Tablestore es un servicio de almacenamiento de tablas serverless diseñado para grandes volúmenes de datos estructurados. Admite cuatro modelos de datos: Wide Column, AI (Agent Memory), TimeSeries y Timeline. Estos modelos cubren cargas de trabajo de inteligencia artificial, metadatos, mensajería y datos espaciotemporales. Entre sus funciones integradas se encuentran el índice de búsqueda, la búsqueda vectorial y las consultas SQL. Tablestore se integra con ecosistemas de cómputo como MaxCompute, Flink, Spark y Presto, y es compatible con frameworks de IA como Dify, LangChain y LlamaIndex. También ofrece la arquitectura de agentes inteligentes MCP para aplicaciones de chat con IA y la solución IoTstore para casos de uso de IoT.
Conceptos clave
|
Term |
Description |
|
Región |
Centro de datos físico donde se despliega Tablestore. Regions and zones. |
|
Throughput de lectura y escritura |
Se mide en unidades de capacidad de lectura (RCU) y unidades de capacidad de escritura (WCU). Una CU es la unidad mínima de facturación para las operaciones de lectura y escritura. Read/write throughput. |
|
Instancia |
Entidad que permite gestionar y usar Tablestore, equivalente a una base de datos. El control de acceso y la medición de recursos operan a nivel de instancia. Consulte Instances. |
|
Endpoint |
Cada instancia cuenta con un endpoint que las aplicaciones deben especificar al ejecutar operaciones sobre tablas y datos. Consulte Endpoints. |
|
Ciclo de vida de los datos |
El tiempo de vida (TTL) es una propiedad de la tabla de datos que indica el periodo de retención en segundos. Tablestore elimina automáticamente los datos caducados en segundo plano, lo que reduce los costos de almacenamiento. Consulte Data versions and TTL. |
Modelos de almacenamiento de datos
Tablestore ofrece tres modelos de almacenamiento de datos. Seleccione el modelo adecuado según su caso de uso. Para comparar las funciones de cada modelo, consulte Features.
|
Model |
Description |
|
Modelo de tabla ancha |
Similar a Bigtable y HBase. Adecuado para escenarios de metadatos y big data. Admite versiones de datos, TTL, columnas de clave principal con incremento automático, actualizaciones condicionales, transacciones locales, contadores atómicos y filtros. Consulte Wide Column Model. |
|
Modelo TimeSeries |
Diseñado para datos de series de tiempo provenientes del monitoreo de dispositivos IoT, la recopilación de datos de equipos y la supervisión de máquinas. Admite índices automáticos de metadatos de series de tiempo y consultas de este tipo. Consulte TimeSeries model. |
|
Modelo de mensajes |
Orientado a la mensajería instantánea (IM) y a los flujos de contenido. Ofrece ordenamiento de mensajes, almacenamiento masivo, sincronización en tiempo real, búsqueda de texto completo y consultas compuestas multidimensionales. Timeline model. |
Casos de uso
|
Use case |
Description |
|
Aplicaciones de IA |
Almacene y recupere la memoria y los datos contextuales de agentes de IA mediante el modelo AI (Agent Memory) y la búsqueda vectorial. La arquitectura de agentes inteligentes MCP es compatible con aplicaciones de chat con IA construidas con Dify, LangChain o LlamaIndex. |
|
Gestión de datos de IoT |
Recopile y analice datos de series de tiempo de dispositivos IoT a gran escala con el modelo TimeSeries y la solución IoTstore. |
|
Almacenamiento de metadatos |
Almacene y consulte metadatos a gran escala, como índices de archivos, perfiles de usuario y catálogos de productos, mediante el modelo Wide Column con índice de búsqueda y consultas SQL. |
|
Mensajería y redes sociales |
Construya sistemas de mensajería instantánea y flujos de contenido con el modelo Timeline, que admite el ordenamiento de mensajes y la sincronización en tiempo real sobre grandes volúmenes de datos. |
|
Datos espaciotemporales |
Consulte y analice datos de ubicación y eventos mediante consultas compuestas multidimensionales y el índice de búsqueda. |
Métodos de acceso
|
Method |
Description |
|
Consola |
Gestione Tablestore desde la Tablestore console. |
|
SDK |
Desarrolle aplicaciones con los SDK para Java, Go, Python, Node.js, .NET y PHP. SDK reference. |
|
Interfaz de línea de comandos |
Ejecute operaciones de Tablestore mediante comandos sencillos. Command line interface. |
Inicio rápido
Comience a trabajar con el modelo Wide Column o TimeSeries desde la consola o la CLI:
Cómputo y análisis
Tablestore se integra con varios motores de cómputo y análisis. Seleccione el motor adecuado para su escenario.
