2024年阿里云瑶池数据库解决方案

/更快 /更稳 /更安全 /更好用 2024阿里云瑶池数据库解决方案 前言 云原生数据库，走向Serverless与AI驱动的一站式数据平台 文/李飞飞阿里云数据库产品事业部负责人，ACM、CCF、IEEE会士（Fellow） 让数据平台像搭积木一样简单好用 2023年10月，阿里云副总裁，阿里云数据库产品事业部负责人，ACM、CCF、IEEE会士（Fellow）李飞飞发表《云原生数据库，走向Serverless与AI驱动的一站式数据平台》主题演讲。他表示，AI驱动下的数据平台，正在向一站式、智能化的方向演进。作为AIGC应用的基础设施，以PolarDB、AnalyticDB、Lindorm、RDS为核心的阿里云瑶池数据库现已全面拥抱向量检索能力，并与通义等大模型深度集成，为用户提供智能化的一站式数据管理平台，加速业务数智创新。 随着云原生+Serverless的不断深入，一站式数据平台将让数据管理开发像“搭积木”一样简单实用，以性价比更高、体验更优的云数据库服务，助推用户业务提效增速。 01｜云原生+Serverless，让数据平台像搭积木一样简单好用 在信息管理模型（DIKW）中，人类的认知分为四个层次：数据、信息、知识和智慧，而数据平台所承载的就是其中最核心的部分⸺数据，并内置算力与模型。如今，数据平台已成为AI时代的算力底座，它能够理解数据内容、理清用户意图、整合数据资源，同时在加速迈向“云原生化、平台化、一体化和智能化”，让算力服务触手可及。 李飞飞介绍道，阿里云瑶池数据库不断深化「云原生+Serverless」应用，旨在让数据平台像“搭积木”一样便捷轻巧，提供秒级弹性、开箱即用免运维等服务。用户可以更专注于核心业务，只需按效果和价值付费。 据悉，阿里云瑶池旗下的核心产品均已推出Serverless形态，包括云原生数据库PolarDB、云原生数据仓库AnalyticDB、云原生多模数据库Lindorm、云数据库RDS等，并实现了“弹得更快、更稳、更广、更细”的全面升级： ·弹得更快：秒级探测、秒级切换 ·弹得更稳：全场景覆盖，智能无感秒级弹性 ·弹得更广：秒级弹升0~3000核 ·弹得更细：三层解耦独立弹升。对比传统架构，Serverless形态可降低60%成本 此外，通过计算资源的一体化调度与管理、混部资源利用率提升、异构架构一体化适配（X86和ARM）、安全容器增强等技术创新，瑶池数据库竞争力全面升级；其中，核心产品(PolarDB、AnalyticDB、RDS)发布基于倚天ARM的经济版，诠释极致性价比。对比开源自建数据库，经济版价格比自建低30%，同时性能比自建高10%。 02｜以PolarDB为核心，一体化加速云上数智创新 为打破数据孤岛，瑶池数据库聚焦客户业务场景，通过多产品一体化体验，为用户提供了全方位的一体化 能力，进一步简化开发、管理和运维成本。具体包括HTAP一体化、DB+Cache一体化、DB+存储一体化等三大能力全新升级，实现OLTP、OLAP、NoSQL等多业务场景融合，产品易用性全面升级，切实提升用户使用体验： HTAP ·轻量级HTAP：基于自研IMCI技术，云原生数据库PolarDB100%兼容MySQL语法，可支持大数据量、毫秒级延迟的数据分析需求。对比传统MySQL行存，性能提升了100倍以上。 ·云原生一体化HTAP：采用Zero-ETL技术，“PolarDB+AnalyticDB”、“RDS+ClickHouse”之间可实现亚秒级数据同步，提供统一入口的一站式HTAP体验，为用户节省10倍链路同步成本，建仓速度提升高达7倍。 以“PolarDBMySQL版+AnalyticDBforMySQL版”为例，针对多源汇聚分析场景，云原生一体化HTAP提供PolarDB←→AnalyticDB的数据无缝流转能力，无需维护额外数据管道，可降低90%的数据链路成本并减少运维负担。