O AnalyticDB é um data warehouse nativo da nuvem que ingere dados em tempo real e analisa petabytes em segundos, com armazenamento no modelo de pagamento conforme o uso e dimensionamento elástico de computação.
O que é o AnalyticDB?
O AnalyticDB é um data warehouse em tempo real nativo da nuvem desenvolvido pela Alibaba Cloud. Ele ingere dados de bancos de dados OLTP e arquivos de log em tempo real e analisa petabytes em segundos. Sua arquitetura desacoplada de armazenamento e computação permite armazenamento no modelo de pagamento conforme o uso e dimensionamento elástico de recursos de computação. O isolamento de recursos separa o processamento em lote da análise em tempo real para otimizar a eficiência, o custo e a estabilidade do processamento de dados. O AnalyticDB é compatível com MySQL, PostgreSQL e Spark.
O AnalyticDB oferece dois motores: AnalyticDB for MySQL e AnalyticDB for PostgreSQL.
|
Item |
AnalyticDB for MySQL |
AnalyticDB for PostgreSQL |
|
|
Ecossistema |
Alta compatibilidade com MySQL Alta compatibilidade com Spark |
Compatibilidade total com PostgreSQL Alta compatibilidade com Oracle |
|
|
Edição |
|
|
|
|
Arquitetura |
Arquitetura desacoplada de armazenamento e computação |
||
|
Escalabilidade |
Semelhanças |
Dimensionamento vertical Dimensionamento horizontal |
|
|
Diferenças |
Modelo de dimensionamento multicluster para escalonamento automático de recursos Modelo de mínimo-máximo para escalonamento agendado de recursos |
Jobs agendados para alteração periódica de configurações Escalonamento sob demanda no modo Serverless |
|
|
Recursos |
Semelhanças |
Busca vetorial Busca de texto completo Processamento em lote Visualizações materializadas em tempo real |
|
|
Diferenças |
Data lakes Processamento em lote com Spark Diagnóstico inteligente e otimização de desempenho de consultas |
Serviço de Geração Aumentada por Recuperação (RAG) Análise de dados espaço-temporais |
|
|
Cenários |
Semelhanças |
Data warehouses em tempo real Análise de logs em tempo real Relatórios de business intelligence (BI) |
|
|
Diferenças |
Marketing de precisão Análise conjunta de múltiplas fontes Armazenamento e análise de big data Consulta acelerada de dados offline Migração de dados de outros serviços de data lake ou data warehouse, como Databricks, Athena e clusters Spark ou Presto autogerenciados |
Desenvolvimento ponta a ponta de aplicações de Large Language Model (LLM) Base de conhecimento empresarial dedicada Análise de big data baseada em Geographic Information System (GIS) Processamento em lote integrado à análise em tempo real Migração de dados de outros serviços de data warehouse, como Greenplum, Redshift, Synapse, Snowflake e BigQuery |
|
|
Setores |
Jogos, varejo e automotivo |
Varejo, e-commerce e educação |
|
|
Custo-benefício |
Semelhanças |
Taxas de armazenamento baseadas nos volumes reais de dados Armazenamento em camadas de dados quentes e frios para reduzir custos Dimensionamento agendado baseado em flutuações regulares de tráfego, garantindo recursos suficientes durante picos e evitando ociosidade posterior |
|
|
Diferenças |
Auto Scaling baseado nas cargas de trabalho do negócio |
Início ou pausa manual de instâncias conforme as necessidades do negócio |
|
AnalyticDB for MySQL
source
O AnalyticDB Pipeline Service (APS) oferece acesso de baixo custo a bancos de dados, logs e plataformas de big data.
Camada de armazenamento e camada de computação
A Data Lakehouse Edition inclui dois motores proprietários, XIHE (computação) e XUANWU (armazenamento), e suporta os motores open source Spark e Hudi. O acesso entre motores permite o gerenciamento centralizado de dados em diferentes cenários de análise.
-
Camada de armazenamento: Uma única cópia dos dados completos pode ser usada tanto para processamento em lote quanto para análise em tempo real.
Para processamento em lote, a Data Lakehouse Edition armazena dados completos em mídias de baixo custo e alto throughput, minimizando despesas com armazenamento e I/O. Para análises em tempo real com latência inferior a 100 ms, ela aloca dados em tempo real em unidades de I/O elásticas (EIUs) que suportam consultas por linha, indexação completa e aceleração de cache.
-
Camada de computação: O sistema seleciona automaticamente o modo de computação apropriado para o motor XIHE. O motor de computação open source Spark atende a diversos cenários.
O XIHE oferece dois modos: processamento massivamente paralelo (MPP) e processamento síncrono em massa (BSP). O MPP utiliza computação de fluxo para consultas de baixa latência, mas não é ideal para processamento em lote de alto throughput. Já o BSP emprega processamento de tarefas baseado em DAG para lidar com grandes volumes de dados usando recursos limitados. O XIHE reverte automaticamente do MPP para o BSP quando uma consulta excede seu limite de tempo.
O motor open source Spark suporta processamento em lote complexo e machine learning. As camadas de computação e armazenamento, embora desacopladas, são interconectadas, simplificando a configuração de grupos de recursos do Spark.
Camada de acesso
A camada de acesso unifica faturamento, metadados, permissões, linguagens de desenvolvimento e transmissão de dados para agilizar o desenvolvimento.
Para obter mais informações sobre as edições do AnalyticDB for MySQL, consulte Edições.