云原生数据库重塑企业基础设施-云原生数据库产业发展与行业应用白皮书 2024

重塑企业基础设施 第二章数据库×云原生全面助力企业IT基础设施升级 5.3移动云原生数据库产品能力与应用案例 PART01企业IT基础设施发展大模型开启了通用人工智能（AGI）的新时代，各行各业正在以前所未有的速度进行产业升级和变革。在数智化加速转型的过程中，企业力求通过技术革新提升运营效率，加快市场响应速度，持续强化企业创新能力，确保自身能够在激烈的市场竞争中占据有利地位。企业IT基础设施作为支撑数智化转型的关键力1.1数智化发展对企业IT基础设施提出新要求AI时代对企业IT基础设施提出了一系列新要求。各行业的转型升级需求旺盛，新的数字经济产业也在快速发展，新业态、新模式层出不穷，企业IT基础设施必须在AI时代快速实现自我革新，确保企业的发展战略能够全面落实到创新实AI时代的用户需要基础设施提供更灵活的按需服务能力。其应用场景将更加复杂多样，需要根据动态需求情况灵活调用组件，并快速增减计算、网络、存储AI时代也将不断挑战各基础设施的运行效率极限。因为AI的大数据、大算力需求特性，加之算力的高成本和复杂多样性，对不同基础设施资源的一体化管理和优化加速将变得十分重要。对用户来说，计算效率的提升意味着对综合成本的大幅优化。此外，伴随AI原生应用需求的不断丰富和迭代速度的快速增加，不同目前，对海量业务数据的管理、处理与分析是企业必备的核心能力之一。面对海量数据的实时处理需求，企业IT基础设施必须能够具备快速响应业务的能力，确保数据处理和分析的时效性与准确性。弹性可伸缩的池化基础设施资源，使得企业在处理海量数据时更加游刃有余，显著提升对业务的洞察能力和敏捷响同时，AI大模型训练对相关数据集的数据质量和加工效率有极高要求，基础设施应能够提供全流程的数据准备、清洗、标注和存储服务，以确保AI训练目标的按期达成。以云为支撑的基础资源需要应对大规模数据存储和处理挑战，以满AI正在与更多的数字化技术和数字化流程快速融合。企业IT服务变得更加多样，云、数据、组件以及应用的种类和数量都在快速增加，给管理带来了许多新的困难。在基础设施管理中使用更多的AI算法，用于优化资源配置、洞察系统性例如AI根据计算任务的特性，对任务进行灵活切分，并自动匹配计算资源，确保各分子任务之间的高效协同，避免局部等待和空转造成的浪费。AI算法也可AI时代的企业IT基础设施必须构建更加严密的多重防御和动态防御体系。特别是在数据要素市场化的大背景下，大量数据在云端被存储和使用，云基础设施必须根据需要，实施面向全流程的数据安全保障措施和可信计算环境，并从技术和管理机制上保障数据的合规使用，避免数据泄露和越权使用带来的安全和法律1.2企业IT基础设施的新趋势企业IT基础设施将全面引入智能化能力体系，将更多的技术与传统的基础设施进行深度融合，并通过对基础设施的持续升级和重构，提升整体规模、性能和云原生化将成为企业IT基础设施的主流发展趋势。云原生基于分布式部署架构，通过容器化、微服务、自动化运维等一系列技术手段，让企业的IT基础设施具备高度的灵活性、可扩展性和可用性。云原生架构的IT基础设施能够更加快速地响应业务需求变化，实现资源的快速部署、开通和释放，提供极致的弹性、敏捷体验。同时，云原生架构通常会采用更完善的资源解耦、Serverless、容错设计和故障恢复机制，并提供丰富的监控和日志功能，可以更加细粒度地诊断和排大模型将带来更多的企业AI原生应用开发和使用需求，企业需要考虑为AI训练、推理和AI数据集的存储、管理、使用提供更佳的基础设施环境支撑，为了应对海量数据的分析、处理需求，基础设施的并行访问效率和网络的协同管理等都域技术资源的整合，打造企业数智化生态，帮助企业全面提升创新能力，形成运在AI时代，大规模集群计算将成为常态。