阿里云瑤池：2024阿里云瑤池云原生數據庫解決方案（55頁）.pdf

1、/更快/更穩/更安全/更好用2024阿里云瑤池數據庫解決方案01云原生+Serverless，讓數據平臺像搭積木一樣簡單好用在信息管理模型（DIKW）中，人類的認知分為四個層次：數據、信息、知識和智慧，而數據平臺所承載的就是其中最核心的部分數據，并內置算力與模型。如今，數據平臺已成為 AI 時代的算力底座，它能夠理解數據內容、理清用戶意圖、整合數據資源，同時在加速邁向“云原生化、平臺化、一體化和智能化”，讓算力服務觸手可及。李飛飛介紹道，阿里云瑤池數據庫不斷深化 云原生+Serverless 應用，旨在讓數據平臺像“搭積木”一樣便捷輕巧，提供秒級彈性、開箱即用免運維等服務。用戶可以更專注于核心

2、業務，只需按效果和價值付費。據悉，阿里云瑤池旗下的核心產品均已推出 Serverless 形態，包括云原生數據庫 PolarDB、云原生數據倉庫 AnalyticDB、云原生多模數據庫 Lindorm、云數據庫 RDS 等，并實現了“彈得更快、更穩、更廣、更細”的全面升級：彈得更快：秒級探測、秒級切換 彈得更穩：全場景覆蓋，智能無感秒級彈性 彈得更廣：秒級彈升 03000 核 彈得更細：三層解耦獨立彈升。對比傳統架構，Serverless 形態可降低 60%成本此外，通過計算資源的一體化調度與管理、混部資源利用率提升、異構架構一體化適配（X86 和 ARM）、安全容器增強等技術創新，瑤池數據庫

3、競爭力全面升級；其中，核心產品(PolarDB、AnalyticDB、RDS)發布基于倚天 ARM 的經濟版，詮釋極致性價比。對比開源自建數據庫，經濟版價格比自建低 30%，同時性能比自建高 10%。02以 PolarDB 為核心，一體化加速云上數智創新為打破數據孤島，瑤池數據庫聚焦客戶業務場景，通過多產品一體化體驗，為用戶提供了全方位的一體化文/李飛飛 阿里云數據庫產品事業部負責人，ACM、CCF、IEEE 會士（Fellow）前言云原生數據庫，走向 Serverless 與 AI 驅動的一站式數據平臺2023 年 10 月，阿里云副總裁，阿里云數據庫產品事業部負責人，ACM、CCF、IEE

4、E 會士（Fellow）李飛飛發表云原生數據庫，走向 Serverless 與 AI 驅動的一站式數據平臺主題演講。他表示，AI驅動下的數據平臺，正在向一站式、智能化的方向演進。作為 AIGC 應用的基礎設施，以 PolarDB、AnalyticDB、Lindorm、RDS 為核心的阿里云瑤池數據庫現已全面擁抱向量檢索能力，并與通義等大模型深度集成，為用戶提供智能化的一站式數據管理平臺，加速業務數智創新。隨著云原生+Serverless 的不斷深入，一站式數據平臺將讓數據管理開發像“搭積木”一樣簡單實用，以性價比更高、體驗更優的云數據庫服務，助推用戶業務提效增速。讓數據平臺像搭積木一樣簡單好用

5、能力，進一步簡化開發、管理和運維成本。具體包括 HTAP 一體化、DB+Cache 一體化、DB+存儲一體化等三大能力全新升級，實現 OLTP、OLAP、NoSQL 等多業務場景融合，產品易用性全面升級，切實提升用戶使用體驗：03AI 驅動，數據平臺走向一站式智能化作為 AIGC 應用的基礎設施，阿里云瑤池數據庫在 AI 領域也在不斷進行技術布局與應用探索。通過擴展面向 AI 的數據管理與服務能力，打造智能化的一站式數據管理平臺，讓云原生數據庫更易用，助力用戶搶占商業先機。會上，瑤池數據庫首次推出數據智能助手 DMS Data Copilot，其結合了 DMS 智能數據管理、數據使用能力，讓

