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 |
|---|---|
| Sinkronisasi data | DTS, Data Integration |
| Database sumber | ApsaraDB RDS, PolarDB, database yang dikelola sendiri |
| Penjadwalan tugas | DataWorks |
| BI dan pelaporan | 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 |
|---|---|
| Kompatibilitas SQL | Sintaks SQL Standar, fungsi jendela OLAP, dan prosedur tersimpan |
| Pengoptimalan kueri | Pengoptimal kueri ORCA menangani kueri kompleks tanpa perlu penyetelan manual |
| Arsitektur pemrosesan | Arsitektur MPP memproses data berskala petabyte dalam hitungan detik |
| Efisiensi penyimpanan | Penyimpanan kolom dengan kompresi tinggi untuk pemindaian tabel besar yang cepat |
Kueri online berkinerja tinggi
Untuk beban kerja yang menggabungkan eksplorasi real-time, gudang data, dan pembaruan data:
| Kemampuan | Detail |
|---|---|
| Throughput tulis | Mendukung operasi INSERT, UPDATE, dan DELETE dengan throughput tinggi |
| Latensi kueri titik | Hasil dalam milidetik menggunakan penyimpanan baris dengan indeks Pohon-B dan bitmap |
| Dukungan transaksi | Transaksi terdistribusi, level isolasi standar, dan pemrosesan transaksi/analitik hibrida (HTAP) |
Analisis data multimodal
Untuk beban kerja yang melampaui data terstruktur:
| Kemampuan | Detail |
|---|---|
| Analisis geospasial | Ekstensi PostGIS untuk kueri data geografis |
| Machine learning | Pustaka ML dalam-database MADlib untuk analitik native-AI |
| Data tidak terstruktur | Pengambilan vektor untuk gambar, audio, dan teks |
| Data semi-terstruktur | Dukungan JSON untuk analisis dan pemrosesan log |