阿里云瑶池数据库精要2022版

(此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿 (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF版中做更新)封面页1阿里云开发者W藏经阁”阿里云瑶池数据库核心策略篇 5打造云原生一站式数据管理与服务 6阿里云瑶池数据库核心产品篇 21PolarDB 2云原生数据仓库AnalyticDB 43indorm 达摩院加持下的数据库技术前沿 84阿里云瑶池数据库解决方案篇 93行业解决方案篇 94数字政府行业 94金融行业 99 运营商行业 108 物流快递行业 124 场景化解决方案篇 132传统商业数据库升级 132升舱：传统数据仓库升级 136企业级SaaS 139 可持久化高性能内存处理 147阿里云瑶池数据库标杆客户案例篇 150 中国再保险集团公司 153某超大型金融机构 155 智慧医保平台 159 韵达 163上海市新能源汽车数据平台 165交通运输部路网中心 167 阿里云瑶池数据库在三大数据库顶会的技术论文发布篇 175阿里云瑶池数据库在三大数据库顶会的技术论文发布 176阿里云瑶池数据库权威机构评测与奖项篇 180阿里云瑶池数据库权威机构评测与奖项 181 (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF版中做更新)55 (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF版中做更新)打造云原生一站式数据管理与服务数据库作为三大基础系统软件之一，在云计算进入新的发展阶段后，需要不断进行技术突破与创新。在2022年的云栖大会上，阿里巴巴集团副总裁、阿里云数据库产品事业部负责人李飞飞表示：“阿里云数据库坚持从客户视角出发，我们认为数据库带给客户的核心价值是：确保数据业务永远在线，让数据价值不断放大。基于此，阿里云将打造云原生一站式数据管理与服务作为战略，不断创造客户价值。对于未来的数据库发展，李飞飞认为有四个核心趋势：云原生化、平台化、一体化•云原生化：基于基础服务构筑服务，使用户从购买资源向购买能力转变，加速式数据管理与服务，提供标准的OpenAPI体系，减少业务烟囱。避免数据搬迁，具体来说就是处理分析一体化、离在线一体化、集中分布一体化、多模处理一体化。阿里云数据库全面拥抱并推进数据库“四化”大趋势，并相应地提出“四做”策略——做深基础、做强核心、做好体验和做精场景，将战略目标深耕落地。1.做深基础做深基础是向下延伸，阿里云数据库将与阿里云基础设施联合设计、深度优化，构x配成本。客户可充分享受ARM芯片实现性能和性价比的全面提升。明地卸载诸如压缩等CPU密集的负载，实现了3倍压缩比，成本节省60%，同时做到数据库性能无损。安全测评中心官方认证。2.做强核心行至云深处，做强核心是指持续聚焦数据库内核引擎、系统架构方面的创新，不断提升引擎的处理性能。1)AllInServerless：按需使用，按量计费里云数据库核心产品AllInServerless。在云原生数据库1.0时代，云原生数据库按照业务负载的变化来自动弹性伸缩，实现分钟级别的弹性。进入到云原生数据库2.0时代，通过提前预测业务对资源需求的变化，可实现秒级弹性变配，且业务无损，实现了真正的Serverless，最多可帮助客户降低70%成本。阿里云数据库是首家通过信通院Serverless能力评测的云厂商，且凭借过硬的Serverless技术能力，参测的PolarDB、RDS数据库获得事务型数据库Serverless能力最高“先进级”评级；AnalyticDB数据库获评分析型数据库Serverless能力“增强级”评级。2)HTAP：事务处理和计算分析一体化缝融合，提供一站式数据处理与分析能力。MySQL维。基于客户真实场景测试，性能远超其他厂商。，提供了PolarDB和ADB一体化HTAP解决方案，通过兼具一体化的购买和使用体验。基于某游戏客户的真实负载测试，相比其他厂商，PolarDB和ADB一体化HTAP以50%成本提供了1.8倍性能。3)集中分布一体化X通过了北京国家金融科技认证中心的“金融分布式数据库标准符合性验证”测评。4)离在线一体化云原生数据仓库AnalyticDB重磅发布离在线一体化版本，实现万亿级数据亚秒级任意维度分析处理。•2类处理负载，融合BSP+MPP计算模型提供离线处理+在线分析能力，一个引•4个统一，即统一计费单位、统一数据管道、统一数据管理、统一数据访问。5)多模融合处理一体化在数据存储层用最新的压缩技术实现2至10倍的压缩比，帮助客户在多元场景降低80%以上数据处理成本。6)达摩院前沿技术阿里云一向重视数据库前沿技术研究，并为此成立专门的研究机构——达摩院数据库与存储实验室。在达摩院的加持下，我们取得了下一代数据库的核心技术的新突在安全可信领域，首次提出数据全生命周期安全管理，保障企业数据资产机密性、据安全保护能力。rDBInDBMLAI方面构建智能化运维体验，一方面在数据库里完成简单推理，并且支持智能化的应用。阿里云数据库NL2SQL技术在耶鲁大学Spider数据集评测中，以78分的成绩排名榜单第一，模型规模仅为第二名的1/7，且计算速度提升10倍以上。在空天数据领域，Ganos突破视算一体化3D全空间数据处理技术，构建了基于面空间扩展存储，全空间复杂分析计算效率提升50-100倍，城市全域孪生场景表达模型压缩能力增强1倍，全空间混合存储库内存储容量平均降低50%。3.做好体验做好体验是坚持客户第一，是“做好服务”的向前一步，从最终用户的视角出发，全面提升产品能力和易用性，从源头服务好用户。用户和开发者不仅可通过控制台端到端地使用阿里云数据库产品，而且可基于高可用、高安全、易集成等各类企业级能力，覆盖了开发者主流的场景，助力客户效率提升90%，稳定性提升10倍，数据库使用成本降低90%。DMSDevOps、数据传输与加工、数据应用与数据的无缝流动。DMS已服务40万+用户，保护20亿+数据资产。阿里云一站式数据管理与服务平台通过了信通院一站式数据库管理平台认证所有的测试项(33个可选项)，以满分成绩获得了一站式数据库管理平台认证。4.做精场景做精场景是深入理解千行百业共性的客户需求，解决普适性的客户痛点问题，面向行业场景提供多元解决方案。在政府行业，阿里云智慧医保平台数据库解决方案支撑2个国家级和16个省级医据库RDS、一站式数据管理平台DMS等产品的解决方案助力山东医保门诊结算、住院结算等系统响应速度最高提升近10倍，真正实现山东医保服务的“数据多跑在金融行业，阿里云金融行业数据库解决方案在银行、保险、证券、互联网金融等场景逐渐落地，已全面服务于中国人寿、中华保险、申万宏源证券、中再集团等客户，助力业务走向平台化，交易业务敏捷化和规模化，数据分析业务在线化，集中其中，最为典型的是中国人寿通过引入云原生数据库PolarDB等产品技术实现国产摆脱对传统商业数据库的依赖，促进云原生和分布式数据库应用成熟，从可用到好DB和容灾能力，结合DMS一站式在线数据管理平台，为互联网客户提供了从数据生Kumu等国际客户实现提效降本和业务创新。