2024年阿里云瑶池数据库解决方案

2024阿里云瑶池数据库解决方案 /更快 /更稳 /更安全 /更好用 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 PolarDB 100% 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“ PolarDB MySQL 版 + AnalyticDB for MySQL 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（ Buffer Pool Extension ）、Auto PL 、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PolarDB Always On 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、SmartSSD 2.0 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 DMS Data Copilot ，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，DMS Data Copilot 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，DMS Copilot 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 Apache Doris 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。SelectDB 100% 兼容 Apache Doris ，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 090910121313141516161718191920212222232425252627282829303232333401-金融行业.......................................................................................................................................................-行业分析............................................................................................................................................................-解决方案............................................................................................................................................................-典型客户............................................................................................................................................................02-能源行业.......................................................................................................................................................-行业分析.......................................