Tablestore：多模且生態相容

多模型統一儲存

Table Store支援多種資料模型，滿足不同業務情境的資料存放區需求，實現多模合一。

• 寬表模型：基於BigTable/HBase架構，支援schema-free資料結構，適用於儲存海量結構化、半結構化資料，如中繼資料、訂單、訊息等。

• 時序模型：針對物聯網（IoT）、監控等情境最佳化，提供高效的時間序列資料存放區、壓縮與查詢能力。

• 訊息模型：專為IM、Feeds流等社交網路情境設計，支援訊息的讀寫、同步與檢索。

索引與查詢能力

基於主鍵查詢基礎上，Table Store提供多元化索引能力，支援複雜資料檢索需求。

• 多元索引：支援倒排索引，提供類似Elasticsearch的查詢功能，包括全文檢索索引、多欄位組合查詢、範圍查詢、地理位置查詢等。

  • 核心亮點-向量檢索：內建專業級向量檢索引擎，支援與全文檢索索引、標量檢索等功能混合檢索。適用於 RAG 與 Agent Memory 等情境，支援百億級向量資料存放區與檢索，無縫對接 AI 生態。

• 二級索引：支援全域和本地二級索引，滿足基於屬性列的快速點查與範圍查詢需求。

• SQL查詢：相容SQL查詢文法，降低開發門檻，支援使用SQL進行資料查詢與分析。

深度生態整合

Table Store融入阿里雲資料生態與主流開源生態，實現資料流轉的無縫串連。

• AI生態：相容Dify、LangChain、LlamaIndex等主流AI開發架構，作為Memory儲存後端，支援AI應用構建。

• 計算與分析概述：

  • MaxCompute/Hive/Spark：支援通過外部表格或連接器直接讀寫Table Store資料，進行離線批處理。

  • Flink/Blink：支援作為Flink的Source和Sink，實現即時資料流計算。

  • Function Compute (FC)：支援Tablestore觸發器，實現事件驅動的Serverless計算。

  • Presto：支援互動式資料分析。

資料通道與流轉

• 通道服務：提供全量、增量資料的即時訂閱與消費能力，支援構建即時數倉。

• 資料湖投遞：支援將Table Store資料自動投遞到OSS資料湖（自動轉換為Parquet等格式），便於對接Hive等資料湖分析引擎，實現冷熱資料分離與低成本歸檔。