最后，阿里云还宣布推出数据库独立品牌“瑶池”——寓意蕴含着无尽数据宝藏，也寓指阿里云通过一站式数据管理与服务帮助客户治理海量数据资源，致力于成为千行百业客户首选的企业级云原生数据库。开发与治理的一站式数据管理与服务。 (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF版中做更新) (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF版中做更新)云原生数据库PolarDBPolarDB是阿里巴巴自主研发的下一代云原生数据库，100%兼容MySQL、是开源数据库的6倍和400倍，TCO低于自建数据库50%。本文内容来自2022年云栖大会云原生数据库峰会，点击链接：《云原生数据库峰rDB究，我们每年都会在顶会发表论文，将研究成果与大家共同分享。BPolarDB在存算分离以及物理复制方面已经非常成熟，因此逐渐开始往另一层次发现了ScaleOut与ScaleUp两个方向的弹性伸缩。PolarDB是共享资源的数据库，对资源硬件非常关注。我们充分利用新硬件实现软硬一体化，将硬件的红利分享给用户。D存储。通过Smart-SSD进行数据的压缩后可实现2.0-3.0的压缩比。左下角的性能让利给用户。能全局强一致性，能够使各类节点更稳固，能够搭建更大的架构供更丰富的场景使用。也保证了不管在哪个节点或节点之间存在多少latency，都可以成功地读到写通过RDMA的升级，性能提高了近63倍。点复制到另外一个节点时，实现了行列转换，将行存的数据转换为列存。执行器对列存性能进行了分析，如右图所示，效果显著。节点之间的并行查询。左图为4个32节点的并行查询，结果显示整体执行时间较MySQL提升60多倍，单条执行时间最大提升150倍。右侧为对60亿+大表的分组聚集，执行时间小于hPolarDB正式商业化发布“库表级多写”。一个节点管理多个库、表，库表级多写的优势在于可以共享shared-everything架做增减，无需进行数据的重复迁移。节点，提高了备节点的利用率。信息的全局协调。上图为阿里云PolarDB与友商的对比，PolarDB多写在冲突写和无冲突写场景下均具有非常大的优势。PolarDB即将支持全球就近写，可以在全球范围内，通过并行的物理复制技术，实现两秒以内的延迟。能够支持表级别的就近写，数据会进行双向同步，保证数据的全局一致性。X-Engine基于LSM架构，能够保证非常高的压缩率。可以将X-Engine与InnoDB行分配数据在何处。使用X-Engine进行压缩后，淘宝图片库实现了近6倍的压缩，淘宝交易订单压缩近3倍，性能方面相较于标准集群版略有不足但是相近。sPCUPolarDB一直在性能方面进行持续优化。通过云原生架构全路径的深度优化、高性能存储的引擎优化以及高性能索引PolarIndex大幅提高了性能。通过Dictionary的改变即可生效。PolarDB在典型行业的最佳实践游戏行业痛点与PolarDB的实践：B支持秒级备份以及库表级、行级的闪回，可以大幅缩短版更时间，从小时级降低至PolarDB持多主架构，能够大幅缩短缩短滚服合服时间，实现分钟级快速的响应。零售行业往往有供应链、销售以及运营分析，系统均独立构建且系统之间的构建较稳定。SaaS行业租户多且租户量会快速变化，PolarDB提供的Serverless能力可以根据另外，零售行业会存在百万级的DDL，而PolarDB提供了高性能的DDL，包括秒级DLDDLDDL泛政府行业也存在几个关键痛点：，使升级过程可控、可管理。PolarDB提供了两地三中心容灾，既可以实现同城的高可用，也可以实现异地的高可用。享存储以及32计算节点，可以免去分库分表，实现业务无侵入。云原生数据库PolarDBPolarDBX里巴巴自主研发的云原生数据库PolarDB的分布式版本，100%开MySQL11峰值交易58.3万笔/秒。云原生一体化透明分布式数据库本文内容来自2022年云栖大会云原生数据库峰会，点击链接：《云原生数据库峰分布式数据库概念已经诞生几十年，早期更多只是作为研究对象，直到2000年左右才真正走向应用，主要用于各大企业尤其是互联网企业解决扩展性、高并发、高吞吐等访问问题。直到近几年，分布式数据库才真正在商业化应用中投入使用。下，解决了在线交易系统高并发读写问题；在传统行业制造业、政企、交通、能源等场下，解决了跨地域高可用问题。包括以下几个方面：•兼容性。能否与传统数据保持兼容。•使用门槛。是否必须要有足够大体量才用使用？能否像使用单机数据库一样简单方便？•扩展能力。数据扩展以后，面临跨数据分片，分布式事务是能否保持高性能？•运维复杂度。分布式数据结构较复杂，涉及到集群化部署以及多个节点之间交组件负责输出，与MySQL兼容、全局一致的日志内容。整个PolarDB-X架构在云•兼容原生MySQL生态。•一体化透明分布式，可以像使用单机数据库一样使用，无需了解过多分布式概念。求也做了大量工作。实际上要做到一个产品100%兼容另外一个产品难度极大，因为原有产品会不断地发展送代。因此我们做兼容性的原则主要针对企业级用户需求和侧重点对大部分能兼容，以保证原有使用MySQL数据库改数据结构，可以完整无缝对接到原有生态上。为了实现生态兼容，我们开发了CDC全局一致Binlog组件，能够提供完全兼容单所有用户都在一开始就具有大体量、高并发的需求，大多是随着业务发展逐渐出现大体量的需求。布式企业版形态。为了在分布式层面提供更好的单机体验，我们提出了透明式的概念，其中的重要能力为AUTO模式，可以在创建数据库时指定数据库为自动模式，数据库会根据容量大小做自动分区，无需主动干预。但同时也保留了手工分区的能力，更好地契合业另外，PolarDB-X提供了在线与历史归档数据一体化，可以通过事先设置数据过期OSS数据可以通过统一的SQL语法、统一的接入点进行访问。目前历史归档数据相对在线数据存储成本最多下降了有20倍。这个功能目前已经在公有云版本上线。分布式架构并不是银弹，无法解决所有问题，也存在设计上的相应代价。变为网络，一旦涉及这个是分布式系统带来的非常显著的代价。想要透明式的体验必然会导致性能不达预期，要想保持性能需要精心设计数据分布规则，小心地限制使用特性。合到同一个表组中。具有相同业务属性的表往往具有事务关联性，原本需要做分布式跨数据分片的事务处理变为可以在单机上进行，有效消除了分布式事务带来的开销。且我们实现了自动化表组聚合，无需过多的人工干预。