¿Qué es AnalyticDB?
AnalyticDB es un almacén de datos en tiempo real nativo de la nube de Alibaba Cloud. Permite la ingesta de datos en tiempo real desde fuentes como bases de datos de procesamiento transaccional en línea (OLTP) y archivos de registro, y analiza datos a escala de petabytes en segundos. AnalyticDB cuenta con una arquitectura nativa de la nube que desacopla el almacenamiento y la computación. Esta arquitectura admite almacenamiento pay-as-you-go, escalado elástico para recursos de computación y aislamiento de recursos para el procesamiento sin conexión y los análisis en línea. Este diseño ayuda a las empresas a mejorar la eficiencia del procesamiento de datos, controlar los costos y garantizar la estabilidad del sistema. AnalyticDB es compatible con los ecosistemas de MySQL, PostgreSQL y Spark.
AnalyticDB tiene dos motores: AnalyticDB for MySQL y AnalyticDB for PostgreSQL.
|
Criterio de comparación |
AnalyticDB for MySQL |
AnalyticDB for PostgreSQL |
|
|
Ecosistema |
Alta compatibilidad con MySQL Alta compatibilidad con Spark |
100 % compatible con PostgreSQL Alta compatibilidad con Oracle |
|
|
Edición |
|
|
|
|
Arquitectura |
Arquitectura con almacenamiento y computación desacoplados |
||
|
Extensibilidad |
Funciones comunes |
Escalado vertical Escalado horizontal |
|
|
Diferencias |
Admite el modelo Multi-Cluster para el escalado automático de recursos Admite el modelo MIN-MAX para el escalado elástico automático basado en tiempo |
Admite tareas programadas para el escalado automático planificado Admite un modelo serverless para el escalado automático bajo demanda |
|
|
Funciones clave |
Funciones comunes |
AISearch Índice de texto completo Procesamiento por lotes sin conexión Vista materializada en tiempo real |
|
|
Diferencias |
Lago de datos Procesamiento sin conexión con Spark Diagnóstico y ajuste inteligente del rendimiento de consultas |
Aplicaciones de generación aumentada por recuperación (RAG) Análisis espaciotemporal |
|
|
Escenarios |
Funciones comunes |
Almacén de datos en tiempo real Análisis de registros en tiempo real Informes de inteligencia empresarial (BI) |
|
|
Diferencias |
Marketing de precisión Análisis federado en varias fuentes Almacenamiento y análisis de big data Aceleración de datos sin conexión Migración desde otros servicios de lago de datos o almacén de datos (como Databricks, Athena, Spark autogestionado o Presto) |
Solución integral para crear aplicaciones de modelos de lenguaje grande (LLM) Bases de conocimiento empresariales exclusivas Análisis de big data espaciotemporal con sistemas de información geográfica (GIS) Análisis integrado de datos sin conexión y en línea Migración desde otros servicios de almacén de datos en la nube (como Greenplum, Redshift, Synapse, Snowflake o BigQuery) |
|
|
Industrias de clientes |
Videojuegos, retail, automotriz |
Retail, comercio electrónico, educación |
|
|
Ahorro de costos |
Funciones comunes |
Las tarifas de almacenamiento de datos se basan en el volumen real de datos. El almacenamiento escalonado para datos calientes y fríos reduce los costos de almacenamiento. Escala los recursos vertical u horizontalmente de forma automática según los picos y valles predecibles del negocio. Esto garantiza recursos suficientes durante el tráfico pico y evita el desperdicio de recursos después de los picos. |
|
|
Diferencias |
Escala los recursos vertical u horizontalmente de forma automática según la carga de trabajo real del negocio. |
Inicie o pause instancias manualmente según sea necesario. |
|
Introducción a AnalyticDB for MySQL
Fuentes de datos
La canalización de datos APS proporciona un método de bajo costo y con un solo clic para ingerir datos desde bases de datos, registros y sistemas de big data.
Capa de almacenamiento + Capa de computación
Admite los motores de computación Xihe y de almacenamiento Xuanwu, ambos de desarrollo propio. También integra el motor de computación Spark y el motor de almacenamiento Hudi de código abierto. Estos motores de código abierto admiten una gama más amplia de escenarios de análisis de datos. El acceso mutuo entre los motores de desarrollo propio y los de código abierto está habilitado, lo que proporciona una experiencia más integrada.
-
Capa de almacenamiento: Una sola copia de los datos completos puede satisfacer las necesidades de los escenarios sin conexión y en línea.