大模型的千卡、万卡级协同训练，率、运行效率以及稳定性。算网融合有非常广泛的应用场景，在交通、医疗、制成本、体验最优；叠加AI、大数据等能力要素，形成多要素融合的一体化服务，用户不用关心资源类型和位置，一点接入，随需申请，随需使随着建设时间的积累，未来的企业IT基础设施内容将更加多元：在时间维度上呈现为不同时期的软硬件系统；在技术栈维度囊括了基础云、智能算力、数据、组件、应用等一系列广义上的数字资源；在空间维度上以混合云、多云的形筹，施行一体化管理是很多企业需要重点对待的问题。一体化管理既能够实现资源上的集约，也可以保障不同系统之间的充分共享协同。在一体化管理的基础PART02数据库×云原生全面助力企业IT基础设施升级AI时代给企业IT基础设施带来了新机遇、新挑战。数据库作为现代信息系统中的核心和关键组成，是企业IT基础设施的重要能力呈现，对业务的稳定、高效运行起到至关重要的决定性作用。企业的所有业务行为都将具象至对数据的定义、操作、分析和维护管理操作过程。同时，通过对数据的进一步汇聚、存储、治理、分析和利用，企业可以持续积累数据资产，并推动以业务场景为导向的数据服务能力发展。因此，以数据库为核心的全栈能力升级成为未来业务创新发展2.1数据库产品正面临日益紧迫的多维度提升需求随着各行业创新升级进程的加速，企业内不同业务的一体化融合趋势持续凸显，交易型业务和分析型业务的界限正在日渐模糊。在当前的大模型时代，数据库的发展已经与人工智能、云计算、区块链等一系列新技术密切关联，数据库厂商需要进一步洞察大模型时代的企业业务形态、商业模式和生态需求，围绕数据数据形态日趋多样：AI赋能的企业创新业务带来了更加多样的数据类型和数据关联，图片、视频、语音等多模态数据的大量产生和使用，使企业必须认真考虑不同类型的数据库需求的统筹和融合问题。无论结构化数据、非结构化数据，还是OLTP、OLAP，都需要数据库体系提供统一、高效、稳定、可技术需求持续提升：传统结构化数据的属性变得越来越复杂多样，对数据库的查询、操作性能提出了更高的要求。随着企业业务规模的快速膨胀，数据库的并发性能和峰值支撑能力都变得极为重要。此外，创新型业务普遍要求灰度发布、快速迭代，数据库需要应对更为严苛的弹性伸缩能力和敏捷部署系统间协同与互操作：高水平的数据库设计可以大幅提升企业信息系统间的协同和互操作能力。不同系统之间通过数据库实现共享与交互，破除信息孤岛。企业也可以通过数据库对不同业务进行整合和一体化管理，形成多维业新技术带来新变革：云计算、大数据、区块链与AI的发展，给数据库产品的发展变革带来强劲的影响力和推动力。例如，云技术提升灵活性与可扩展性，满足容灾和高可用设计要求。大数据技术带来更多类型数据库的需求，加速数据库和大数据的融合发展。区块链、隐私计算等帮助企业在复杂业务需求下实现数据可信、可追溯和完整性保护。AI在带来新需求的同时，也为安全与合规：在数据要素市场化的大背景下，企业数据交易需求正在快速增未来，数据要素将成为企业最重要的资产。现代企业数据库的高效、稳定运行，不仅直接影响企业自身的健康运营和持续创新发展，也关系到不同机构间信任和协同关系的建立。高效的数据基础设施建设和数据流通保障，将推动整个社2.2云原生架构助力数据库能力跃升撬动企业深层业务需求数据库对多模态、智能化和高性能等发展方向的支撑，将进一步体现在分布式一体化架构、自动化和智能化管理、灵活可扩展、安全合规以及高可用等设计中。为满足上述要求，数据库的云原生化将成为当前和未来数据库发展的确定性本地部署模式公有云模式在IDC2023-2028中国关系型数据库市场规模统计与预测数据中，公有云模式的市场份额将持续增长，年均复合增长率可达24.5%，远高于本地化部署模式的增长率。