当然也支持人工指定规则，更好地利用特性，更好地优化。数据分区以后带来的显著问题在于数据分布不均，包括数据量不均衡以及访问不均arDBX响业务运行的情况下打散热点，让系统变得更平缓，从而实现分布式系统处理高并发的请求。要做好分布式系统的运维，对运维人员以及数据架构均有极高的要求，必须了解服务系统的概念，而且分布式系统本身的系统复杂性较高，分析异常时面临的链路较长。PolarDB-X构建了可实时观测的运维平台，能够对异常数据进行非常密集的监控，SQL员可以直观地查看每个分区上的访问热度如何。还可进行诊断分析，包括规划分析、空间分析以及死锁分析。还会做系统关联，分析全链路每个阶段的耗时、性能指标以及系统整体运行情况，最后根据系统运行情况做实时优化，比如对性能有瓶颈的问题自动推荐索引。通过以上手段，能够更有效地定位问题，更有效地分析数据，从而得到更平滑的体验。对于分布式系统，在运维过程中的一个非常典型的问题是能否做实时的数据字典定义。对于数据量非常庞大的数据表而言，对表结构做定义往往会牵涉到大规模的数据迁移工作，会对系统造成极大冲击。并发的数据结构修改、数据搬迁以及复制，有效降低对系统的冲击，提升整个数据搬迁的过程。云原生数据仓库AnalyticDBAnalyticDB是阿里巴巴自主研发、经过超大规模及核心业务验证的实时PB级云原计算分离、在线弹性平滑扩容的特点。云原生数据仓库AnalyticDB，最高节省90%的易用。云原生数据仓库：加速业务数据化，数据价值化本文内容来自2022年云栖大会云原生数据库峰会，点击链接：《云原生数据库峰数据仓库旨在帮助企业实现业务数据化与数据价值化。数据在经济生活各个领域中持续发挥着重要作用。海量数据被创造出来，数据规模化、多样化、实时化、智能至2025年，数据将增长230%。自日志或者其他存储，而这些来自不同源、不同类型的数据不断增加了企业数据分析的成本。69%的企业将实时与敏捷作为未来企业数字化升级中面临的top5的挑战与诉求。一系列数据变化也带来了整体智能化分析趋势的增长。预期在2023年，将有33%企业采用智能分析，预计截至2025年，将有60%基于传统数据构建的模型将会被替代。伴随着以上趋势，数据处理架构也会变得更加复杂。传统数据架构存在复杂的搭建与运维问题，数据被存储在多种不同的系统中，很难很好地解决企业在数据分析过程中面临的高可用、高可靠和容灾等问题。企业希望能够有一套开箱即用的数据解决方案，不用陷入高昂的数据成本与复杂的汇总，企业希望能够利用该优势，满足自身不断增长的数据规模与处理能力的需求。阿里云的云原生数据仓库AnalyticDB数仓版正是基于以上需求应运而生，它既能够支持实时分析，也能够支持海量数据处理，能够帮助企业快速构建起云原生数仓并且一体化支持存储与分析。通过数据库与大数据技术一体化，实现了高吞吐的实时增删改、高性能的分析，同时支持复杂ETL，与上下游生态高度兼容，方便企业构的方案。助客户最高节省90%的数据搭建成本。核心竞争力一：存储计算分离，计算支持分时弹性，能够很好地适应波峰波谷的业用成本。核心竞争力二：存储冷热分层，支持智能自适应分层。热数据被存储在高性能的介成本。核心竞争力三：计算资源组隔离，保障重要、稳定的计算任务。计算资源可以被弹性分配到资源组织中，也可以根据自己的需要实现物理资源上的隔离，重要业务不会被临时或异常任务影响。不同的任务可以路由到不同的资源组织中，使得一套系统可以支撑不同业务类型的处理需求。降低了开发复杂度。核心竞争力五：计算按需启停，降低整体闲置资源的浪费。核心竞争力六：生态高度兼容，全流程传统数仓升级方案，方便用户构建对跨库与跨工具的组合方案。大升级，在性能、弹性、企业级能力与安全性上都得到了大幅提升。加密算法，希望能够满足企业日益增长的安全性方面的需求。然而，该方案依然存在加工与分析链路上的割裂，导致时效性的降低。9月麻省理工科技报告提到，大多数企业已经在考虑统一数据分析架构，并认为这挑战始于数据架构，企业希望有一套完整、统一的平台能够支撑灵活与高性能的分析场景。因此，我们希望能够统一数据分析处理的流程，从抽取、加工、存储、分析的全链路让数据处理流程更简单、易用、实时、敏捷与高性价比，为此今年底我们将发布一款新的产品形态。云原生数据仓库AnalyticDB重磅发布加工一般在数据库完成，存储、分析一般在数据仓库完成，中间存在巨大的鸿沟。ticDB与数据分析一体化，为用户提供数据湖的规模以及数据库的体验，其特性可以用1024来总结。“1”指一份数据，离线数据和在线分析数据一体化，无需烦恼一致性和时效性。“2”指2种模型，离线处理和在线分析一个引擎两种模型，可以一站式完成计算，自动智能切换。“4”指4个统一。包括统一计费单位、统一数据管道、统一数据管理与统一数据访一份全量数据存储在对象存储上。对象存储的特点是低成本与高吞吐的读取，且一份全量数据可避免数据冗余，无需存储两份，节省存储成本，也能满足一致性与时效性的要求。内部存储可以直接使用BSP引擎进行追加写与粗糙读的交互，较好地满足离线处理的要求，实现低成本的目标。存储交互与数仓BSP的交互完全隔离，因此较好地实现了数据处理与数据分析的一致性。现高并发、高性能的实时增删改操作。在计算节点有自动的全数据多级倒排索引，可以通过智能缓存的方式下推，使得在实时数据存储上得到更好的性能。快。AnalyticDB提供了两种弹性策略，分别是分时弹性以及按需弹性以满足不同负载。极致的弹性。三层资源网络，可实现客户99%以上的弹性资源交付率。另外处理能力秒级扩展，基于资源池化后通过缓存加速等技术实现。latencyDSPlongrunning要求的未来，我们计划对一个任务中的不同算子智能地进行MPP与BSP分布，以实现资源巩固，帮助客户提升资源利用率。储的StorageAPI，可以对存储实现统一访问，外部开放的数据引擎比如Spark、P我们已经与很多客户建立了深入合作。ADB替换了传统数仓，实现了整体数据平台的升波克城市通过ADB实现了秒级分析万亿级游戏行为的日志数据。m云原生多模数据库Lindorm分层存储高压缩比可节省最高50%空间，多模超融合让海量数据Lindorm多模融合：让海量数据存得起、看得见本文内容来自2022年云栖大会云原生数据库峰会，点击链接：《云原生数据库峰TP数据库时代过渡到处理海量半结构化、非结构化数据的互联网业务平台新时代。新时代对大容量、高性能、低成本的海量数据处理平台的需求急速增长。针对阿里巴巴电商业务，尤其是双十一数据海量增长和快速处理分析的需求，阿里数据库平台上线，支撑了阿里巴巴全系列业务在线大数据场景，在百PB存储下保持毫秒访问和极致低成本。m今天，随着网络技术进步以及对传感器技术的深入使用，各行各业数字化推进使得Lindorm的诞生记录了数据库针对时代场景的挑战和变迁。