精心設計的功能

• 

  數據通道

  支援批量/歷史數據通道和實時/增量數據通道

  
  

  批量歷史數據通道

  Tunnel 是 MaxCompute 向用戶提供的數據傳輸服務，其服務水平可擴展，支援每日 TB/PB 級數據導入導出，特別適合全量數據或歷史數據的批量導入。Tunnel 提供 Java SDK，且在 MaxCompute 的客戶端工具中有相應指令，讓內部文件與服務數據進行互通。

  
  

  實時增量數據通道

  另一方面，MaxCompute 針對實時數據上載場景，提供了另一套名為 DataHub 的服務。該項服務具有延遲低、使用方便等特點，特別適用於增量數據導入。Datahub 亦支援多種數據傳輸外掛程式，例如：Logstash、Flume、Fluentd、Sqoop 等；同時支援 Log Service 中的日誌數據一鍵投遞至 MaxCompute，進而利用大數據開發套件進行日誌分析和挖掘。

• 

  以二維表格儲存數據

  所有數據均以表格儲存，不曝露文件系統，並採用列壓縮儲存格式，數據壓縮比例極高，顯著節省用戶成本。一般情況下，MaxCompute 儲存具備 5 倍壓縮功能

• 

  運算模型

  支援 SQL、MapReduce、Graph 多種運算模型於一身

  
  

  SQL

  MaxCompute SQL 採用標準 SQL 語法，兼容部分 Hive 語法，在語法上與 HQL 非常接近，熟悉 SQL 或 HQL 的編程人員都容易上手。另外，MaxCompute 提供更高效的運算框架，支援 SQL 運算模型，執行效率比普通 MapReduce 模型更高。惟請留意：MaxCompute SQL 不支援事務、索引及 Update/Delete 等操作。

  
  

  MapReduce

  MaxCompute 可提供 Java MapReduce 編程模型。值得留意的是：由於 MaxCompute 並無開放文件接口，用戶只能透過其所提供的 Table 讀寫數據。因此，MaxCompute 的 MapReduce 模型與開源社群中通用的 MapReduce 模型在用法上有一定區別。我們深信：上述改動雖稍失靈活性 (例如：無法自訂排序及雜湊運算法)，卻能簡化開發流程，免除眾多瑣碎工作。更重要的是：MaxCompute 亦提供了以 MapReduce 為基礎的擴展運算模型，即 MR2，在單一 Map 函數後可連續接入多個 Reduce 函數。

  
  

  Graph

  對於個別繁複迭代運算場景 (例如：K-Means、PageRank 等) 而言，如繼續使用 MapReduce 來完成運算任務，實在耗時甚長。MaxCompute 提供的 Graph 模型就能有效完成此類運算任務。

• 

  安全

  MaxCompute 是多租戶運算平台。在預設情況下，各租戶之間數據不共享，彼此隔離；惟用戶可透過 MaxCompute 提供的授權機制，與項目組別內的其他組員共享數據。