随着互联网行业的减速，其整体对云服务的采购量出现下降，将使公有云数据库的增速放缓，而传统企业业务上云、行业云原生应用的发展将继续驱由于企业和政府IT投资紧缩，2023年以来本地部署模式的数据库增速下降明显。IDC预计，本地部署数据库市场增速将在2025年恢复到正常水平，分布式关020232023-2028CAGR:总体市场:20.9%公有云模式:24.5%传统部署模式:134%基于云原生架构的数据库天生具备云环境的分布式和存算分离架构优势，可以有效实现基于云的高可用、低成本服务，为用户提供极致的弹性伸缩能力、Serverless特性和其他一系列高价值服务。更为重要的是，云原生数据库能够帮助企业将业务系统与云上组件、服务和其他系统进行快速集成，轻松实现在线联分布式架构：云原生数据库通常具备天然的分布式架构，对规模化的业务数弹性伸缩能力：构建在云原生基础设施上的数据库系统能够提供极致的弹性伸缩能力，包括根据工作负载情况快速增加和减少服务资源，实现自动化的资源管理，这将极大地提升数据库乃至整个业务系统应对企业创新业务的复杂外部访问变化，确保在日常运行和业务峰值期间都能够保持高访问性能和高可用性和容灾：云原生数据库通常采用数据冗余备份以及细粒度故障监测、故障转移、故障自动修复等技术，确保在发生故障时数据不出错、不丢失，并有快速恢复服务的能力。同时，云原生数据库一般支持跨地域的容灾方案设计，利用异地备份和快速启动能力，保障事故、灾害发生时尽快恢复自动化管理与运维：云原生数据库广泛采用自动化管理和运维工具，实现包括运行监控、优化、备份和故障恢复等环节。这些自动化管理运维能力能够大幅提升运维效率，减少错误发生，并显著降低综合运营成本。目前，人工智能和机器学习技术也已经应用在数据库的管理维护过程中，例如利用机器与AI技术深度融合：云原生数据库将融入更多的智能化技术和组件，通过深度学习技术理解和挖掘数据特性，帮助企业更准确、更快速地洞察业务机会，动态调整运营计划。AI原生应用带来的多模态数据类型也将推动云原生支持多云和跨云访问：企业上云进程中产生了普遍性的混合云和多云环境，以满足不同时期、不同特性的业务访问需求。云原生数据库须能够支持跨云部署，并在多个云平台上进行无缝迁移和扩展，这有利于企业获得更多、更更全面的安全合规保障：新一代的云原生数据库将依托云上的多重安全保障数据库的云原生发展趋势将紧密围绕AI时代企业转型升级和快速创新的需求，通过与云技术的融合创新和协同发展，支持企业快速开发AI原生应用场景，2.3AI工作负载对云原生数据库的新要求AI时代，以大模型应用为代表的AI工作负载，对云原生数据库的发展提出了一些新的要求，旨在保证数据库系统能够高效、稳定地支撑未来AI应用的运行，极致访问性能：AI工作负载往往与规模化的数据处理密切相关，数据库持续稳定的高吞吐能力非常重要，能够帮助企业用户在AI应用中通过并发模式处理大量数据服务请求。同时，很多交互式AI应用（例如通过自然语言进行查询和数据统计）非常强调实时性，对数据访问的延迟时间有严苛要求，其性智能调度与优化：为了适应AI应用的访问特性，云原生数据库需要具备智能调度与优化能力，即根据AI工作负载的特性动态分配资源，优化资源利用率和系统性能。同时通过对应用运行状态的监测，自主调整索引策略和配置参多样化的数据服务接口：除能够支持多种数据类型外，为了让AI应用更容易集成和调用各类资源，数据库需要支持多种编程语言和框架，并提供丰富的PART03云原生数据库典型场景和核心优势3.1企业数据库现状调研IDC对当前企业使用数据库的情况进行了调研。总体上看，大量企业正在从传统数据库向基于云的数据库进行技术变革和架构升级。