从70年代开始，数据库的技术发展经历了三个阶段，第一个阶段以关系型数据库2000年开始，随着互联网技术的发展，更多的业务对数据的管理和分析提出不一样等都是非关系型数据库的典型代表，数据生产达到TB级别。数据将是以传感器生产的IoT数据为主。该数据的类型丰富多样，包括各式各样的m生的原因。不同类型的存储，如对象存储、云盘存储、本地物理盘存储，还能综合管理不同类型存储服务的IO、性能及成本。针对海量数据在Lindorm的存储，Lindorm通过对数据冷热进行识别和分离，将不应到不同类型的存储上。以上特性让Lindorm实现高性能的同时降低了成本。使云下的大数据负载低成本、无缝地迁移至云上的多模数据库生态。mLindorm多模融合架构分为三层。第一层为存储融合，主要解决海量数据在云原生大数据环境下的存储效率问题，能够将云上存储能力无缝融合，降低用户对海量数据的管理和存储成本。m户管理多种不同层级的存储介质，包括本地盘、云盘、云上对象存储等，用户可以将多种存储介质无缝呈现在一个存储池里，可根据特性自动将多种异构数据分配到不同的存储介质上。Lindorm原生的分布式文件系统作为底座，能够独立弹性扩缩存储容量。我们将不同存储介质的能力与Lindorm数据的负载做了自动适配，能够在不同级别上支持高效的压缩与编码。比如，可以通过纠删码EC算法，将副本冗余系数降低至1.25，可以根据自适应压缩算法，最小化数据的存储。m第二层为结构融合。用户在管理多组异构IoT或者万物互联网数据时，能够无缝地将多种异构数据通过一个平台系统进行管理，从而解决运维效率复杂度的问题。比如针对时序、时空数据，用户往往需要采用不同的大数据系统针对每种负载独立构建数据服务，在应用m如Lindorm宽表既能支持传统关系型数据库的Schema结构化数据，也可以通过Blob类型的存储和调用等。通过将多种异构数据在一个数据库系统进行综合管理，用户将无需分别构建多种数据库系统，大幅降低了用户对于海量异构数据的运维管理成本，简化了用户系统架m第三层为多种负载计算融合，解决用户在处理分析多种异构数据时需要综合运用到多种计算能力以及开发复杂系统的应用问题。通过Lindorm底下内置的多种数据分析引擎，比如传统Lindorm宽表引擎、数据同时无缝拉齐各种数据链路，使得异构数据可以流转，被引擎拉起的多种异构数据可进行融合分析。传统的开发模式需要构建多个数据服务，需要与多个数据服务器进行复杂交互，而LindormSQL，用户只需与Lindorm一个系统打交道，极大简化了开发数据应用的成本，大幅提高开发效率。mLindorm能够融合多种特性的云上存储介质，能够智能识别用户在不同的负载里对冷热数据的访问模式。Lindorm能够智能识别用户对于冷热数据的需求，将不同的冷热数据分散到不同的存储介质上。可以用快速压缩算法将热数据存储到高性能存储介质上，经过智能识别以后可以实现冷热数据的转换，将冷数据进行深度压缩，最大化降低用户的存储以上一切工作均在存储引擎内部完成，用户无需再手动分别处理冷数据与热数据。archIndex数据写入以后进入宽表引擎，用户只需经过简单配置，即可启动Lindorm的搜索引擎，为用户写入的数据创建全量与增量索引，用户无需再额外构建一套搜索服务，也无需将数据流转，可以在内部完成全局内容检索，大幅简化了用户应用的开发流程。m物联网时代最典型的应用是车联网数据，无数汽车无时无刻不在向车联网数据中心上传车机数据，包括车辆运行状态、时空位置、车辆摄头以及雷达等数据，数据量极大并且具有明显的异构特征。而我们可以通过Lindorm提供的不同引擎，在同一个系统中处理与分析不同类型的车联网数据，大幅简化了车联网应用的开发流程，开发、运维的效率均有大幅提升。可观测场景下的数据包括tracing、logging和metrics等几种不同类型，传统方式下，我们需要使用不同的数据处理系统针对几种不同类型的数据进行处理，比如m一站式完成监测场景的应用开发。Lindorm提供了HBase的平滑迁移方案。通过高速数据通道LTS，能够将客户已经成本降低50%，性能吞吐提高300%。阿里云关系型数据库RDS是一种稳定可靠、可弹性伸缩的企业级自治数据库服务，被广泛运用于高稳定，高可用，高读写要求，数据安全容灾等场景。阿里云RDS包全套解决方案。云数据库RDS重磅功能发布与最佳实践本文内容来自2022年云栖大会云原生数据库峰会，点击链接：《云原生数据库峰SSQLServer等多种引擎。阿里云RDS在过去几年中经历了智能化演进，比如通过DAS的机器学习能力支撑L阿里云RDS进行了架构升级，全向云原生演进，充分将阿里云底层的IaaS资源服的产品能力构建在IaaS资源服务能力上，再基于ECS以及ESSD实现存算分离架构进行资源解耦，为产品能力带来了极大的提升，比如可基于快照秒级恢复以及计算和存储独立扩容和缩容的能力。KsECS服务器上。了硬核技术以外，我们也通过多种产品能力帮助开发人员提高开发效率。据业务需求进行手动配置，计算规格有限，严重限制了业务开发人员的开发效率以DBA效率。云原生RDS能够利用DAS产品进行智能化调度，智能化预测产品或用户业务需要多少资源量，可以自动进行伸缩。而RDSServerless1.0和2.0阶段希望客户无需关心资源，计算规格和存储容量都能够随着业务量的发展进行扩缩容。的范围有限，无法完全满足业务需求。而在Serverless架构下，计算规格和存储容量能够随着业务波峰和波谷进行弹升弹降，极大提升了运维人员的工作效率。同时，可以对资源进行更精细化、更准确的配置，节约了大量成本。RDSServereless产品为业务带来了以下核心竞争优势：•资源配置可随着业务负载实现秒级弹性伸缩。，按量计费。ze并实现了0成本的应用适配。度优化才能使新架构的产品竞争力看齐过去物理机形态的能力。我们对Binlog体系进行了改造，实现了BinlogInRedo模式，将原先事务提交commitIO吞吐。同时，对Binlog的写模式也进行了深入调整。RTO是众多数据库使用者最关心的核心指标。RDS产品过去在RTO上做了大量优化。比如大事务Recovery优化，从过去的需要小时级降至秒级；同时，对Buffer集群版相比于之前的高可能架构存在两点颇为明显的变化。•集群版支持同时挂载多个从节点，这意味着会有多个备库，同时所有备库将开•集群版不仅提供了最高4个9的全球最高等级SLA服务保障，同时还通过内置确保数据永不丢失。以最小成本实现数据库服务最高级别的可用性及可靠性保障，是RDSMySQL集群版的最大竞争力。RDS本增效。在计算节点上，支持了基础版的只读实例；同时针对有明显使用时段的业务，在业务停用之后支持同步暂停RDS实例，实例暂停期间不收取任何计算节点费用，需要时又可以快速将它拉起用于生产业务。存储节点部分也进行了核心优化。