AnalyticDB：產品簡介

資料來源

資料管道APS可以一鍵低成本接入資料庫、日誌、巨量資料中的資料。

儲存層+計算層

支援自研引擎，羲和計算引擎和玄武儲存引擎。新增整合的開源引擎，Spark計算引擎和Hudi儲存引擎。可以藉助開源的能力為您提供更豐富的資料分析情境。同時打通自研和開源引擎之間的互相訪問，提供更一體化的體驗。

• 儲存層：只需一份全量資料，滿足離線和線上情境。

  線上分析情境需要資料盡量在高效能儲存介質上提高效能，離線情境需要資料盡量在低成本儲存介質上降低儲存成本。為滿足不同情境需求，首先將一份全量資料存放區在低成本高吞吐儲存介質中，低成本離線處理情境直接讀寫低成本儲存介質中的資料，可降低資料存放區和資料IO成本，保證高吞吐。其次將即時資料儲存在單獨的儲存IO節點（EIU）上，保證行級的資料即時性，同時對全量資料構建索引，並通過緩衝能力對資料進行加速，滿足百毫秒級高效能線上分析情境。

• 計算層：羲和計算引擎，智能選擇計算模式。開源Spark計算引擎，滿足多種情境。

  羲和計算引擎同時提供MPP和BSP兩種模式。MPP模式是一種流式計算模式，不適合離線處理低成本和高吞吐情境。BSP模式，通過DAG進行任務切分，分批調度，滿足有限資源下巨量資料量計算，支援計算資料落盤。羲和計算引擎提供自動切換能力，即當查詢使用MPP模式無法在一定耗時內完成時，系統會自動切換為BSP模式進行執行。

  湖倉版新增的開源Spark計算引擎可以滿足更複雜的離線處理情境和機器學習情境。湖倉版中Spark計算層和儲存層互相打通，您可以使用計算層資源來處理儲存層資料，在建立和配置Spark資源群組時更容易。

訪問層

訪問層通過統一計費單位、統一中繼資料和許可權、統一開發語言、統一傳輸鏈路，提升開發效率。

數倉版架構如下：

接入層

接入層由Multi-Master可線性擴充的協調節點構成，主要負責協議層接入、SQL解析和最佳化、即時寫入Sharding、資料調度和查詢調度。

計算引擎

計算引擎具備分布式MPP和DAG融合執行能力，結合智能最佳化器，可支援高並發和複雜SQL混合負載。同時藉助雲原生基礎設施，計算節點實現了彈性調度，可根據業務需求做到分鐘級甚至秒級擴充，實現了資源的有效利用。

儲存引擎

儲存引擎是基於Raft協議實現的分布式即時強一致高可用的引擎，通過資料分區和Multi-Raft實現並行，利用階層式存放區實現冷熱分離降低成本，通過行列儲存和智能索引達到很好的效能。

在這三層架構之上，通過服務秒級恢複，支援跨可用性區域部署，自動故障檢測、摘除和副本重搭。配合三副本儲存、全量和增量備份，提供金融層級的資料可靠性。在周邊生態上，提供資料移轉、資料同步、資料管理、Data Integration、資料安全等配套工具，方便使用，使您能更加專註於業務發展。