通过高速并行通道，可加速数据初始化性能，大幅降低建仓所需时间，目前该能力已在多家互联网行业客户中落地。 “DB+Cache”一体化 实现“PolarDB+Tair”、“RDS+Redis”之间的数据自动同步与融合，在解决缓存数据一致性难题的同时，实现了内存资源统一调度与管理，帮助用户降本增效（最高节省30%成本）、提升体验。 “DB+存储”一体化 基于数据库缓存池拓展（BufferPoolExtension）、AutoPL、冷热分离等技术，将冷热温业务数据分层存储，提升性能，可降低高达90%存储成本。 阿里云瑶池持续推动以PolarDB为代表的云数据库向云原生纵深发展，在本次大会上，李飞飞发布了PolarDBAlwaysOn系列3大技术升级： ·Multi-Master三层解耦架构：结合RDMA/CXL支持的三层解耦技术，内存池化，提升CPU内存使用率，内存使用率提升50%。 ·Multi-Master轮动升级：集群轮动升级，升级集群不停机，进一步提升SLA，不可用时间减少50%。 ·高压缩比数据存储：采用in-Memory行级压缩、SmartSSD2.0硬件压缩等为代表的软硬件一体化压缩技术，最高可节省80%存储成本。 03｜AI驱动，数据平台走向一站式智能化 作为AIGC应用的基础设施，阿里云瑶池数据库在AI领域也在不断进行技术布局与应用探索。通过扩展面向AI的数据管理与服务能力，打造智能化的一站式数据管理平台，让云原生数据库更易用，助力用户抢占商业先机。 会上，瑶池数据库首次推出数据智能助手DMSDataCopilot，其结合了DMS智能数据管理、数据使用能力，让SQL开发、使用和管理更加规范和高效，是用户“看数、管数、用数”不可或缺的智能管家。据介绍，DMSDataCopilot支持30+种数据库类型，可提供NL2SQL（降低SQL编写门槛、提升开发效率）、SQL注释生成、SQL纠错、SQL优化等功能。在耶鲁大学推出的Spider数据集评测中，DMSCopilot的成功率和准确率达到99.5%和78%，比开源模型的正确率高出4%。 AIGC和LLM大模型浪潮的崛起，进一步推动了业务和应用对向量数据库的需求。瑶池数据库现已全面拥抱向量检索能力，在PolarDB、RDS、AnalyticDB、Lindorm、Tair等产品中集成向量功能，实现结构化数据、半结构化数据、多模数据、向量数据的一体化处理。 其中，企业级智能数仓AnalyticDB与通义大模型家族深度集成，推出一站式全托管大模型解决方案。通义行业大模型和百炼大模型服务平台采用AnalyticDB作为内置向量检索引擎，为政务、医药、电力、制造、汽车、金融等千行百业提供专属行业解决方案，性能较开源增强了2~5倍，加速AIGC应用落地。 云原生多模数据库Lindorm具备多模数据处理能力，是集在线服务、离线分析、向量、AI分析能力于一身的一站式AI数据平台。数据不出库，即可轻松存储和分析海量的半结构化和非结构化数据。04｜云智融合生态共赢，服务千行百业 云数据库生态的良好发展，离不开合作伙伴的支持与协同和多元开放的生态体系。会上，阿里云宣布与 SelectDB、MongoDB和ClickHouse分别达成战略合作，双方将发挥各自的技术优势和平台能力，在产品生态融合、联合解决方案等多个领域展开深度合作，推进技术合作和生态协同，构建合作共赢的生态体系。 作为国内首个MongoDB云服务商战略合作伙伴和唯一可提供最新版本MongoDB服务的中国云厂商，阿里云的云数据库MongoDB版3年营收实现8倍增长。未来，MongoDB与阿里云的战略合作还将持续深入，积极布局汽车、金融、物流、制造等领域的数据库建设，帮助更多企业实现数据创新和业务增长，携手开启创新下一站。 阿里云已与开源分析型数据库ClickHouse达成国内独家战略合作。