依赖云盘能力，支持了从PL0到PL3全等级的云盘矩阵，同时可以根据线上业务的吞吐需求，在PL0到PL3之间随时进行无损的在存储空间层面，通过数据库内部技术实现了云盘缩容能力，可以根据业务数据量的变化实现云盘存储空间升配以及降配。不论是计算节点实例暂停还是存储节点的可升可降，我们始终希望业务的不同阶段都可以在RDS上获得最优的资源成本与解决方案。通过RDS极速备份及恢复能力，可以实现对全量及增量的物理备份文件实时自动合成快照备份。进行数据恢复时，可以通过快照秒级挂载实现数据的快速恢复，大幅度缩短数据恢复时长。此前恢复1T数据大约需要4小时，而现在仅需30分钟，数据效率恢复提升达到88%。SaaS等多租户，需要单库单表回档的场景，让线上业务以最快速度回档到正确状态。多时间点、多监控项进行数据的聚集、展示以及对比分析。检，会定期给出报告，发布告警，用户可对全局运行状态实现全面掌控。划等场景；发布了全加密数据库插件，可以实现从内存到磁盘全链路最高等级的加SEAIBabelfish插件，可以实现对SQLServer数据库的兼容以及对商业数据库的替换。以上插件能力的加持使得RDSPG在AI、时空、加密等场景上具备了更好地为业务提供服务的基础能力。可以看到，Serverless已经广泛应用于资源波动、具备不确定性负人在线协同办公系统等。以上场景均具备一个共同特征：业务间断不连续，但在业务高峰期对数据库性能有着极高要求。s在业务低峰期，可以保持在较低水位线运行，而在业务高峰到来时，又可以快速弹务流量。大幅降低了资源成本，最高降本70%，真正实现了增效并且降本。Babelfish具备了SQLServer商业引擎语法的兼容能力。在RDS上启用Babelfish数据库引擎的能力以及成本实现商户数据库引擎的能力，进而将商业数据SQLr于让每一个客户获得更快、更稳、更安全、更好用的数据库使用体验。DMS降低90%，数据使用效率提升2倍以上。『简单·易用』一站式数据管理与服务本文内容来自2022年云栖大会云原生数据库峰会，点击链接：《云原生数据库峰市场报告显示，2025年将有75%数据库迁移到云上，将有30%数据是实时数据，到2024年末数据保护法将会保护到75%人口。整体趋势可以总结为上云、实时以。我们认为，库仓一体是未来趋势。因为核心数据从数据库产生，而实现库仓一体化可以降低用户使用成本。用户开发数据应用时，需要与数据库之间进行交互，比如建表和组件、进行数据库变更操作等。最后通过程序将数据写入到生产库，比如数据库、存储系统。基于生P数据应用。这个过程中会产生一系列语言数据和操作行为，操作行为最终会沉淀为数据资产。上述流程中会存在几个痛点：第一，规范无法落地。将规范真正有效地落地到可度量的产品功能上与书面规范存在非常大差距，并且落地后稳定性问题突出。第二，集成加工复杂。数据库产品非常多，数据要在数据库产品之间或存储之间进行流动，需要一系列技术的支撑。无论是批量集成还是实时集成，数据流动本身就是很大的问题。并且同时会引起更多的使用成本、运维成本以及诊断成本。用成本、运维成本本身就是对客户的巨大考验。基于以上痛点，阿里云推出了一站式数据管理与服务DMS。针对规范无法落地的问题，我们抽象了数据库DevOps。通过研发系统、访问控制等一系列技术来解决问题，比如研发人员无需获取到数据库的用户名和密码，也可针对集成加工复杂问题，我们推出了数据传输与加工，通过集成数据传输、迁移、解决了数据自由流动问题。针对多个工具切换的问题，我们抽象出了数据服务应用功能，提供了一键宽表、一针对数据治理困难，我们与达摩院合作实现了数据知识库构建、隐私脱敏、可信计算、全加密数据库等一整套流程，建立了事前、事中、事后的方法论，并且将能力沉淀到数据库安全中心，希望能为用户解决安全问题。S拥有17项专利沉淀。通过不断从客户问题中抽象出场为了避免数据库的数据泄露风险，我们实现了访问控制技术，同时通过授权管理实发生数据泄露。数据安全包括敏感数据识别、分类、脱敏等。我们通过数据库安全技术，能够做到真正的分类分级。我们将数据法案内置于该能力中，用户可以直接选择并使用。SchemaMCCDDL链路不会出现问题。通过大量应用的积累，我们沉淀了一系列基于数据的智能技术：比如通过Schema的对应状态会基于血缘进行传播，解决一系列衍生问题；通过数据和机器学习解决数据和报表之间的匹配问题，能够自动推荐应该选择什么样的报表，并一键生成报DMS一站式能力在数据库开发过程中，绝大多数公司都会遇到或正在遇到以下问题。比如数据库研A低下；比如企业中很多人员拥有数据库账号和密码，导致数据库泄露。同样的问题在十几年以前已经困扰着阿里巴巴。s发规范、全流程变更管控等一系列能力有效降低了90%以上的数据库管理成本，并且能够最大限度地保证研发的高效率。DevOps上发布，企业可以基于DMS灵活的自定义流程和自定义权限能力构建自己专属的DevOps解决方案，提升企业的研发效率、稳定性和安全等。让数据流动是避免数据孤岛的有效手段，但是数据流动一直以来都是一个难题，存DTS是全球首款公有云上发布的数据传输服务。它融合了阿里集团内部的高性能环境、高稳定性的数据传输要求以及阿里云上十几万客户多元多端的数据流动能力，从数据中挖掘价值是每个企业在新时代下面临的机遇，也是巨大挑战。DMS通过逻辑数仓的能力降低了数据服务与应用的门槛。传统方式下，如果要查看某一类商品在某个城市卖出的单数，需要将需求提交提给要通过两条SQL即可分钟级地产生报表。如果没有数据安全，则所有其它能力都没有意义。行列级别的权限管理能力；事中会提供实时动态脱敏、隐私计算等能力；事后会提供审计、数字水印溯源等能力。另外，我们针对企业的高频场景提供了一站式产品化解决方案。AD提供了开箱即用的能力；提供了一站式企业级备份平台DBS，能够满足企业多源多份数据的查询。通过数据归档结合逻辑数仓，使得对归档数据与在线未归档数据能像在一张物理表DMS我们持续关注体验和交互的简单易用，因此我们在过去一年中优化了128项体验，同时不断上线极简模式，不断探索基于机器学习的智能推荐能力。达摩院加持下的数据库技术前沿本文内容来自2022年云栖大会云原生数据库峰会，点击链接：《云原生数据库峰达摩院数据库存储实验室自2018年成立以来，一直致力于面向云时代构建原生的数据库管理系统，希望通过技术创新为企业客户带来更高质量、更高价值的数据库智能自治、混合负载几个研究方向。同时，我们也将研究成果真实落地到了阿里云各个数据库产品之中，为企业客户带来全新的体验。近年来，智能位置技术发展非常迅速，主要运用于自动驾驶、智能物流、增强现实的方方面面。面向全空间场景，需要管理的数据类型越来越多，数据规模也越来越。达摩院打造了孪生全空间数据管理引擎Ganos，将全空间数据管理能力融入到云原管理层中，在业界首个提出了融合了空天地、地上下、室内外全模态数据上图列出了Ganos的十大功能引擎。比如处理车辆行驶数据会使用到轨迹引擎，处理建筑模型数据会用到表面网格引擎，不同引擎组合在一起解决了现实生活中非常复杂的模型表达与数据操作问题，也实现了全空间数据在数据库内部的超融合计算。