这也预示着云原生数据混合架构部署是当前数据库部署方式。IDC调研显示，参与本次调研的企业中，46.7%的企业采用了混合部署（公有云和私有云、公有云和本地部署的混合）的方式，私有云和本地部署的企业各占35%和18.3%，尚没有在公有云上部88%企业在谈及使用数据库的挑战时，普遍担心单体数据库不能满足海量数据规模，特别是面对海量非结构化数据时，企业对性能、可用性和安全性都有许许多从云数据库的部署及花费层面看，73.3%的企业都已经部署了云数据库，且企业对云数据库的预期场景包括数据存储、应用开发、ERP应用等，对数据企业资源管理(ERP)企业资源管理(ERP)企业对云数据库的引入也存在很多顾虑，数据迁移及可扩展性与灵活性等成为最大挑战。例如，企业在使用云数据库时，最为担心的包括数据迁移、性能、可扩展性、一致性以及安全性等问题。在进入云数据库部署阶段时，企业需要进一步考虑应用系统升级以及数据迁移的挑战，在这个过程中，企业普遍担心缺乏性能与延迟问题性能与延迟问题(数据迁移、数据一致性和完整性、停机时间等)需要对原有应用系统进行升级改造(数据迁移、数据一致性和完整性、停机时间等)需要对原有应用系统进行升级改造供应商依赖较为严重，迁移和部署存在困难23.3%云数据库的可拓展性、集成性和兼容性是企业关注的重要维度，同时企业也 集成性强：可与其他云服务（数据分析、机器学习41.7%人工智能和大模型成为推动云数据库发展的相关技术。受访企业普遍认为人工智能、大模型、大数据等技术将对云数据库市场需求产生影响，包括对功能、 物联网在进入实际选型阶段时，企业一般关心服务商的实施经验和成功案例，并期望对服务商的市场地位、技术水平、生态系统兼容性、服务响应速度等进行评估。此外，服务商的前期咨询规划能力也十分重要，这有利于为企业用户构建一%3.2云原生数据库特性与通用场景云原生数据库专为云环境设计，具备自动扩缩资源、算网资源协同、存算分离、Serverless、容器化部署、高可用性、数据安全、多数据模态和多编程语言支持等多种特性，为企业各种复杂和多样化的业务场景提供性能强大、高可用性和可扩展的数据服务。通常情况下，云原生数据库能够在以下的企业通用场景中云原生数据库得益于其分布式架构和存算分离的技术特点，能够在高并发访问场景下有效分散数据库读写压力，轻松应对大并发量的突发流量高峰。在存算分离设计下，数据存储和数据计算功能分属不同的系统模块，两者可以独立进行仓容器化部署，承载高弹性流量云原生技术体系下对于组件的容器化部署，使各类资源更加轻量化，拥有快速响应业务的能力。云原生数据库系统能够根据工作负载动态地调整计算和存储AI时代的企业创新业务可能涉及不同的数据模型和编程语言，并包含不同类型的关系型数据和非关系型数据。云原生数据库首先应能够适配当前企业较为普遍的湖仓一体设计，支持对关系型数据库、非关系型数据库、大数据平台和对象存储等数据源的连接和共享，结合强大的扩展能力和灵活性，帮助企业更好地开展AI模型的训练和推理工作。同时，云原生的Serverless特性让数据库用户无需云原生数据库的分布式架构以及依托高性能网络的高效数据处理引擎，能够确保对规模化数据处理的高吞吐量和低延迟，这对于一些对时延非常敏感的在线事务处理和实时数据分析场景非常重要。云原生数据库还可以借助AI辅助策略，动态优化网络协同模式和数据访问路径，从而进一步提升海量数据的处理能力，云原生数据库能够依托混合云、多云架构以及云的多Region、多AZ服务能力，为用户的多环境、多区域部署提供更多的方案选择，满足不同类型用户（特别是大型企业）的业务需求。企业可以根据实际需要，对业务以及数据库进行跨机房、跨地域部署，利用云原生数据库的跨环境、跨区域数据同步能力，构建多活和容灾场景，并最终落实到具体的部署方案中。