Los escenarios de análisis en línea requieren medios de almacenamiento de alto rendimiento para mejorar el desempeño, mientras que los escenarios sin conexión requieren medios de almacenamiento de bajo costo para reducir gastos. Para satisfacer estas necesidades, primero se almacena una copia completa de los datos en medios de almacenamiento de alto rendimiento y bajo costo. Esto permite que los escenarios de procesamiento sin conexión de bajo costo lean y escriban directamente en estos datos, lo que reduce los costos de almacenamiento y de E/S de datos, además de garantizar un alto rendimiento. Posteriormente, los datos en tiempo real se almacenan en nodos de E/S de almacenamiento separados (EIU) para garantizar un rendimiento en tiempo real a nivel de fila. Se crean índices sobre los datos completos y se usa caché para acelerar el acceso a los datos. Este diseño satisface las necesidades de los escenarios de análisis en línea de alto rendimiento y ofrece tiempos de respuesta del orden de cientos de milisegundos.
-
Capa de computación: El motor de computación Xihe selecciona inteligentemente el modo de computación, y el motor de computación Spark de código abierto satisface las necesidades de diversos escenarios.
El motor de computación Xihe proporciona modos de procesamiento masivamente paralelo (MPP) y paralelo síncrono masivo (BSP). El modo MPP es un modelo de procesamiento de flujos y no es adecuado para escenarios de procesamiento sin conexión de alto rendimiento y bajo costo. El modo BSP utiliza un grafo acíclico dirigido (DAG) para dividir tareas y programarlas en lotes. Este enfoque admite la computación de datos a gran escala con recursos limitados y permite escribir los datos de computación en el disco. El motor de computación Xihe incluye una función de conmutación automática. Si una consulta en modo MPP no se completa dentro de un tiempo especificado, el sistema cambia automáticamente al modo BSP para su ejecución.
El motor de computación Spark de código abierto puede satisfacer las necesidades de escenarios más complejos de procesamiento sin conexión y aprendizaje automático. La capa de computación Spark y la capa de almacenamiento están interconectadas, lo que permite usar los recursos de la capa de computación para procesar datos de la capa de almacenamiento. Esto simplifica la creación y configuración de resource groups de Spark.
Capa de acceso
La capa de acceso mejora la eficiencia del desarrollo al proporcionar una unidad de facturación unificada, metadatos y permisos unificados, un lenguaje de desarrollo unificado y un enlace de transmisión unificado.
Para obtener más información sobre las ediciones del producto AnalyticDB for MySQL ( Data Lakehouse Edition y Data Warehouse Edition), consulte Product editions.
Introducción a AnalyticDB for PostgreSQL
AnalyticDB for PostgreSQL tiene dos formas de producto: modo elástico de almacenamiento y Serverless. El modo elástico de almacenamiento utiliza una arquitectura Shared-Nothing basada en ECS y discos en la nube ESSD con MPP. Serverless utiliza una arquitectura Shared-Storage con almacenamiento y computación desacoplados, basada en ECS, caché local y almacenamiento remoto OSS.
Una instancia de AnalyticDB for PostgreSQL consta de un nodo coordinador (también conocido como nodo maestro) y varios nodos trabajadores (también conocidos como nodos de segmento). El nodo coordinador gestiona los metadatos y el equilibrio de carga. Los nodos trabajadores manejan el procesamiento de datos e incluyen el optimizador Orca, el motor de ejecución propietario Laser y el motor de almacenamiento Beam para lograr un alto rendimiento en las consultas. En combinación con el componente de vista materializada en tiempo real IMV, AnalyticDB for PostgreSQL construye un almacén de datos en tiempo real. Los discos en la nube ESSD conectados a los nodos trabajadores almacenan datos calientes, mientras que los datos fríos se almacenan en OSS. Esta estratificación de datos calientes y fríos equilibra el rendimiento de las consultas y el costo de almacenamiento. AnalyticDB for PostgreSQL utiliza una arquitectura con computación y almacenamiento desacoplados. Los recursos de computación en los nodos trabajadores admiten un escalado flexible para optimizar el rendimiento y la utilización de recursos. Sin embargo, los recursos de almacenamiento solo admiten escalado horizontal y no admiten reducción de escala. Este diseño garantiza la durabilidad de los datos y la estabilidad del sistema, al tiempo que permite un crecimiento flexible de la capacidad de almacenamiento a medida que aumenta el volumen de datos.