Ganos发布了全新5.0版本，支持了视算一体化3D全空间数据处理，主要包含三个核心能力的突破。•基于表面网格、三维实景与体网格构建了3D全空间模型，使得城市全域传输的复杂场景得以在Ganos中进行表达。•在数据库内支持了全空间计算能力，比如拓扑关系计算、交并差集计算，使得全空间的复杂计算相比于传统中间件的方式提升了50到100倍。•支持了全空间扩展存储，可以将部分数据存储于成本更低的OSS空间，使得库据容量降低50%。除了功能升级，Ganos也与阿里云数据可视化平台DataV进行了深度融合，相比于用实体模型取代传统的静态切片，使得数据真正能够动起来，能够实时进行计算与分析。近年来，企业数字化进程不断加快，数据已经成企业的重要资产。同时，数据安全法、个人信息曝光法纷纷出台，国家对数据安全的重视度越来越高。在如此严峻的形势下，企业如何在允许数据在不同系统与组织之间流动使用的同时，还能保障数据资产的安全，成为了现在数据库管理系统面临的巨大挑战。达摩院打造了下一代数据库安全可信体系，在业界首个提出面向全生命周期数据密态管理理念，通过创新技术更好地保障企业数据资产的机密性、真实性与隐私性。数据库安全可信体系包括以下几项核心能力：第一，全链路敏感数据保护。能够让业务敏感数据比如客户个人信息在进入整个应用链路最初即进行加密，在后续任何子系统中都看不到数据明文，只有授权的角色方能看到动态脱敏后的数据。第二，全密态数据库。密文数据进入数据库以后无需解密，可直接在密文上进行数过防篡改能力验证数据真实性，并且追溯任何对数据的操作和修改历史。第四，隐私计算引擎。企业可以将自己的数据资产与第三方数据资产进行跨组织融果。同时也实现了企业资产的共用不共享。全链路敏感数据保护以及全密态数据库的研究成果已经发表在今年的数据库顶会盖所有常用功能。依托于阿里云数据库DMS平台，我们将创新安全能力以及数据库经典的安全能力统一管理，为用户提供了覆盖数据全生命周期的安全保护与隐私保护体系。我们的产品通过通过了各项安全资质的认证，同时也在积极与各个权威机构协作，推行各个行业的数据安全标准，密切关注数据与安全行业的发展。用AI的能力更好地提升数据库使用体验；其二，DBforAI，通过DB能力更好地挖掘数据蕴含的价值。达摩院在AIforDB方向打造了国内领先的数据自治技术，也促成了行业标准，是首批通过信通院数据库系统智能化标准的厂商之一。可以利用可观测能力，通过分析自动执行数据库的运维操作，将客户从复杂的运维工作中解放出来，将更多精力聚焦在业务本身。比如，时序分析算法在数据库内提供了时序算子，在相同准确率的情况下，性能优于竞品1000倍以上，且使用非常方便。DBforAI方面，我们在数据内提供原生的AI算法，能够将数据与AI算法统一进行管理，相比于传统的将数据导出到外部的方式更简单、更高效。基于内置的AI算法决方案。NL2SQL技术在耶鲁大学Spider测评被评为全球准确度第一，执行速度10倍于竞效果会优于其他方案。云上实例更加速了数据库自治的需求。我们打造的AIforDB能力已经服务于超过70万数据库实例。可以在PolarDB内搭建更高要求的AI应用，比如可一键搭建数据库知识咨询、风险方式方便地管理AI任务，也可以帮助用户将自然语言的任务需求自动转化为数据库6LI了该技术，帮助用户更高效、更快捷地管理数据资产。分布式一致性协议通常需要通过Paxos/Raft协议保证不同节点之间对整个数据库的运行状态达成共识。传统方式下，一般要求数据操作必须严格按照顺序存储。而达摩院创新采取了分布式乱序存储的方式，规避了顺序存储带来的性能瓶颈。相同2PC机制在高吞吐、高并发、高冲突的情况下，很容易出现性能瓶颈。而达摩院对该场景进行了近年来，HTAP数据库的架构演进迅速，经过探索我们发现，基于共享存储与in-memory列存的架构方案相比传统方案，在弹性伸缩方面存在明显优势。该方案在数据库算子硬件化方面，通过利用可编程交换机(硬件SNA)，将数据库操作比如实现了降本增效。 (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF版中做更新) (此页面将由下图全覆盖，此为编辑稿中的示意，将在终稿PDF版中做更新)行业64数字政府行业1.数字政府行业整体介绍数字政府是指以新一代信息技术为支撑，重塑政务信息化管理架构、业务架构、技能化的城市大脑建设。2.为何兴起数字政府建设提出了明确要求和规划。这是国家层面首个针对“数字政府”的指数字政府将进入全新的发展形态，政府治理现代化会逐步进入深水区。1.数据大集中高并发在全国的个税汇算清缴期间，省级医保结算，或某市集中全员核酸检测等突发流量时，需要有分布式数据库和内存数据库的高并发流量支撑，并有弹性扩容和限流等机制，保证民生类应用的稳定可靠。政府行业6S2.海量数据实时分析在线业务系统积累了海量数据，分析场景，需要在另外的数据仓库里进行实时分析价值最大化。3.一站式史库兼顾查询和成本。4.自主可控和容灾多活技术的自主可控。在数据安全可靠方面，对同城容灾、跨云容灾、异地容灾、异地备份有诉求。行业691.方案架构2.产品组合数字政府行业6L3.竞争与优势持业务的高并发读写，为在线业务提供毫秒级响应；DAS数据库自治服务提供云数据库的自动化诊断、优化、运维，大大降低了使用云数据库门槛。•实时分析：通过DTS实时同步数据到AnalyticDB，或通过AnalyticDB强大的计算能力，为海量数据多维统计分析业务提供秒级响应。•传统商业数据库升级：对原来云外的传统商业数据库，可以通过ADAM和DTSPG。归档，可视化灵活配置归档任务，历史数据及时归档，可以提升在线业务的稳1.浙江省政务云需求•浙江省政务云承载全省各个委办局的业务应用，需要多种数据库产品一站式满等。•民生保障等政府公共服务应用，需要数据库支持弹性扩容、高并发、高稳定运利、可靠的运维和管理能力，持续发挥数据在线价值。行业682)如何解决•通过阿里云多种数据库产品组合，满足各委办局上千套应用的数据库需求，云数据库MySQL满足高稳定通用业务处理场景，分布式数据库PolarDB-X满足海量数据高并发场景，AnalyticDB满足复杂查询实时分析场景，Redis内存数•阿里云数据库都支持弹性热扩容，多副本无单点，秒级高可用切换能力，有效，还包括DMS的数2.山东省医疗保障局需求•山东省作为拥有上亿人口的大省，山东省医疗保障局医保信息平台建设之初，就对平台的高并发访问能力、海量医保数据的汇聚和计算、以及系统7*24小时的稳定持续运营等关键技术难点予以重点关注。算技术，并提供毫秒级实时响应的数据库服务。对可用性和稳定性要求极高，数据库需提供容灾能力。2)如何解决•阿里云自研云原生分布式数据库PolarDB-X和云数据库RDS高效支持医保实时结算等核心在线业务，运行响应速度最高提升10倍。