在多云、混合云架构部署方式云的统一管理平台能够为云原生数据库提供一体化的管理和智能化维护能力，通过细粒度的监控和管理界面，用户可以随时掌握数据库的运行状态，根据业务情况自动调整资源，优化服务路径。此外，云原生数据库自身的访问控制、故障检测和日志审计能力也可以与云平台进行打通，实现数据库的内、外部融合云原生数据库充分利用云的弹性扩展和智能化管理能力，让企业用户动态调整资源使用量，享受云的按需付费优势，大幅降低资源的闲置浪费情况。智能化的管理和优化能力，也能够提升IT系统整体的稳定性和效率，在很大程度上降低3.3云原生数据库的典型行业场景云原生数据库的分布式架构和高可用特性，非常适合在政企、金融、泛互联政企领域应用非常看重业务数据的安全性和稳定性。尤其是近年来，以互联网+政务服务为代表的数字政府建设，推出了大量面向广大百姓的交互式服务，更是将通用AI能力融入服务环节中。云原生数据库对保障数字政府业务向规模金融行业对数据的安全性和实时性要求极高。云原生数据库能够提供快速的数据访问和高效的交易处理能力，支持高并发交易场景，如保险渠道销售、证券工业制造领域的各类传感器会产生大量的实时数据，云原生数据库能够快速读取、存储和分析这些数据，为相关的生产、经营管理提供数据支持，并进一步交通、物流领域需要处理包括人、车、物流动过程中的大量实时数据，并实现控制信号优化、资源调度、时效预测等能力。云原生数据库能够更好地支持资云原生数据库能够支撑电商平台的巨大峰值访问量和交易量，利用高弹性的资源管理能力，确保用户高效率、低成本、高可靠地达成商业化目标。目前的新媒体平台也需要云原生数据库的多模态数据存储和处理能力，对海量的图片、视医疗行业的电子病历、医疗影像、药物管理等信息种类多、规模大，在诊断、病情管理、医疗研究、智能诊断等领域，对数据存储、处理的实时性、安全性、稳定性都有很高的要求。云原生数据库对推动医疗场景的电子化、智能化进游戏行业需要处理大量玩家的实时交互数据，云原生数据库的高并发、低延PART04云原生数据库技术最新进展和发展趋势近年来，云原生数据库在弹性伸缩、高可用性和智能化管理运维方面都取得存算分离、数据一致性等技术的协同发展过程中，正在承载越来越多样的企业创新应用。特别是伴随AI和机器学习技术的快速突破，云原生数据库将进一步获得4.1AI助力，让云原生数据库更智能AI应用对数据库提出了更多需求，但同时，AI的发展也会推动云原生数据库技术的持续进步。AI不仅能够对数据库管理、运维环节进行智能化改造，提升数据库的性能和效率，还通过与数据分析、挖掘过程的结合，给用户带来更多的能AI优化数据库访问能力：例如改善检索策略，优化查询路径，实现更快速地查询和操作。AI技术可以帮助云原生数据库更精确地预测用户行为，从而合AI优化数据库管理与维护：AI算法能够深度洞察数据库的服务状态，合理调度并保持各类访问状态下的负载均衡。基于AI的预测性维护技术，能够提前AI增强数据安全防护能力：AI技术能够帮助云原生数据库提升数据安全性和隐私保护能力，例如持续学习和发现异常访问行为，阻止潜在的安全威胁，AI优化数据模型选择：云原生数据库可以通过对AI算法的集成，帮助用户智能选择适合当前应用的数据模型和数据集，并辅助完成数据切片工作，在处性能优化：AI技术可以应用于数据库的性能优化，如基于学习模型的优化器、索引推荐、自动视图生成、机器学习索引等。