Halaman ini menjelaskan skenario umum dan kemampuan AnalyticDB for PostgreSQL.
Kasus penggunaan
Membangun gudang data cloud
Pindahkan data dari layanan database Alibaba Cloud seperti ApsaraDB RDS dan PolarDB, atau database yang dikelola sendiri, ke AnalyticDB for PostgreSQL menggunakan Data Transmission Service (DTS) atau Data Integration. Jadwalkan pipeline ekstrak, transformasi, dan muat (ETL) pada set data berskala petabyte melalui DataWorks. Hubungkan alat BI—seperti Quick BI, DataV, Tableau, dan FineReport—untuk melakukan kueri langsung terhadap data dan menerbitkan laporan.
Sumber data dan alat yang kompatibel:
|
Peran |
Opsi yang kompatibel |
|
Data sync |
DTS, Data Integration |
|
Source databases |
ApsaraDB RDS, PolarDB, self-managed databases |
|
Task scheduling |
DataWorks |
|
BI and reporting |
Quick BI, DataV, Tableau, FineReport |
Mempercepat analitik big data
Impor data dari MaxCompute, Hadoop, dan Spark melalui Data Integration atau Object Storage Service (OSS). Jalankan analisis, pemrosesan, dan eksplorasi data online berkinerja tinggi secara langsung pada data tersebut.
Menjalankan kueri langsung terhadap data di OSS
Gunakan tabel eksternal OSS untuk menjalankan kueri paralel terhadap data yang disimpan di OSS. Hal ini memungkinkan Anda membangun platform analitik data lake Alibaba Cloud di atas infrastruktur data OSS yang sudah ada.
Kemampuan
AnalyticDB for PostgreSQL menyediakan kemampuan berikut untuk layanan Pemrosesan Analitik Online (OLAP):
ETL dan pemrosesan data offline
AnalyticDB for PostgreSQL menangani beban kerja SQL kompleks dalam skala besar:
|
Kemampuan |
Detail |
|
SQL compatibility |
Sintaks SQL Standar, fungsi jendela OLAP, dan prosedur tersimpan |
|
Query optimization |
Pengoptimal kueri ORCA menangani kueri kompleks tanpa perlu penyetelan manual |
|
Processing architecture |
Arsitektur MPP memproses data petabyte dalam hitungan detik |
|
Storage efficiency |
Penyimpanan kolom dengan kompresi tinggi untuk pemindaian tabel besar yang cepat |
Kueri online berkinerja tinggi
Untuk beban kerja yang menggabungkan eksplorasi real-time, penyimpanan data, dan pembaruan data:
|
Kemampuan |
Detail |
|
Write throughput |
Mendukung operasi INSERT, UPDATE, dan DELETE dengan laju transfer tinggi |
|
Point query latency |
Hasil dalam milidetik menggunakan penyimpanan baris dengan indeks Pohon-B dan bitmap |
|
Transaction support |
Transaksi terdistribusi, tingkat isolasi standar, dan pemrosesan transaksi/analitik hibrida (HTAP) |
Analisis data multi-modal
Untuk beban kerja yang melampaui data terstruktur:
|
Kemampuan |
Detail |
|
Geospatial analysis |
Ekstensi PostGIS untuk kueri data geografis |
|
Machine learning |
Pustaka ML dalam-database MADlib untuk analitik native-AI |
|
Unstructured data |
Pengambilan vektor untuk gambar, audio, dan teks |
|
Semi-structured data |
Dukungan JSON untuk analisis dan pemrosesan log |