AnalyticDB for MySQL adalah layanan gudang data yang sepenuhnya dikelola berbasis arsitektur danau data terpadu (data lakehouse). Layanan ini memproses data terstruktur, semi-terstruktur, dan tidak terstruktur dalam skala petabyte secara real-time, memperbarui data dalam hitungan milidetik, serta merespons kueri dalam waktu kurang dari satu detik.
Layanan ini sangat kompatibel dengan MySQL sehingga dapat diintegrasikan dengan klien, driver, alat intelijen bisnis (BI), dan alur kerja penjadwalan yang sudah ada tanpa perubahan apa pun.
Apa yang dapat Anda lakukan dengan AnalyticDB for MySQL
AnalyticDB for MySQL mendukung empat jenis beban kerja utama. Setiap beban kerja bersifat mandiri—Anda dapat menggunakan salah satu atau menggabungkan semuanya dalam satu kluster.
Integrasi data multi-sumber
Masukkan data terstruktur, semi-terstruktur, dan tidak terstruktur dari lebih dari selusin jenis sumber, termasuk database relasional, database NoSQL, penyimpanan cloud, sistem log, dan antrian pesan. Semua data tersebut disimpan dalam satu danau data terpadu yang menjadi sumber bagi analitik dan pipeline batch Anda. Untuk daftar lengkap sumber data, lihat Impor data.
Analitik real-time
Sinkronkan data dari database operasional dan sumber streaming—termasuk PolarDB, ApsaraDB RDS, ApsaraMQ for Kafka, dan Simple Log Service—secara real-time. Data dapat dikueri dalam hitungan milidetik setelah ditulis, dengan jaminan konsistensi kuat. 
Pemrosesan ETL batch
Ekstrak data dari berbagai sumber, transformasi dan bersihkan datanya, lalu muat ke AnalyticDB for MySQL sesuai jadwal. Alat penjadwalan seperti Data Management (DMS), DataWorks, Airflow, DolphinScheduler, dan Azkaban dapat diintegrasikan langsung dengan kluster. 
Analisis data berbasis Spark
Jalankan analitik kompleks dan pembelajaran mesin langsung pada data danau data terpadu menggunakan mesin komputasi Spark bawaan. Gunakan Spark SQL untuk kueri terstruktur, paket Spark JAR untuk pekerjaan batch kustom, atau PySpark untuk pra-pemrosesan dan pipeline ML. 
Kemampuan utama
Sumber data yang didukung
AnalyticDB for MySQL menerima data dari database relasional, penyimpanan NoSQL, platform data besar, penyimpanan objek, sistem log, antrian pesan, dan file on-premises.
| Tipe | Sumber data |
|---|---|
| Database relasional | ApsaraDB RDS for MySQL, ApsaraDB RDS for SQL Server, PolarDB for MySQL, PolarDB-X, Database MySQL yang dikelola sendiri, Database Oracle yang dikelola sendiri |
| Database non-relasional | ApsaraDB for MongoDB, Lindorm, Database HBase yang dikelola sendiri |
| Data besar | MaxCompute, Flink, Hive |
| Penyimpanan | Object Storage Service (OSS), AWS S3, Azure Blob Storage, Google Cloud Storage, Tablestore, HDFS |
| Log | Simple Log Service, Logstash |
| Antrian pesan | Kafka |
| File on-premises | File teks |
Untuk instruksi pengaturan, lihat Impor data.
Kompatibilitas ekosistem
AnalyticDB for MySQL kompatibel dengan MySQL sehingga dapat bekerja dengan sebagian besar klien, driver, alat BI, dan alat penjadwalan yang mendukung MySQL—tanpa konfigurasi tambahan.
| Kategori | Alat |
|---|---|
| Klien | DBeaver, DBVisualizer, Navicat, SQL WorkBench/J, MySQL command-line client |
| Driver | Java: Java Database Connectivity (JDBC) dan Druid connection pool · Python: MySQLdb · PHP: MySQLi and PDO · C#: MySql.Data · Go: go-sql-driver/mysql · Node.js: MySQL |
| Alat BI | FineBI, FineReport, Power BI, Tableau, Quick BI, DataV, , , QlikView, Smartbi, Superset, Metabase, Redash |
| Alat penjadwalan | DMS: Penjadwalan pekerjaan · DataWorks: Pekerjaan SQL XIHE dan Pekerjaan Spark · Airflow: Pekerjaan SQL XIHE dan Pekerjaan Spark · DolphinScheduler: Pekerjaan SQL XIHE dan Pekerjaan Spark · Azkaban: Pekerjaan SQL XIHE dan Pekerjaan Spark |
Kinerja tinggi
AnalyticDB for MySQL menangani kueri kompleks dalam hitungan detik atau milidetik—memberikan kinerja hingga 10 kali lipat dibandingkan database relasional untuk beban kerja analitik. Data dapat dikueri dalam hitungan milidetik setelah ditulis, dengan jaminan konsistensi kuat.