通过对历史数据的分析和学习，AI能够优化数据库性能，提高查询速度和吞吐量，根据业务需求自动4.2与向量能力的深度结合随着AI处理需求的快速提升，云原生数据库开始与向量能力结合，进一步提适用更广泛的应用场景：云原生数据库结合向量能力，可以帮助企业处理和分析大规模、高维度的向量数据，在机器学习、计算机视觉、自然语言处提供更高效的数据处理能力：向量化技术有助于云原生数据库更加高效地完成包括相似性计算和聚类分析在内的复杂功能，增强AI应用中对关联数据的分析效率和准确性。智能化的数据管理也能赋能数据清洗、去重、分类等过与更多业务平台实现无缝集成：云原生数据库将借助云平台的能力与更多的业务服务进行无缝集成，实现复杂数据类型情况下的便捷共享和交换，帮助4.3全局数据库实现跨地域部署和多级高可用未来，跨区域的虚拟组织和全球业务将大量出现，跨区域的部署也将成为常态。云原生数据库将实现不同地域部署节点间的全局一体化能力，让全国乃至世界各地的用户都能就近访问同一个全局数据库，不同节点之间的数据将实现秒级同步。在满足跨区域业务的同时，通过将数据备份到相距更远的不同区域，企业将获得更强的抵御灾难的能力。在这个过程中，数据库的跨区域同步机制非常重要，这些机制可以保障企业数据在不同区域间的一致性，并在单个属地发生故障4.4Serverless和智能弹性助力降本增效云原生数据库是云计算技术体系中的重要PaaS产品。其建立了高效率、低成本、高可用的数据库服务新模式，使数据库技术更加普惠，覆盖至更广大的中小企业群体。Serverless技术作为新一代云原生数据库的代表，让用户无需关心服务器的配置、维护和扩展等问题，实现按需付费，给用户带来极大的灵活性和成本效益。Serverless架构能够根据应用程序的需求自动进行资源的扩缩，实现高效的资源利用，并通过高可用性和容错能力，提供高可靠性的less能大幅改善企业用户的开发效率、运营成本、部署速度、可靠性等指标，覆4.5多级HTAP释放企业数据潜能HTAP（混合事务/分析处理）作为一种新兴的体系架构，打破了传统数据库系统中事务处理（OLTP）和分析处理（OLAP）之间的壁垒，使用户在保持数据高访问性能的前提下，兼顾对数据的实时处理和分析操作，满足企业对于实时数据处理和复杂分析的多维需求。云原生数据库通过对存储结构的优化，以及对查询引擎以及事务管理机制等方面的改善性设计，实现对混合工作负载更加高效的支撑。云原生数据库还可以进一步结合AI算法和分层设计，对存储、计算、调度PART05构建一站式云原生数据服务基础设施5.1移动云在云数据库方面的发展脉络与成果展示移动云立足当前云服务商第一阵营，入选国资委首批“创建世界一流专业领军示范企业”名单，开启“成为一流云服务商”的新征程。移动云数据库团队于十年前正式诞生，以实现数据库核心技术自主可控为目标，构建了完整的产品和移动云一站式云原生数据库服务基于数据库统一云原生平台底座，在数据库服务层面囊括了事务型、分析与检索型以及NoSQL等多种类型的数据库服务能事务型数据库：包含云原生数据库MySQL版、PostgreSQL版、分布式版，分析与检索型数据库：包含云原生数据库数仓版，以及搜索数据库、向量数此外，移动云还提供了完整的数据库生态工具能力，包括数据传输工具、数根据云原生发展程度不同，移动云构建了云原生数据库四级进化体系，并规范了技术架构范式。移动云首先基于K8s构建了云原生数据库底座，旨在对全部移动云数据库产品实现统一纳管。在此过程中，通过标准化硬件，从BIOS、OS、网络到内核实现了端到端优化，整体性能较开源体系有全面提升。