门诊结算响应速度从老系统的单次平均2秒提高到平均0.2秒，住院结算系统响应速度从老系统的单次平均3秒提高到平均0.6秒，大幅减少了就医结算的等待时间。•云原生数据仓库AnalyticDB为医保平台提供海量数据多维度在线实时分析能力，实现海量数据毫秒级响应，提升医保基金后端的结算速度和综合分析能力，让医保业务系统数据分析更敏捷，有力保障了山东省每年1600多亿元的医保基金收支安全。融行业66金融行业1.金融行业整体介绍金融行业主要包含银行、证券、保险、数字金融等子行业，一直以来采用以IOE为代表的IT基础体系，数据库延续了几十年的传统集中式架构已经越来越难以满足现质量发展的基石，成为业务竞争力的重要组成部分，同时各个应用领域呈现出自动化、移动化、智能化的趋势。2.金融行业数据库技术发展驱动力随着“新基建”、社会全面数字化加速推进，基于信息技术创新的大背景下，金融行业IT系统的转型能力需求，从技术层面对新技术架构提出更高要求，新技术架构涵盖业务建模领域，应用架构集成领域，应用系统开发建设领域，基础软件设施领域，以及基础资源设施领域。数据库作为重要的IT基础设施，技术突破至关重要。1.安全可信我国明确了“数字中国”建设战略，对数据库等基础软件做到可掌控、可研究、可发展、可生产整体可控，提出了更高的挑战。2.混合负载业务复杂，并发和稳定性要求高，金融行业客户交易响应要求极高，同时又有清算等批处理需求，要求能支撑HTAP的混合负载。业1003.容灾多活安全稳定性要求极高，容灾能力强。金融企业从监管和业务诉求两个维度要求系统能够提供跨机房、甚至跨城的容灾或多活能力。4.整体云化数据存储冗余，存储成本高昂。随着“十四五”统筹推进云化建设，推动安全高效跨云协同管理和自动运维，平稳有序推进监管系统和行业应用上云。1011.方案架构2.产品组合1023.竞争与优势关系简化数据开发过程，缩短数据治理周期，提升效率的同时降低使用成本。1.汇付天下阿里云助力汇付天下实现云原生改造。•提效降本显著：在数据库成本下降、资源使用更加节约的同时，业务流量达到10倍+的增长，单元化架构支撑交易量提升数十倍，突破亿级大关。维效率大幅提升：实现自动化、快速地进行资源和弹性的管理。2.申万宏源证券传统数据仓库升级最佳实践，打造数据驱动新引擎。•平稳迁移近上万个任务，上百TB级数据0%以上。1033.江西农商银行银行定价核心系统上阿里云AnalyticDBPG。•数据入库、数据加工、数据同步，全链路性能提升10倍以上。•新数据库架构性能可以随硬件的扩展线性增加。•数据加工处理和高并发查询解耦，互不影响。104行业1.制造行业整体介绍按照《国民经济行业分类》分类，工业共有41个大类/207个中类/666个小类，中生产几大板块。工业智能4.0时代已经到来，传统的制造企业开始通过数字化触达T的复合增长。能源消耗大、环境污染严重的制约，智能化转型升级已成为行业重要发展趋势。随着中国制造2025的发布，同时在数字化浪潮冲击下，制造业各企业都在积极寻求数字化转型和IT建设的变革，数据成为关键点。1.分布式架构建设用户、海量数据、高并发场景。针对这类业务场景，需要建设分布式架构来支撑，因此要求底层分布式数据库的技术成熟稳定，并具备快速、平滑的水平扩展能力。2.容灾多活制造行业涉及国计民生，系统故障会带来巨大生产损失，造成负面影响。因此，该行业对IT系统设计和容灾多活建设提出了明确的标准和要求。数据库作为支撑业务系统最核心的基础组件，需具备高可用、数据实时同步、一致性保障等能力，在此1053.一站式数据建设通过一站式的数据解决方案实现企业IT建设升级。4.实时分析销售分析和工厂生产分析是制造企业非常重要的两个部分，基于海量数据进行多表关联的实时分析，能更有效地挖掘数据价值，从而提升生产和销售效率，是新营销建设、数字化转型的组成部分。基于传统架构，在海量数据规模下实现复杂业务的实时查询，是面临的一大挑战。1061.方案架构2.产品组合3.竞争力与优势rDBX高吞吐的分布式架构。存储处理。107DTSAnalyticDBMySQL入即可见”，构建实时数据仓库进行数据汇聚和复杂业务实时分析，提升生产销售效率。1.某石油公司阿里云助力石油公司实现数据线上线下全流程管理，支撑业务峰值期间超大业务流量请求。•通过PolarDB-X分布式数据库进行数据多维度拆分，满足业务峰值超大流量请求。LindormAnalyticDB数据库分别承载设备、分析场景，性能DMS实现数据上下线全流程管理；通过DAS实现数据库的诊断分析和自动优化。2.中国邮政海量快递单。ySQL•使用DTS完成不同业务数据库的上下游数据同步，解决集团内数据共享诉求。108运营商行业1.运营商行业整体介绍运营商行业是指提供网络服务的提供商，国内四大运营商主要指的是中国移动通信集团、中国联合网络通信集团、中国电信集团以及中国广播电视网络集团，主营业数达16.74亿，5G用户占电G基站185.4万个，建成全球最大5G网络，已开通5G基站总量占固定宽带的投资，建成10GPON端口1103万个。传统业务发展放缓：伴随着提速降费政策以及用户群体规模趋向于饱和，用户价值增长动力明显不足，传统业务的价值经营正步入瓶颈期。新兴业务增长强劲：依靠运营商领先的网络、IDC等基础设施条件，运营商的“第二曲线”发展强劲，其中云服务在2022年仅用半年左右时间三大运营商营收均超年全年，5G等新型应用项目累计2.8万个，三大运营商“第二曲线”收入对主营业务收入增长的贡献率超过56%。1091.云化架构升级传统的资源申请需要多部门协同完成资源上架及集成等工作，资源申请周期相对较长，无法满足业务的快速发展需要，同时传统资源运维伴随着资源规模的逐渐增大而越来越困难，希望减轻运维复杂度。2.自主创新为应对国际市场不确定因素，运营商推进核心IT基础设施的全面自主创新进程，注重相关领域的人才梯队培养及产品孵化，对原有技术产品探索迭代更新，同时要确保系统的平滑过渡。3.稳定及扩展性IT量数据存储计算的特点，对稳定及可扩展性有着极高的要求，需要数据服务实时在线。4.一站式运营商在持续挖掘海量数据价值，将实时产生的经办及网络数据进行二次加工，孵化出如行程码、个性化营销推荐等业务。全链路的管理复杂度将影响到整个系统的运行稳定性。1.方案架构1102.产品组合3.竞争力&优势•一站式全链路数据服务和管理体验：提供从数据产生集采、实时处理、数据分析及开发管理全链路高效处理工具，解决原有集成慢、上线周期长、多技术栈管理的问题。DB2语法及功能，业务迁移上云成本低；端到端专业迁移改造工具及服务保证业务割接稳定性。•云原生架构应对新业务发展：云化架构实现资源池化，从部署、交付到后续运维实现流程自动化。云原生数据库提供的资源隔离及存算分离可以实现业务的按需分配以及快速扩缩容，提升资源利用率。