Skalabilitas elastis
AnalyticDB for MySQL menggunakan arsitektur terpisah penyimpanan-komputasi, sehingga komputasi dan penyimpanan dapat diskalakan secara independen.
Komputasi: Skalakan secara manual dalam spesifikasi yang telah ditentukan, atau konfigurasikan skalabilitas elastis otomatis untuk menangani fluktuasi bisnis. Lihat Skalakan kluster.
Penyimpanan: Diskalakan secara otomatis berdasarkan volume data, dengan tagihan berbasis bayar sesuai penggunaan. Simpan data historis di OSS untuk mengurangi biaya.
Keamanan dan kepatuhan
AnalyticDB for MySQL mencakup pengelolaan izin, akses jaringan, enkripsi, audit, dan pencadangan—mencakup seluruh aspek keamanan untuk beban kerja enterprise.
| Kategori | Fitur | Deskripsi |
|---|---|---|
| Pengelolaan izin | Resource Access Management (RAM) | Berikan akses terbatas kepada Pengguna RAM untuk membuat, mengelola, dan menghapus kluster. |
| Pengelolaan izin | Pengelolaan izin database | Tetapkan izin pada tingkat global, database, tabel, atau kolom. |
| Keamanan data | Daftar putih alamat IP | Blokir semua koneksi inbound secara default; hanya izinkan alamat IP yang memerlukan akses. |
| Keamanan data | Enkripsi SSL | Enkripsi koneksi pada lapisan transport menggunakan sertifikat yang dikeluarkan oleh otoritas sertifikat (CA). |
| Keamanan data | Enkripsi disk | Enkripsi data pada tingkat penyimpanan blok sehingga tidak dapat didekripsi meskipun terjadi kebocoran data. |
| Audit | Audit SQL | Catat semua operasi DML dan DDL secara real-time untuk mendeteksi anomali dan mendiagnosis masalah kinerja. |
| Pencadangan dan pemulihan | Pencadangan berkala | Cadangkan data kluster secara otomatis sesuai jadwal yang dapat dikonfigurasi. |
| Pencadangan dan pemulihan | Pemulihan data | Pulihkan data dari set cadangan ke kluster baru. |
| Pemantauan dan peringatan | Pemantauan kluster | Lihat pemanfaatan CPU, penggunaan memori komputasi, penggunaan disk, dan waktu respons di Konsol atau melalui API. |
| Pemantauan dan peringatan | Pemantauan Spark | Lihat metrik pekerjaan Spark di konsol CloudMonitor atau melalui API. |
| Pemantauan dan peringatan | Peringatan | Konfigurasikan aturan peringatan agar kontak yang tepat diberi tahu saat ambang batas dilanggar. |
Untuk daftar fitur lengkap, lihat Fitur dan kemampuan.
Harga
Biaya terdiri atas biaya resource reservasi, biaya resource elastis, biaya penyimpanan data, biaya penyimpanan cache, dan biaya penyimpanan backup.
Untuk item yang dapat ditagih, lihat Item yang dapat ditagih Edisi Perusahaan dan Edisi Dasar.
Topik ini menggunakan kluster Edisi Perusahaan di wilayah Tiongkok daratan sebagai contoh untuk menunjukkan harga satuan setiap item yang dapat ditagih dari AnalyticDB for MySQL.
PentingHarga bervariasi berdasarkan wilayah. Untuk harga di setiap wilayah, lihat Harga Edisi Perusahaan dan Edisi Dasar.
Harga dapat berubah sewaktu-waktu. Harga dalam topik ini hanya untuk referensi. Harga aktual mengikuti halaman pembelian.
Kategori
Item yang dapat ditagih
Harga satuan Edisi Perusahaan di wilayah Tiongkok daratan
Sumber daya yang Dicadangkan
Resource reservasi per node
Langganan:
USD 21,54/ACU/bulan
Bayar sesuai penggunaan:
USD 0,04615/ACU/jam
Resource elastis
ACU elastis
USD 0,04615/ACU/jam
Sumber daya instans Spot
USD 0,032305/ACU/jam
Remote data build
USD 0,003/GB
Penyimpanan
Penyimpanan data panas
USD 0,00022/GB/jam
Penyimpanan data dingin
USD 0,000028/GB/jam
Cache
Cloud disk cache
USD 0,00021/GB/jam
Akselerasi kueri data lake
USD 0,00031/GB/jam
Penyimpanan backup
Penyimpanan backup data
USD 0,000038/GB/jam
Topik ini menggunakan kluster Edisi Perusahaan di wilayah Tiongkok daratan sebagai contoh untuk menunjukkan harga satuan setiap item yang dapat ditagih dari AnalyticDB for MySQL.
