Cette rubrique présente les scénarios d'utilisation typiques ainsi que les capacités d'AnalyticDB for PostgreSQL.
Scénarios types
Construire un entrepôt de données cloud
Migrez vos données depuis des services de base de données Alibaba Cloud tels qu'ApsaraDB RDS et PolarDB, ou depuis des bases de données auto-gérées, vers AnalyticDB for PostgreSQL à l'aide de Data Transmission Service (DTS) ou de Data Integration. Orchestrez des pipelines ETL (Extract, Transform, Load) sur des jeux de données de l'ordre du pétaoctet via DataWorks. Connectez ensuite des outils BI comme Quick BI, DataV, Tableau et FineReport pour interroger les données en temps réel et publier des rapports.
Sources de données et outils compatibles :
|
Rôle |
Options compatibles |
|
Synchronisation des données |
DTS, Data Integration |
|
Bases de données source |
ApsaraDB RDS, PolarDB, bases de données auto-gérées |
|
Orchestration des tâches |
DataWorks |
|
BI et reporting |
Quick BI, DataV, Tableau, FineReport |
Accélérer l'analyse Big Data
Importez des données provenant de MaxCompute, Hadoop et Spark en utilisant Data Integration ou Object Storage Service (OSS). Exécutez directement sur ces données des analyses haute performance, des traitements et des explorations en ligne.
Interroger directement les données dans OSS
Exploitez les tables externes OSS pour lancer des requêtes parallèles sur les données stockées dans OSS. Mettez en place une plateforme d'analyse de data lake Alibaba Cloud au-dessus de vos données OSS existantes.
Capacités
AnalyticDB for PostgreSQL offre les fonctionnalités OLAP suivantes :
ETL et traitement hors ligne des données
AnalyticDB for PostgreSQL gère des charges de travail SQL complexes à grande échelle :
|
Capacité |
Détails |
|
Compatibilité SQL |
Syntaxe SQL standard, fonctions fenêtrées OLAP et procédures stockées |
|
Optimisation des requêtes |
L'optimiseur ORCA traite les requêtes complexes sans réglage manuel |
|
Architecture de traitement |
L'architecture MPP traite des pétaoctets de données en quelques secondes |
|
Efficacité du stockage |
Stockage en colonnes avec compression élevée pour des balayages rapides de grandes tables |
Requêtes en ligne haute performance
Pour les charges de travail combinant exploration en temps réel, entreposage de données et mises à jour :
|
Capacité |
Détails |
|
Débit d'écriture |
Opérations INSERT, UPDATE et DELETE à haut débit |
|
Latence des requêtes ponctuelles |
Stockage en lignes avec index B-tree et bitmap pour des résultats en millisecondes |
|
Prise en charge des transactions |
Transactions distribuées, niveaux d'isolation standard et traitement hybride transactionnel/analytique (HTAP) |
Analyse de données multimodales
Pour les charges de travail allant au-delà des données structurées :
|
Capacité |
Détails |
|
Analyse géospatiale |
Extension PostGIS pour les requêtes sur données géographiques |
|
Machine learning |
Bibliothèque ML intégrée MADlib pour une analyse native IA |
|
Données non structurées |
Recherche vectorielle pour les images, l'audio et le texte |
|
Données semi-structurées |
Support JSON pour l'analyse et le traitement des journaux |