1.中国移动通信集团广东有限公司新一代云原生MPP数据仓库创新实践。•存算分离架构实现业务弹性扩容。云原生实时数据仓库，支撑跨实例数据实时共享。•增强的列存分析能力，实现高性能数据查询效率提升3~5倍。2.某通信运营商一站式数据管理及服务助力运营商分布式架构升级。•AnalyticDB高效的数据实时处理及离线分析实现业务查询效率大幅提升。•单集群大规模分布式部署支撑亿级用户体量。务。•异地多活容灾实现实时经办业务的分钟级容灾切换。1.电力行业整体介绍“3中心+13省”，全栈数据库产品得到广泛应用。电力行业存在丰富多样的业务场景，每个场景的需求都不一样，传统单一数据库很难覆盖所有场景。表的数据采集，适合海量数据压缩存储的时序库。阿里云数据库产品能够提供满足各种业务场景的解决方案，帮助电力行业更好地进行信息化转型升级。1.海量量测数据存储电力行业存在上亿的电力智能设备。这些设备的指标数据每隔15分钟就会被采集数据的高速写入、压缩存储、快速查询，是电力数据采集的核心问题。2.业务架构分布式改造电力行业大多场景采用集中式数据库存储。但随着业务数据的快速膨胀，原有架构海量数据的事务型场景，是电力行业面临的一大挑战。3.业务快速升级传统商业数据库电力行业存在众多基于传统商业数据库的中小系统。客户期望能够快速实现传统商电力行业的一大痛点与挑战。4.实时在线统计分析电力业务中存在大量的指标、报表、电量计算等分析场景。无论是基于Oracle还是海量数据下仍能保证数据分析的实时性，是一大挑战。1.方案架构2.产品组合3.竞争力&优势•智能电表量测数据采集：海量时序数据存储、高速读写，高压缩比数据存储。•营销业务分布式改造：利用PolarDB-X水平扩展性，数据存储量、读写能力线务快速完成升级改造。•电力实时数据仓库：营销快报秒级查询，离线数据仓库演进到实时数据仓库。1.某电力集团ySQL•数据实时性：数据实时稳定30万条/秒且入库即可见，报表查询毫秒级响应。产品易用性：兼容MySQL语法协议，降低开发人员使用门槛，加快业务交付周期。•运维简单灵活：支持丰富的白屏化性能监控/报警指标，在线升降配，自动备份恢复任务，运维人员上手快。2.某电力科技企业营销费控业务创新国网云原生分布式架构。•云原生分布式：轻松应对电网千万级智能设备高并发写入。资源弹性：实现海量数据存储及成本大幅度下降。117游戏行业1.游戏行业整体情况1477.89亿元、同比减少1.8%，中国用户规模同比均有小幅下降。同期中国自主研发游戏在海外的实际销售收入89.89亿美元、2.游戏行业需求中国游戏市场由增量市场转变为存量市场：游戏厂商“从争夺新用户转为争夺老用户的使用时长”，游戏研发走向“精品化”，游戏发行转向“研运一体”、“游戏出海”、“精细化运营”。需要能够满足“全球同时开服、全球多活容灾、快速回档、高并发快速弹性、海量数据运营分析、智能机器学习”等需求，覆盖游戏生命周期的一站式数据库管理与服务。1181.全球多活容灾在全球部署场景，传统数据库容灾方案存在数据一致性差、网络延迟导致读写效率低，故障切换时间长的风险。如何解决跨地域数据一致性、全球多点写入效率和同步延迟也是游戏厂商的核心关注点，也是对数据库技术的最大挑战。2.快速回档在游戏运营场景，出现游戏玩家利用游戏漏洞影响游戏公平性或因游戏宕机停服需要回档数据，是否有快速备份方案，是否支持按任意时间点快速恢复从而降低停服时间，是每个游戏厂商迫切关心的问题。3.高并发快速弹性游戏新开服或重大活动时，难以精确预估的玩家访问压力，突发高峰访问在游戏行业内时有发生，从而在这种高并发请求下数据库需具备快速弹性的能力用以应对超高流量，这对数据库弹性能力是一大挑战。4.海量数据运营分析游戏运营策略及活动需根据游戏数据进行持续调整和优化。经过长时间积累玩家数据和行为日志数量都是海量的。如何分析海量的行为日志，如何实时对这些数据进行分析展示，是游戏行业对数据库提出的又一挑战。1.方案架构1192.产品组合3.竞争力&优势•经过验证的、秒级延迟、跨多地域读写的全球多活容灾方案：PolarDBGDN(全•全服回档：PolarDB高频快照备份支持分钟级恢复TB级数据。•细粒度回档：PolarDBFlashbackQuery秒级闪回查询历史记录，秒级回档部分•数据库管理服务(DMS/DAS)高度集成到云数据库数据库引擎服务，提供云数•数据分析引擎(AnalyticDB、ClickHouse)全面支持冷热分离，提供低成本海1201.心动游戏业务一站式数据管理服务。•全球一站式运维管理。•按需弹性升降配支撑业务高峰，节省50%计算成本。•秒级完成细粒度回档任务。2.波克城市游戏数据运营分析平台+新一代AnalyticDB云原生数据仓库。•DMS安全协同平台“一站式”解决安全管控和数据同步。121汽车行业1.智能网联车行业整体介绍智能联网汽车发展的鼓励政策。其中《车联网(智能网联汽车)产业发展行动计划》指出了到2020年车联网用户渗透率达到30%以上，新车驾驶辅助系统(L2)搭载率达到30%以上，联网车载信息服务终端的新车装配率达到60%以上的行动目标。政策的频频出台展现了我国对于智能驾驶行业及相关企业的重视和支持，为我国智能驾驶相关产业的发展提供了良好的政策支持和相关保障，也有助于整体汽车行业的修订建议稿中加入了智能驾驶相关责任认定的描述，将成为消费者权益和交通安全的有力保障。智能网联车的发展不仅将改变多年来人类驾驶车辆的行为习惯，更重要的是将在交通安全、运输成本、用车效率和空气污染等方面推动整体社会的发展和进步，是一场由工业领域和交通领域共同拉动的产业革命。在智能驾驶和未来智慧交通的影响输成本、人力需求将不断释放，转而产生更大的社会效益。1.数据库灵活性自动驾驶的初创公司，业务开创阶段，各种传感器数据装车，数据多变，对数据库存储的灵活性、易用性存在痛点。2.数据库扩展性ard方式部署的数据库不能满足扩展性要。1223.多模态数据统一存储与跨模态检索1.方案架构2.产品组合3.竞争力&优势•数据库产品矩阵以Lindorm为核心，基于数据库产品矩阵，构建一体化的数据存取、流转、分析、应用、管理的数据流程，部署管理的成本低。123•多模融合检索分析•车联网定制化功能车联网定制化流引擎开发，高效支持数据实时处理，灵活流转。•灵活输出模式1.上海市新能源汽车公共数据采集与监测研究中心性能提升3倍。•成本减少40%：低成本存储，从容应对采集点数据流量突增。•性能提升3倍：整体在线服务性能提升3倍以上。•开发效率大幅提升：形成在线服务与分析一体化。2.某新能源车企Lindorm源车企构建车联网一站式数据平台，有效降低运维和存储成本。擎，可以轻松构建车联网一站式数据平台，运维成本降低50%以上。采用冷热分离和自研压缩算法，存储成本减少30%以上。•融合计算：一体化数据处理，多引擎融合检索分析，开发效率成倍提升。124物流快