PentingHarga bervariasi berdasarkan wilayah. Untuk harga di setiap wilayah, lihat Harga Edisi Perusahaan dan Edisi Dasar.
Harga dapat berubah sewaktu-waktu. Harga dalam topik ini hanya untuk referensi. Harga aktual mengikuti halaman pembelian.
Kategori
Item yang dapat ditagih
Harga satuan Edisi Perusahaan di wilayah Tiongkok daratan
Resource reservasi
Resource reservasi per node
Langganan:
USD 21,54/ACU/bulan
Bayar sesuai penggunaan:
USD 0,04615/ACU/jam
Resource elastis
ACU elastis
USD 0,04615/ACU/jam
Resource instans spot
USD 0,032305/ACU/jam
Pembuatan data jarak jauh
USD 0,003/GB
Penyimpanan
Penyimpanan data panas
USD 0,00022/GB/jam
Penyimpanan data dingin
USD 0,000028/GB/jam
Cache
Cache disk cloud
USD 0,00021/GB/jam
Akselerasi kueri data lake
USD 0,00031/GB/jam
Penyimpanan backup
Penyimpanan backup data
USD 0,000038/GB/jam
Untuk harga, lihat Harga untuk Edisi Perusahaan dan Edisi Dasar.
Edisi
AnalyticDB for MySQL tersedia dalam dua edisi dengan fitur yang sama tetapi arsitektur penyimpanan berbeda.
| Edisi | Arsitektur | Node | Paling cocok untuk |
|---|---|---|---|
| Edisi Perusahaan | Multi-replica | Node reservasi dalam kelipatan 3 | Lingkungan produksi |
| Edisi Dasar | Replika Tunggal | Satu node yang dipesan | Pembelajaran dan pengujian |
Untuk memulai, buat kluster Edisi Perusahaan atau Edisi Dasar.
Memulai
Baru menggunakan AnalyticDB for MySQL? Mulailah dengan membuat kluster, lalu ikuti panduan berbasis peran di bawah ini.
Administrator database
Kelola akun dan izin — Siapkan pengguna database dan kendalikan akses setiap akun.
Konfigurasikan daftar putih alamat IP — Batasi klien mana yang dapat terhubung ke kluster.
Pantau kinerja dan beban kerja kluster — Lacak CPU, memori, disk, dan waktu respons kueri.
Konfigurasikan audit SQL — Catat operasi DML dan DDL untuk kepatuhan dan deteksi anomali.
Konfigurasikan siklus dan frekuensi pencadangan — Jadwalkan pencadangan otomatis untuk mencegah kehilangan data.
Insinyur pengembangan data
Buat database dan tabel — Tentukan skema untuk gudang data Anda.
Impor data dari gudang data atau data lake — Migrasikan atau sinkronkan data ke kluster. Lihat juga ingesti data lake.
Hubungkan melalui kode aplikasi — Gunakan driver JDBC, Python, Go, atau lainnya untuk menjalankan kueri dari layanan Anda.
Rancang skema tabel untuk kinerja kueri — Optimalkan partisi dan indeks sesuai beban kerja Anda.
Jalankan Spark SQL atau aplikasi Spark (Aplikasi Spark) — Bersihkan, transformasi, dan proses data dalam skala besar.
Analis data
Hubungkan dengan klien — Gunakan DBeaver, Navicat, atau klien kompatibel MySQL lainnya.
Bangun dasbor dengan alat BI — Hubungkan Tableau, Power BI, Quick BI, atau alat BI lain yang didukung.
Kueri data dengan pernyataan SELECT — Jalankan kueri analitik pada dataset berskala petabyte.
Gunakan fungsi bawaan — Terapkan fungsi agregasi, string, matematika, dan lainnya dalam kueri Anda.
Jalankan pencarian teks lengkap — Lakukan pencocokan kabur dan pencarian kemiripan pada data teks.
Optimalkan kinerja kueri — Diagnosa kueri lambat dan terapkan rekomendasi penyetelan.
Insinyur algoritma
Pra-pemrosesan data dengan PySpark — Bersihkan, transformasi, gabungkan, dan lakukan union pada dataset besar untuk pipeline ML.
Jalankan prediksi pembelajaran mesin dengan SQL — Panggil model ML dan tampilkan prediksi langsung dalam kueri SQL.