什麼是Table Store - Tablestore

Tablestore面向海量結構化資料提供Serverless表格儲存體服務，同時針對物聯網情境深度最佳化提供一站式的IoTstore解決方案。適用于海量賬單、IM訊息、物聯網、車連網、風控、推薦等情境中的結構化資料存放區，提供海量資料低成本儲存、毫秒級的線上資料查詢和檢索以及靈活的資料分析能力。

基本概念

在使用Tablestore前，您需要瞭解以下基本概念。

術語	說明
地區	地區（Region）物理的資料中心，Tablestore服務會部署在多個阿里雲地區中，您可以根據自身的業務需求選擇不同地區的Tablestore服務。更多資訊，請參見Table Store已經開通的Region。
讀寫輸送量	讀輸送量和寫輸送量的單位為讀服務能力單元和寫服務能力單元，服務能力單元（Capacity Unit，簡稱CU）是資料讀寫操作的最小計費單位。更多資訊，請參見讀寫輸送量。
執行個體	執行個體（Instance）是使用和管理Tablestore服務的實體，每個執行個體相當於一個資料庫。Tablestore對應用程式的存取控制和資源計量都在執行個體層級完成。更多資訊，請參見執行個體。
服務地址	每個執行個體對應一個服務地址（EndPoint），應用程式在進行表和資料操作時需要指定服務地址。更多資訊，請參見服務地址。
資料生命週期	資料生命週期（Time To Live，簡稱TTL）是資料表的一個屬性，即資料的存活時間，單位為秒。Tablestore會在後台對超過存活時間的資料進行清理，以減少您的資料存放區空間，降低儲存成本。更多資訊，請參見資料版本和生命週期。

資料存放區模型

Tablestore提供了寬表（WideColumn）模型、時序（TimeSeries）模型和訊息（Timeline）模型三種資料存放區模型，請根據使用情境選擇合適的模型。不同資料存放區模型支援的功能特性請參見功能特性。

模型	描述
寬表模型	類Bigtable/HBase模型，可應用於中繼資料、巨量資料等多種情境，支援資料版本、生命週期、主鍵列自增、條件更新、局部事務、原子計數器、過濾器等功能。更多資訊，請參見寬表模型。
時序模型	針對時間序列資料的特點進行設計的模型，可應用於物聯網裝置監控、裝置採集資料、機器監控資料等情境，支援自動構建時序中繼資料索引、豐富的時序查詢能力等功能。更多資訊，請參見時序模型。
訊息模型	針對訊息資料情境設計的模型，可應用於IM、Feed流等訊息情境。能滿足訊息情境對訊息保序、海量訊息儲存、即時同步的需求，同時支援全文檢索索引與多維度組合查詢。更多資訊，請參見訊息模型。

使用方式

您可以通過如下方式使用Tablestore產品。

使用方式	描述
控制台	阿里雲提供的Web服務頁面，方便您便捷地操作Tablestore。更多資訊，請參見Table Store控制台。
SDK	支援主流開發語言Java、Go、Python、Node.js.、.Net和PHP。更多資訊，請參見SDK概覽。
命令列工具	支援通過簡單的命令操作Tablestore。更多資訊，請參見命令列工具。

快速入門

通過控制台或者命令列工具，您可以快速體驗寬表模型中資料表或者時序模型中時序表的操作。更多資訊，請參見快速入門。

計算與分析

Tablestore支援通過MaxCompute、Spark、Hive或者HadoopMR、Function Compute、Flink以及TablestoreSQL查詢進行計算與分析，請根據實際情境選擇相應分析工具。

分析工具	適用模型	操作	描述
MaxCompute	寬表模型	使用MaxCompute	通過MaxCompute用戶端為Tablestore的資料表建立外部表格，即可訪問Tablestore中的資料。
Spark	寬表模型	使用Spark計算引擎	使用Spark計算引擎時，支援通過E-MapReduce SQL或者DataFrame編程方式訪問Tablestore。
Hive或者HadoopMR	寬表模型	使用Hive或者HadoopMR	使用Hive或者HadoopMR訪問Tablestore中的資料。
Function Compute	寬表模型	使用Function Compute	通過Function Compute訪問Tablestore，對Tablestore增量資料進行Realtime Compute。
Flink	寬表模型時序模型	使用Flink	通過Realtime ComputeFlink訪問Tablestore中的源表、維表或者結果表，實現巨量資料Realtime Compute與分析。目前資料表支援作為源表、維表或者結果表，時序表只支援作為結果表。
PrestoDB	寬表模型	通過PrestoDB使用Tablestore	使用PrestoDB對接Tablestore後，基於PrestoDB on Tablestore您可以使用SQL查詢與分析Tablestore中的資料、寫入資料到Tablestore以及匯入資料到Tablestore。
Tablestore多元索引	寬表模型	多元索引	多元索引基於倒排索引和列式儲存，可以解決巨量資料的多維查詢和統計分析難題。當日常業務中有非主鍵列查詢、多列組合查詢、模糊查詢等多維查詢需求，以及求最值、統計行數、資料分組等資料分析需求時，您可以將這些屬性作為多元索引中的欄位，並使用多元索引查詢與分析資料。
TablestoreSQL查詢	寬表模型時序模型	使用SQL查詢	SQL查詢為多資料引擎提供統一的提供者。通過SQL查詢功能，您可以對Tablestore中資料進行複雜的查詢和高效的分析。

遷移同步

您可以將異構資料平滑遷移同步到Tablestore，還可以將Tablestore資料同步到Object Storage Service（Object Storage Service）等服務中。

分類	資料同步	描述
資料匯入	同步Kafka資料	基於Tablestore Sink Connector將Apache Kafka中的資料大量匯入到Tablestore的資料表或者時序表中。
資料匯入	同步Table Store資料	使用通道服務、DataWorks或者DataX將Tablestore資料表中資料同步到另一個資料表中。
資料匯出	同步到MaxCompute	使用DataWorks將Tablestore中的全量資料匯出到MaxCompute。
	同步到OSS	使用DataWorks將Tablestore中的全量資料或者增量資料匯出到OSS。
	同步到本地檔案	使用命令列工具或者DataX工具直接下載資料到本地檔案。您也可以使用DataWorks工具將資料同步到OSS後再在OSS側下載資料到本地檔案。

常見問題

Table Store和傳統關係型資料庫（例如MySQL、SQL Server）有什麼區別？

Tablestore：什麼是Tablestore