6、SQL 開發、使用和管理更加規范和高效，是用戶“看數、管數、用數”不可或缺的智能管家。據介紹，DMS Data Copilot 支持 30+種數據庫類型，可提供 NL2SQL（降低 SQL 編寫門檻、提升開發效率）、SQL注釋生成、SQL 糾錯、SQL 優化等功能。在耶魯大學推出的 Spider 數據集評測中，DMS Copilot 的成功率和準確率達到 99.5%和 78%，比開源模型的正確率高出 4%。輕量級 HTAP：基于自研 IMCI 技術，云原生數據庫 PolarDB 100%兼容 MySQL 語法，可支持大數據量、毫秒級延遲的數據分析需求。對比傳統 MySQL 行存，性能提升了 1

7、00 倍以上。云原生一體化 HTAP：采用 Zero-ETL 技術，“PolarDB+AnalyticDB”、“RDS+ClickHouse”之間可實現亞秒級數據同步，提供統一入口的一站式 HTAP 體驗，為用戶節省 10 倍鏈路同步成本，建倉速度提升高達 7 倍。以“PolarDB MySQL 版+AnalyticDB for MySQL 版”為例，針對多源匯聚分析場景，云原生一體化 HTAP提供 PolarDB AnalyticDB 的數據無縫流轉能力，無需維護額外數據管道，可降低 90%的數據鏈路成本并減少運維負擔。通過高速并行通道，可加速數據初始化性能，大幅降低建倉所需時間，目前該能力

8、已在多家互聯網行業客戶中落地。HTAP“DB+Cache”一體化“DB+存儲”一體化實現“PolarDB+Tair”、“RDS+Redis”之間的數據自動同步與融合，在解決緩存數據一致性難題的同時，實現了內存資源統一調度與管理，幫助用戶降本增效（最高節省 30%成本）、提升體驗?；跀祿炀彺娉赝卣梗˙uffer Pool Extension）、Auto PL、冷熱分離等技術，將冷熱溫業務數據分層存儲，提升性能，可降低高達 90%存儲成本。阿里云瑤池持續推動以 PolarDB 為代表的云數據庫向云原生縱深發展，在本次大會上，李飛飛發布了PolarDB Always On 系列 3 大技術升級：

9、Multi-Master 三層解耦架構：結合 RDMA/CXL 支持的三層解耦技術，內存池化，提升 CPU 內存使用率，內存使用率提升 50%。Multi-Master 輪動升級：集群輪動升級，升級集群不停機，進一步提升 SLA，不可用時間減少 50%。高壓縮比數據存儲：采用 in-Memory 行級壓縮、SmartSSD 2.0 硬件壓縮等為代表的軟硬件一體化壓縮技術，最高可節省 80%存儲成本。AIGC 和 LLM 大模型浪潮的崛起，進一步推動了業務和應用對向量數據庫的需求?，幊財祿飕F已全面擁抱向量檢索能力，在 PolarDB、RDS、AnalyticDB、Lindorm、Tair 等產

10、品中集成向量功能，實現結構化數據、半結構化數據、多模數據、向量數據的一體化處理。其中，企業級智能數倉 AnalyticDB 與通義大模型家族深度集成，推出一站式全托管大模型解決方案。通義行業大模型和百煉大模型服務平臺采用 AnalyticDB 作為內置向量檢索引擎，為政務、醫藥、電力、制造、汽車、金融等千行百業提供專屬行業解決方案，性能較開源增強了 25 倍，加速 AIGC 應用落地。云原生多模數據庫 Lindorm 具備多模數據處理能力，是集在線服務、離線分析、向量、AI 分析能力于一身的一站式 AI 數據平臺。數據不出庫，即可輕松存儲和分析海量的半結構化和非結構化數據。04云智融合生態共贏

11、，服務千行百業云數據庫生態的良好發展，離不開合作伙伴的支持與協同和多元開放的生態體系。會上，阿里云宣布與SelectDB、MongoDB 和 ClickHouse 分別達成戰略合作，雙方將發揮各自的技術優勢和平臺能力，在產品生態融合、聯合解決方案等多個領域展開深度合作，推進技術合作和生態協同，構建合作共贏的生態體系。作為國內首個 MongoDB 云服務商戰略合作伙伴和唯一可提供最新版本 MongoDB 服務的中國云廠商，阿里云的云數據庫 MongoDB 版 3 年營收實現 8 倍增長。未來，MongoDB 與阿里云的戰略合作還將持續深入，積極布局汽車、金融、物流、制造等領域的數據庫建設，幫助更

