, 全球權威IT諮詢機構Forrester發佈"The Forrester WaveTM: CloudData Warehouse Q4 2018"研究報告，阿里巴巴分析型數據庫(AnalyticDB)成功入選 ！AnalyticDB做爲阿里巴巴自主研發的PB級實時雲數據倉庫，全面兼容MySQL協議以及SQL:2003 語法標準，能夠毫秒級針對萬億級數據進行即時的多維分析透視和業務探索，幫客戶將整個數據分析和價值化從傳統的離線分析帶到下一代的在線實時分析模式。本文將深刻解讀AnalyticDB成功入選背後的核心產品以及帶來的客戶價值。

核心能力一：快和實時

分析型數據庫AnalyticDB在瞬間便可對萬億級別的數據進行實時的多維度分析透視，快速發現數據價值。AnalyticDB對複雜SQL查詢速度相比傳統的關係型數據庫快10倍，此外，AnalyticDB還能夠快速擴容至數千節點的超大規模，進一步提高查詢響應速度。三大模塊協力構築了遠遠領先競爭對手的性能優點：

智能SQL優化器：針對複雜的SQL查詢，AnalyticDB的SQL Optimizer 實現了多種查詢改寫優化，同時依據統計信息選擇JOIN ORDERING最優路徑，並支持 CTE 歸併等功能。同時針對高併發低延遲查詢，提供智能的 Plan cache，將類似SQL Pattern 計劃都緩存起來，規避重複優化開銷。

曦和計算引擎： AnalyticDB 在2017年全面升級爲新一代曦和分佈式計算引擎，總體採用MPP架構，並支持DAG計算模型，節點內引入LLVM等運行時編譯優化JIT技術，性能提高一倍以上。數據分析任務在曦和計算引擎內被打散成小顆粒的計算單元，引擎內置分時輪詢的計算調度機制，能夠保證高併發下做業任務的穩定運行。

玄武存儲引擎：AnalyticDB支持行列混合存儲，同時針對不一樣的數據類型，當數據實時寫入時，智能的構建多種維度索引，包括B+索引、區間索引、倒排索引、位圖索引等，並對傳統索引算法進行創新，引入動態過濾、延遲物化等方式，極大的下降I/O，實現高性能的點或範圍的檢索，支持千億級記錄關聯分析。

核心能力二：超大規模
AnalyticDB是全分佈式結構，使得數據庫支持ECU節點動態線性擴容至數千節點。用戶能夠經過橫向擴容來大幅度提高查詢SQL響應速度、以及換來SQL處理高併發。 AnalyticDB 基於阿里雲飛天系統構築，AnalyticDB採用分層解耦架構，同時將分析計算、數據寫入、索引構建等分離爲不一樣節點，同時各類類型節點採用多活運行模式實現高可用，數據存儲在盤古分佈式文件系統上，實現高可靠和高性能讀寫I/O，在總體架構上實現了彈性擴展和高可用。AnalyticDB架構上每一層結構，都充分的考慮了規模化擴展性問題。

**
核心能力三：高併發實時寫入和更新**

因爲不管是前端接入層、寫入節點支持動態大規模擴展，客戶能夠從最小規模的10萬TPS寫入能力，經過橫向擴容節點提高至1000萬+TPS的寫入能力，實時寫入後，數據秒級別可見，從寫入到分析整個數據延遲控制在秒級。

單個表最大支持PB級數據，十萬億記錄，傳統的數據倉庫一般是離線Load數據模式，不具有實時高併發寫入能力。正是因爲具有海量數據實時寫入能力，AnalyticDB數據分析時效性很是高，是企業數據離線計算轉實時化的下一代核心解決方案。

核心能力四：靈活

AnalytiDB不管是前端接入層仍是彈性計算層、以及數據存儲層均是全分佈式設計，全局無單點。外加存儲計算分離結構，帶來的優點是極度靈活。雲上客戶不只能夠隨時進行靈活調整節點數量，還能夠作實例規格的動態升降配。AnalytiDB同時支持在存儲型的SATA實例和高性能的SSD實例間靈活切換。

舉例來講： 能夠從8個高性能的c4實例升到12個高性能的c8實例，或從12個c8降到8個c4，甚至從2個高性能c8節點切換至4個大存儲SATA的s2n等，企業能夠真正作到靈活控制成本。

核心能力五：易用

AnalyticDB做爲雲端託管的PB級SQL數據倉庫，高度兼容MySQL協議和SQL:2003，經過標準SQL和經常使用的BI工具、以及ETL工具平臺便可輕鬆使用。同時結合阿里雲數據傳輸服務(DTS) + 數據可視化配套(Datav & QuickBI), 輕鬆拖拽式便可完成企業的實時數據倉庫建設。AnalyticDB旨在幫助企業下降實時數據化運營的建設門檻。

爲企業解決數據化建設效率和性能難題

遞四方集團（4PX）是領先的跨境電商物流服務提供商。遞四方信息科技團隊在建設了多年的離線數據平臺後，須要短期內建設PB級別實時數據平臺支持數字化運營。遞四方信息科技在調研了一系列的解決方案後，綜合成本和建設效率等因素，最後選擇了基於AnalyticDB來構建實時數據平臺。 雙方通力合做，在極短期內經過
DTS+AnalyticDB+DataV/QuickBI套件，以簡單快速的拖拽配置方式完成了4PX企業實時數倉的初期基礎建設。

無他相機做爲一款流行的拍照智能App, 有各類用戶和App數據須要上報作實時分析，以幫助運營人員作活動效果分析以及開發人員作App分析，不斷優化用戶體驗和App質量。數據總量約100億，需實時入庫更新，客戶最先期的方案是MySQL，後續換成了MongoDB，解決了實時寫入問題，可是分析性能巨慢。在使用了分析型數據庫的存儲型實例後，將業務數據直接寫入AnalyticDB，不但解決了實時高併發寫入問題，複雜分析性能從40分鐘+下降到秒級別，高分期QPS 1800+。

典型行業客戶-他們也在使用AnalyticDB

展望將來：儲備更多創新力量 + 構築更豐富的生態

分析型數據庫AnalyticDB，做爲阿里巴巴下一代PB級實時數據倉庫, 承載着整個集團內和雲上客戶的數據價值實時化分析的使命。這次報告能夠看出，整個大數據企業服務邁入CDW階段，靈活、易用、自助化服務成爲主流趨勢，AnalyticDB接下來將在易用性、數據通道、任務管理、可視化等周邊生態建設上繼續作廣、作深。同時也爲將來儲備了一些核心力量，並取得階段性的進展：

1. 分析型數據庫AnalyticDB首次在「雙11 全球狂歡節」 採用GPU加速加速技術，在計算成本大幅下降的狀況下，服務全球商家將數據分析從離線進入在線時代，支撐PB級數據從T+1計算提速到秒級實時分析。
2. 向量分析首次支撐銀泰、盒馬等新零售場景的人臉識別、算法推薦、結構化數據實時融合分析，毫秒級打通線上線下會員體系，支撐實時數據化線下互動、營銷。

AnalyticDB爲數據價值在線化而生，做爲實時雲數據倉庫平臺，但願能將最領先的下一代實時數倉能力普惠給全部企業，幫助企業轉型加速數據價值探索和在線化。
查的慢，就用AnalyticDB！

原文連接 本文爲雲棲社區原創內容，未經容許不得轉載。