作为ClickHouse在中国独家的云服务提供商，阿里云拥有世界上最大的ClickHouse商用集群之一，可提供具备独有企业能力的云原生ClickHouse企业版。企业版为存算分离架构，秒级弹性，按量计费，比开源自建成本降低30%+。 此外，阿里云瑶池与飞轮科技达成战略合作，业界首发企业版全托管产品⸺云数据库SelectDB版。SelectDB是飞轮科技基于ApacheDoris内核打造、聚焦于企业大数据实时分析需求的新一代实时数据仓库。SelectDB100%兼容ApacheDoris，支持大规模实时数据上的极速查询分析。阿里云SelectDB现已全面公测，用户可以在阿里云上便捷地使用SelectDB数仓服务，以满足海量数据极速实时、融合统一、简单易用的分析处理需求。 目前，阿里云瑶池数据库已在千行百业的核心业务中落地应用，服务于自然人税收管理系统、全国60%的省级医保信息平台、广东移动、友邦保险、南方基金、上海市新能源汽车数据平台、掌阅科技、莉莉丝游戏、识货APP等金融、政务、电信、互联网等多领域的客户。 目录 前言|云原生数据库，走向Serverless与AI驱动的一站式数据平台.01 —|行业解决方案07 01-金融行业09 -行业分析.09 -解决方案.10 -典型客户.12 02-能源行业13 -行业分析.13 -解决方案.14 -典型客户.15 03-电力行业16 -行业分析.16 -解决方案.17 -典型客户.18 04-汽车行业19 -行业分析.19 -解决方案.20 -典型客户.21 05-运营商行业22 -行业分析.22 -解决方案.23 -典型客户.24 06-游戏行业25 -行业分析.25 -解决方案.26 -典型客户.27 07-零售行业28 -行业分析.28 -解决方案.29 -典型客户.30 08-物流快递行业32 -行业分析.32 -解决方案.33 -典型客户.34 目录 09-数字政府行业35 -行业分析.35 -解决方案.36 -典型客户.37 二|场景化解决方案39 01-数据库云原生化改造41 -场景介绍.41 -解决方案.42 -典型客户.43 02-企业级SaaS44 -场景介绍.44 -解决方案.45 -典型客户.46 03-Data+Al47 -场景介绍.47 -解决方案.48 -典型客户.51 04-数据库多活容灾52 -场景介绍.52 -解决方案.53 -典型客户.54 05-AI时代的分布式KV服务55 -场景介绍.55 -解决方案.56 行业解决方案 行业分析 行业特点 金融行业简介 金融行业是一个广泛而复杂的领域，涵盖银行、保险、证券、基金、数字金融等多个领域。金融行业正受到数字化、全球化和监管变化的影响。金融传统的IOE架构面临多方面的困境和挑战，涉及成本、技术依赖、安全合规、人才等多重因素。面对这些挑战，金融机构需要积极寻求创新的解决方案，考虑向更加灵活和高效的架构（如云计算、微服务等）转型，以适应快速变化的市场环境。金融科技的发展推动了创新和效率，传统金融机构也在不断转型以适应新环境。 金融行业趋势和需求 强一致性 金融场景要求RPO为“0”，极端情况保证数据不丢失 海量数据 海量订单/保单/流水、合规要求数据在线存储 自主可控 要求数据传输、存储加密访问审计可追溯 行业特点 低成本 海量数据在线访问要求成本可控 响应快 在线交易、支付、信贷实时风控要求毫秒级响应 高弹性 交易、保险开门红等有明显 波峰波谷要求快速弹性伸缩 金融行业的信息化建设正在经历快速的变化和发展，主要体现在数字化转型、数据驱动决策、安全性和合规性、金融科技的应用以及云计算和基础设施的升级。 痛点与挑战 数据库作为重要的基础设施，技术突破至关重要。金融行业在对数据库的高可用、海量数据存储、数据安全性、实时处理能力、稳定性和扩展性上提出来更高的要求。在进行金融行业信息化建设时，充分考虑以上需求，将有助于构建一个高效、安全且灵活的数据库系统，以支持业务的发展和创新。 0