12、多企業實現數據創新和業務增長，攜手開啟創新下一站。阿里云已與開源分析型數據庫 ClickHouse 達成國內獨家戰略合作。作為 ClickHouse 在中國獨家的云服務提供商，阿里云擁有世界上最大的 ClickHouse 商用集群之一，可提供具備獨有企業能力的云原生ClickHouse 企業版。企業版為存算分離架構，秒級彈性，按量計費，比開源自建成本降低 30%+。此外，阿里云瑤池與飛輪科技達成戰略合作，業界首發企業版全托管產品云數據庫 SelectDB 版。SelectDB 是飛輪科技基于 Apache Doris 內核打造、聚焦于企業大數據實時分析需求的新一代實時數據倉庫。SelectDB

13、 100%兼容 Apache Doris，支持大規模實時數據上的極速查詢分析。阿里云 SelectDB 現已全面公測，用戶可以在阿里云上便捷地使用 SelectDB 數倉服務，以滿足海量數據極速實時、融合統一、簡單易用的分析處理需求。目前，阿里云瑤池數據庫已在千行百業的核心業務中落地應用，服務于自然人稅收管理系統、全國 60%的省級醫保信息平臺、廣東移動、友邦保險、南方基金、上海市新能源汽車數據平臺、掌閱科技、莉莉絲游戲、識貨 APP 等金融、政務、電信、互聯網等多領域的客戶。目錄090910121313141516161718191920212222232425252627282829303

14、232333401-金融行業.-行業分析.-解決方案.-典型客戶.02-能源行業.-行業分析.-解決方案.-典型客戶.03-電力行業.-行業分析.-解決方案.-典型客戶.04-汽車行業.-行業分析.-解決方案.-典型客戶.05-運營商行業.-行業分析.-解決方案.-典型客戶.06-游戲行業.-行業分析.-解決方案.-典型客戶.07-零售行業.-行業分析.-解決方案.-典型客戶.08-物流快遞行業.-行業分析.-解決方案.-典型客戶.前言|云原生數據庫，走向Serverless與AI驅動的一站式數據平臺.01一|行業解決方案.07414142434444454647474851525253545

15、5555601-數據庫云原生化改造.-場景介紹.-解決方案.-典型客戶.02-企業級SaaS.-場景介紹.-解決方案.-典型客戶.03-Data+Al.-場景介紹.-解決方案.-典型客戶.04-數據庫多活容災.-場景介紹.-解決方案.-典型客戶.05-AI時代的分布式KV服務.-場景介紹.-解決方案.3535363709-數字政府行業.-行業分析.-解決方案.-典型客戶.二|場景化解決方案.39目錄行業解決方案金融行業簡介金融行業是一個廣泛而復雜的領域，涵蓋銀行、保險、證券、基金、數字金融等多個領域。金融行業正受到數字化、全球化和監管變化的影響。金融傳統的 IOE 架構面臨多方面的困境和挑戰，

16、涉及成本、技術依賴、安全合規、人才等多重因素。面對這些挑戰，金融機構需要積極尋求創新的解決方案，考慮向更加靈活和高效的架構（如云計算、微服務等）轉型，以適應快速變化的市場環境。金融科技的發展推動了創新和效率，傳統金融機構也在不斷轉型以適應新環境。金融行業的信息化建設正在經歷快速的變化和發展，主要體現在數字化轉型、數據驅動決策、安全性和合規性、金融科技的應用以及云計算和基礎設施的升級。數據庫作為重要的基礎設施，技術突破至關重要。金融行業在對數據庫的高可用、海量數據存儲、數據安全性、實時處理能力、穩定性和擴展性上提出來更高的要求。在進行金融行業信息化建設時，充分考慮以上需求，將有助于構建一個高效、

17、安全且靈活的數據庫系統，以支持業務的發展和創新。金融行業趨勢和需求自主可控要求數據傳輸、存儲加密訪問審計可追溯響應快在線交易、支付、信貸實時風控要求毫秒級響應強一致性金融場景要求RPO為“0”，極端情況保證數據不丟失高彈性交易、保險開門紅等有明顯波峰波谷要求快速彈性伸縮海量數據海量訂單/保單/流水、合規要求數據在線存儲行業特點低成本海量數據在線訪問要求成本可控金融交易強調數據的強一致性，延遲或數據不一致都可能導致交易錯誤、資金損失或合規問題。數據同步、備份和恢復，確保數據的一致性是首要挑戰。數據強一致與完整性01需要建立有效的高可用和災備恢復計劃和備份策略，確保在遭遇自然災害、網絡攻擊等極端情