在此基础上，移动云原生数据库持续推动内核云原生化进程，相继规划和实现了多项技术 容器化部署：在K8s基础上实现全部数据库产品的容器化部署，满足轻量化存算分离架构：云原生数据库系列产品采用存算分离架构，做到计算、内向Serverless全面演进：通过负载感知、负载唤醒等技术手段，为用户提供移动云还针对算网融合发展趋势，启动了新一代算力网络数据库的规划设计:2023年，移动云联合多家央企并牵头算力网络任务，构建全国一体化算力网络，实现算力资源的优化调度，并叠通过打造算力网络的感知、智能和编排调度能力，形成基于算力域、网络域的算网大脑，与云原生数据库实现融合，形成更加智能化的数据流通、数据协同处理、安全数据交换以及数据智能服务能力，甚至可以进一步为用户推荐智能化5.2移动云原生数据库核心能力位的产品家族，打造OLTP（集中式、分布式）、OLAP（数据仓库）三大类引擎，全面覆盖数据库各类应用需求，具备高性能、高弹性、高可靠等特点，产品云原生云原生移动云原生数据库采用分离架构设计，具自主可控自主可控......全栈国产化：自研数据库内核引擎全栈国产化：自研数据库内核引擎OS覆盖全面，可用于各类数据库替换.........在云原生数据库产品体系基础上，移动云正在紧随中国移动集团创世界一流的战略定位，加快推进数据库“由云向算”升级转型,全力推动算力网络数据库发展，提出了面向算力网络的全新理念和架构设计。区别于传统云数据库的多类型内核引擎模式（如OLTP/OLAP/多模，能力分别建设），算力网络数据库构建了融合型内核引擎，重在融合数据处理与分析的一站式能力。在供给模式上，算力网络数据库让用户无需关注地域、无需关注资源、无需关注业务负载，轻松获得在线“任务式”数据库服务。在业务场景上，算力网络数据库的应用范围全面覆盖云数据库智能构建、云数据库并网、数据算力服务、数据智能服务、全域数据5.3移动云原生数据库产品能力与应用案例云原生数据库PostgreSQL版是由移动云自主研发的云原生关系型数据库产品，采用基于Shared-Storage与存储计算分离架构，具有极致弹性能力和高可靠、高可用、弹性扩展等企业级数据库特性，100%兼容PostgreSQL数据库。云持续深化云原生：云原生数据库PostgreSQL版深化了云原生存算分离架构，采用了联邦缓存池技术，将计算节点内存进行池化，并将数据分区，使每个计算节点根据分区策略缓存部分数据。此举大大提升了缓存命中率，将融合架构设计：云原生数据库PostgreSQL版同时兼容存算一体、存算分离架构，满足不同类型数据库迁移需要，并将本地数据库->RDS->云原生数据丰富产业生态，全栈自主可控：云原生数据库PostgreSQL版全面适配不同厂商的硬件基础设施，并在内核引擎、平台工具、服务、渠道和社区层面聚云原生数据库PostgreSQL版的应用场景包括：业务系统平滑上云，满足用户快速低成本用云，稳定支持业务峰值；以及实现对开源PostgreSQL的国产化替换。在相关场景下，云原生数据库PostgreSQL版解决了读写分离、一主多从目前，云原生数据库PostgreSQL版聚焦的客户需求包括党政应用、数字政府建设、政务云信创需求、银行业务核心系统性能升级和国产化替代以及泛互联保”作为一种普惠性补充医疗保险,对服务社会发展有重要的价值和功能。其低价格、低门槛、高保障等特点，能够有效降低居民医保目录内和目录外高额医疗负担，为参保人提供了更高层次的惠民保系统需要构建一套高效、稳定、扩展性强的线上系统，前期投保并发流量大，对系统带宽、应用服务器、数据库服务器的性能要求都很高；而且业务量前期不好预估，可能随时要进行扩容，而投保后期主要请求来源于业务部门各类复杂的报表查询。针对惠民保系统的前后期投保业务变化大及业务类型多变的特点，要求系统资源的扩缩容需要足够灵活，数据库也需要同时通过调研多种数据库并结合项目的实际情况，基于联仁公司先前对云原生数据库应用经验，活弹性，根据需求可分别对计算节点和存储节点进行无缝扩容，无需进行数据搬迁，快速满以往项目中用于对大量历史数据进行归档查询，发现云原生数据库PostgreSQL版支持复杂大屏报表服务代理人服务可回溯埋点分析日志记录权限控制本次项目，惠民保整体业务架构充分使用移动云各类数据库，这些数据库产品在业务的不同联仁健康惠民保系统通过云化架构的改造和提升，自2022年6月正式上线以来，系统整体已平稳运行2年多时间。