AnalyticDB for MySQL offre une compatibilité élevée avec MySQL, rend les données interrogeables quelques millisecondes après leur ingestion, résout les requêtes analytiques complexes en moins d'une seconde et propose une élasticité découplée entre le stockage et le calcul au sein d'une plateforme lakehouse unifiée.
Compatibilité MySQL — migration sans friction
AnalyticDB for MySQL est compatible avec les protocoles MySQL ainsi qu'avec les normes SQL:92, SQL:99 et SQL:2003. Vous pouvez migrer vos charges de travail MySQL existantes sans modifier le code de vos applications.
Connectez-vous via SQL standard à l'aide d'outils BI courants et de plateformes ETL, sans avoir à apprendre un langage de requête propriétaire.
Une variété de méthodes d'importation et d'exportation de données, de développement de jobs et de visualisation des données sont disponibles dans un seul environnement.
Stockage et calcul découplés
AnalyticDB for MySQL dissocie le stockage du calcul. Vous pouvez mettre à l'échelle chaque couche indépendamment : ajoutez des nœuds de calcul lors des pics de requêtes et réduisez la capacité lorsque l'activité est faible, afin de ne payer que ce que vous utilisez.
L'élasticité planifiée et à la demande vous permet d'aligner les ressources de calcul sur les modèles de charge de travail sans planification préalable de la capacité.
Le stockage hiérarchisé des données chaudes et froides conserve les données fréquemment consultées sur des supports haute performance et déplace automatiquement les données anciennes vers un stockage moins coûteux, de sorte que la facturation du stockage reflète l'utilisation réelle.
Ingestion en temps réel, requêtes infra-secondes
Les données sont interrogeables quelques millisecondes après leur ingestion et les requêtes analytiques complexes retournent leurs résultats en moins d'une seconde, ce qui alimente des tableaux de bord en temps réel, l'exploration interactive et la reporting en ligne.
Plateforme lakehouse unifiée
Exécutez à la fois des analyses en ligne haute performance et un traitement par lots à grande échelle sur la même plateforme, éliminant ainsi le besoin de déplacer les données entre des systèmes distincts.
Des groupes de ressources planifiés et à la demande vous permettent de transférer la capacité de calcul entre les charges de travail analytiques et par lots, augmentant ainsi l'utilisation et réduisant les coûts.
Une facturation, des métadonnées, des permissions et des pipelines de données unifiés signifient qu'un seul environnement doit être géré au lieu de plusieurs.
Un moteur Serverless Spark intégré gère le traitement par lots via des ressources à la demande, sans qu'il soit nécessaire de provisionner un cluster Spark autonome. Les résultats sont écrits directement dans le stockage interne et sont immédiatement disponibles pour l'analyse en ligne.
La prise en charge d'Apache Hudi permet un traitement incrémentiel quasi en temps réel sur un stockage OSS peu coûteux, avec une ingestion de données intégrée vers le lac de données.