18、況下，快速恢復，減少數據丟失和業務中斷時間。業務連續性02金融企業從監管和業務訴求兩個維度要求系統能夠提供跨機房、甚至跨城的容災或多活，在機房級故障或城市級災難仍能保證數據的可靠性、服務的連續性。云數據庫天然具 備 多 AZ 能 力，在 跨 城 上 也 有GDN、GAD 等方案支撐。容災多活03無論用戶還是交易數據，人們對于其隱私數據的合規問題都是極其關注和存在顧慮的。大數據或大模型需更加精準更懂用戶，就需要記憶個性化數據，數據庫需要保證記憶數據被合規使用。金融級數據安全04金融行業受到嚴格監管，不同地區對于數據存儲、跨境數據傳輸等有著不同的法律法規要求。構建容災體系時，增加了實施的復雜度。法

19、規遵從05金融交易都是實時處理，減少數據同步延遲，保證業務連續性和用戶體驗，是一個重要挑戰。數據量龐大，除了聯機的支付等交易，還有清算、結算、對賬批處理等，要求數據庫能支撐 HTAP 的混合負載，一份數據多場景計算使用。低延時和混合負載06行業分析金融行業01行業特點痛點與挑戰解決方案方案架構金融一站式數據備份容災多活場景RDS ServerlessDBS（冷備）PolarDB Serverless+存儲壓縮IDC自建DTS+專線DTS+專線專線DBS云原生數據備份數據源商業數據庫開源數據庫文件實時備份流式備份多通道備份DBS存儲池對象存儲CDM沙箱存儲用戶存儲金融商業數據庫云原生升級場景交易

20、-低并發核心交易-彈性要求高高兼容傳統數據庫核心交易-并發高水平擴展傳統商業數據庫傳統商業數據庫傳統商業數據庫傳統商業數據庫RDSZero-ETLZero-ETLPolarDB MySQLPolarDB-XPolarDB PostgreSQL（兼容Oracle語法）ADAM兼容性評估DTSDTSDTS AnalyticDB MySQLAnalyticDB PostgreSQL金融級高可用和多級容災場景同AZ熱備高可用-無感秒切PolarProxyRW NodeTSOPolarTransCTSMemInfoBuffer PoolRedo LogPolarTransCTSMemInfoBuffer

21、 PoolRedo LogRO Node（熱備）PolarStoreRDMARemoteRead CTSRDMARemoteWrite RedoLogPageExchange跨AZ容災StandbyRWROPolarStorePolarStore多連接Redo傳輸物理復制跨AZ Standby快速高可用PolarStore跨Region容災PolarStoreStandbyRORWPolarStore從集群RW從集群RO多連接Redo傳輸+物理復制跨Region GDN從集群快速高可用金融行業01金融智算數據庫場景企業知識庫文檔上傳企業專屬Chatbot數據推理1.文檔切片2.特征提取3.內容

22、&特征入庫1.問題特征提取2.文檔特征檢索3.文檔&問題LLM交互4.返回推理答案1.推理輸入數據入庫2.LLM交互-批量推理3.推理結果更新入庫ChunkEmbeddingDocIDxxxxxx3.4,2.5,5.2,12120.2,1.6,8.3,IDInputInferencexxxxxxxxxxxxxxxxxxxxxxxxxxxxxx向量特征提取模型服務模型推理Vector Embedding通義千問ChatGPTChatGLMAnalyticDBPolarDBLindormDMS全文檢索融合查詢向量檢索點積距離歐式距離HNSWPQtsvectortsqueryzhparserGINB

23、tree&HNSW&GINNSMDSM結構化|半結構化|非結構化 數據存儲金融一站式數據備份容災多活DTSPolarDBDBSRDS金融商業數據庫云原生改造DTSPolarDBAnalyticDBRDS金融級高可用和多級容災PolarDBPolarDB-X金融智算解決方案PolarDBAnalyticDBLindormDMS產品組合金融行業01競爭力&優勢典型客戶PolarDB 助力 富友支付 平滑升級傳統商業數據庫通過云原生架構升級+引入云原生數據庫 PolarDB，富友支付的數據庫整體成本大幅下降，一方面省去了傳統商業數據庫的大量授權費用；另一方面使用阿里云的云原生數據庫產品，支持極致的彈