围绕资源灵活调度以及系统性能提升，全面优化线上业务系统，促进主营业务的协同快速发展，推动公关组件、投保服务、代理人服务、大屏报表服务、外部系统等各业通过采用移动云架构体系改造后，全系统的可扩展性、灵活性都得到了显著提升。同时，由于无需专门硬件投入，企业按需付费选择所需性能，同时，数据库系统的自动化管理得以广泛应用，例如备份计划自动执行、数据库审核一键开关、慢日志自动记录、告警监控自动触发等，在咪咕音乐有限公司是中国移动面向移动互联网领域设立的新媒体企业，负责音乐领域产品、运营、服务一体化的专业公司。历经10余年发展，咪咕音乐依托信息技术演进和全产业链模式，打造了版权运营、内容自制、彩铃/视频彩铃艺人经纪等领域，构建起技术与内容双领先生态，成长为跨界融合通信网、互联网、广电网的龙咪咕音乐公司从2023起启动业务上云，彩铃集中平台作为咪咕核心平台，承担了大量的业务访问和流量。以挂机短信业务为例，主叫用户观看到视频彩铃时，彩铃呼叫平台会生成一条用户铃音播放记录，按分钟/半小时上传至集中平台，集中平台再通过对用户铃音播放记录的分析，及时通过省侧运营的短信端口1065883099，为主叫用户发送一条介绍视频彩铃相关业务的短信。彩铃集中挂机短信系统流量大，对系统资源的扩缩容需要足够灵活，数据库也需要同时满足OLTP及OLAP需求。通过调研多种数据库并结合项目的实际情况，咪咕音乐公司规划引入了云原在设计阶段，通过业务分库减少资源争用，利用读库将实时性要求不高的请求引导至读库上，减少主库的压力。针对报表业务对综合各方数据的需要，咪咕音乐公司利用移动云的数据库在项目交付过程中，利用压力测试、扩容演练等方式，做好充足的上线前准备。在项目运维阶段，系统提供实时监控、动态扩容能力，有效保障整个数据库系统的平稳运行。采用移动云架构体系改造后，系统的可扩展性和灵活性大幅增强，云原生数据库支持资源（CPU、内存、存储）在线扩缩容，支持单机或主备工作模式，并具备单机转主备模式的能力。云原生数据库某快运公司目前在全国揽派件网点有数万家，分拨中心超近百个，自有运输车辆近万台，区该企业的数据中心基础设施，首先需要处理大量的实同时，企业也存在越来越多的面向复杂分析的准实时场景，在传统的数据库环境下，这些分析业务时间周期很长，且极不稳定，系统经常出现崩溃现象，数据服务难以维系。例如对在线分拨中心的货物滞留情况进行计算，在传统Oracle环境下，对60天的滞留数据计算需每两小时计算一次，每次计算需要将数据拆分为60次进行循环计算，经常由于资源不足或性能限制导致计算任此外，企业还常常需要进行跨年长期历史数据的大规模复杂分析，例如进行回溯对账分析，针对操作和分析混合情况，对操作和分析进行解耦。针对数据分析，通过云原生数据库数仓版、湖仓分析引擎和Paimon数据湖搭建批流一体架构，由云原生数据库数仓版和湖仓分析云原生数据库数仓版中的物化视图能简化湖仓分层建模，可以通过物化视图可将Paimon数数仓版直接进行分析，也能通过物化视图将湖上数据写入到云原生数据库数仓版中加速查在数据集成上，云原生数据库数仓版提供多种数据导入方式，包括实时数据导入、批量数据导入、流式数据导入等，以满足不同业务场景下的数据导入需求。在数据建模方式上，云原生数据库数仓版提供了星型、雪花、大宽表、预聚合等方多种数据建模后的批流一体架构中，云原生数据库数仓版支持通过PaimonCatlog组件直接查询Paimon数应用云原生数据库后，实时场景和准实时