|
Analytical tool |
Applicable model |
Description |
|
MaxCompute |
Modelo de tabla ancha |
Cree una tabla externa desde el cliente de MaxCompute para acceder a los datos de Tablestore. Use MaxCompute. |
|
Spark |
Modelo de tabla ancha |
Acceda a Tablestore mediante E-MapReduce SQL o programación con DataFrame. Spark/SparkSQL overview. |
|
Hive o HadoopMR |
Modelo de tabla ancha |
Acceda a los datos de Tablestore con Hive o Hadoop MapReduce. Tutorials. |
|
Function Compute |
Modelo de tabla ancha |
Ejecute cómputo en tiempo real sobre los datos incrementales de Tablestore. Use Function Compute. |
|
Flink |
Modelo de tabla ancha, modelo TimeSeries |
Utilice Real-time Compute Flink para acceder a tablas de origen, dimensiones o destino en Tablestore durante el análisis de big data en tiempo real. Use Realtime Compute for Apache Flink to process Tablestore data. |
|
PrestoDB |
Modelo de tabla ancha |
Consulte, escriba e importe datos de Tablestore mediante SQL a través de PrestoDB. Use Tablestore with PrestoDB. |
|
Índice de búsqueda de Tablestore |
Modelo de tabla ancha |
Use índices invertidos y almacenamiento columnar para consultas multidimensionales complejas y análisis estadístico. Admite consultas en columnas que no son clave principal, consultas combinadas de varias columnas, búsquedas difusas y agregaciones (máximo/mínimo, conteo, agrupación). Search index. |
|
Consulta SQL de Tablestore |
Modelo de tabla ancha, modelo TimeSeries |
Acceda a los datos de Tablestore mediante una interfaz SQL unificada para consultas y análisis complejos. SQL query. |
Migración y sincronización
Migre y sincronice datos heterogéneos hacia Tablestore, o exporte datos de Tablestore a otros servicios.
|
Category |
Operation |
Description |
|
Importación de datos |
Utilice Tablestore Sink Connector para importar por lotes datos de Apache Kafka a una tabla de datos o de series de tiempo. |
|
|
Importación de datos |
Utilice Tunnel Service, DataWorks o DataX para sincronizar datos entre tablas de Tablestore. |
|
|
Exportación de datos |
Utilice DataWorks para exportar datos completos de Tablestore a MaxCompute. |
|
|
Exportación de datos |
Utilice DataWorks para exportar datos completos o incrementales a Object Storage Service (OSS). |
|
|
Exportación de datos |
Utilice la CLI o DataX para descargar los datos directamente a un archivo local, o bien use DataWorks para exportarlos a OSS y luego descárguelos desde allí. |
Categoría | Sincronización de datos | Descripción |
Importación de datos | Utilice Tablestore Sink Connector para importar por lotes datos de Apache Kafka a una tabla de datos o de series de tiempo de Tablestore. | |
Utilice Tunnel Service, DataWorks o DataX para sincronizar datos de una tabla de datos de Tablestore hacia otra. | ||
Exportación de datos | Utilice DataWorks para exportar datos completos de Tablestore hacia MaxCompute. | |
Utilice DataWorks para exportar datos completos o incrementales de Tablestore hacia OSS. | ||
Utilice la CLI o DataX para descargar los datos directamente a un archivo local. Como alternativa, use DataWorks para sincronizar los datos con OSS y luego descárguelos desde allí. |
Más funciones
|
Feature |
Description |
|
Control de acceso |
Configure permisos personalizados con Resource Access Management (RAM). Grant permissions to a RAM user using a RAM policy. Restrinja aún más el acceso mediante directivas de control en un directorio de recursos, listas de control de acceso de red de Tablestore y directivas de instancia. Consulte Authorization management. |
|
Seguridad |
Proteja los datos en reposo y en tránsito mediante el cifrado de tablas de datos y el acceso por red VPC. Consulte Data encryption y Network security management. |
|
Copia de seguridad |
Respalde periódicamente los datos importantes para evitar eliminaciones accidentales. Data backup. |
|
Monitoreo y alertas |
Configure notificaciones de alerta para las métricas de monitoreo mediante CloudMonitor. Data monitoring and alerts. |
|
Visualización |
Represente los datos de Tablestore en gráficos con DataV o Grafana. Consulte Data visualization. |