24、性能力，資源使用更加節約。中泰證券引入阿里云瑤池數據庫：完成核心業務系統自主創新，實現業務微秒級響應Tair 具備多線程能力并針對海量并發場景進行了深度優化，具備更低的響應時延。在中泰證券業務的高峰期，每個發送至 Tair 的請求均能保證微秒級響應，確保了交易鏈路的可靠性與穩定性。Tair 的引入不僅為中泰證券核心業務系統的后續演進打好了基礎，也為證券業 IT 架構的自主創新提供了寶貴的實踐經驗。視野數科聯合阿里云 Lindorm 多模數據庫推動 AIGC 應用在金融領域落地視野數科和阿里云 Lindorm 多模數據庫的合作是 AIGC 技術的創新應用與落地，是“技術+數據+場景”推動行業數字

25、化轉型的新實踐，為行業領域用戶提供高效、高質量的服務開辟新道路，全面釋放數據的商業價值，成為推動經濟發展的重要力量。WeLab 匯立集團引入阿里云 MongoDB，引領超千萬用戶邁向智能金融未來阿里云數據庫 MongoDB 版無論從數據特點還是技術要求方面，都完美地匹配了 WeLab 的需求。9 年間，MongoDB 已經成功跑在 WeLab 的風控系統、決策引擎、審批、客服等核心系統上。目前，阿里云數據庫MongoDB 版在 WeLab 內部的部署規模約占所有系統的 40%。更為重要的是，由于阿里云和 MongoDB團隊的專業支持，我們的系統升級非常平順，而且后續的運維和學習成本也更低。低成

26、本容災：Serverless+存儲壓縮實現計算和存儲的雙重降本，PolarDB 彈性、DBS 沙箱快速恢復，很好的平衡了成本和性能。有容災的強監管或對業務的連續性有強要求，IDC 維護成本高，運維復雜，有運維和成本壓力，可以實現一鍵云上容災。自主可控：無商業 License，自主可控，從 RDS、云原生到分布式，滿足不同數據量和并發量的交易場景，TP 到 AP 無縫集成（Zero-ETL），完美承接商業數據庫全部業務。通過國家信息安全測評中心自主原創產品測評，自主可控滿足安可要求。簡單易用：無感秒切借助熱備技術（CTS、Buffer Pool 實時同步）+Voting Disk 技術，0.5-

27、2s 完成切換，在途事務不中斷。GDN 全球數據庫網絡利用高并發流水線式同步技術，全球復制延遲 DataHub-Flink”流水處理后回流到 AnalyticDB 中。通過 AnalyticDB 強大的計算能力，為海量數據多維統計分析業務提供秒級響應。自主可控：對原來云外的傳統商業數據庫，可以通過 ADAM 和 DTS 實現工具化評估，有效簡化上云流程。數據一站式管理：多種產品組合一站式滿足客戶數據庫需求。統一納管多種數據庫，通過無鎖變更，流程審核、數據歸檔、安全協同、數據脫敏等保證數據穩定安全。阿里云數據庫全系產品助力省級政務云核心業務高效穩定通過阿里云多種數據庫產品組合，滿足各委辦局上千套

28、應用的數據庫需求，云數據庫 MySQL 滿足高穩定通用業務處理場景，云原生數據庫 PolarDB 滿足海量數據高并發場景，AnalyticDB 滿足復雜查詢實時分析場景，Redis 內存數據庫滿足超高并發鍵值讀寫場景，DMS 和 DTS 滿足一站式數據庫管理。阿里云數據庫都支持彈性熱擴容，多副本無單點，秒級高可用切換能力，有效保障業務連續性。數據庫產品支持全面的用戶側和運維側平臺，還包括 DMS 的數據庫開發、運維功能，DAS 的自動優化等數據庫自治能力。浙江省政務云競爭力&優勢典型客戶一站式數據庫管理及服務助力醫保局實時結算和海量數據實時分析阿里云自研云原生數據庫 PolarDB 分布式版和

29、云數據庫 RDS 高效支持醫保實時結算等核心在線業務，運行響應速度最高提升 10 倍。門診結算響應速度從老系統的單次平均 2 秒提高到平均 0.2 秒，住院結算系統響應速度從老系統的單次平均 3 秒提高到平均 0.6 秒，大幅減少了就醫結算的等待時間。云原生數據倉庫 AnalyticDB 為醫保平臺提供海量數據多維度在線實時分析能力，實現海量數據毫秒級響應，提升醫?；鸷蠖说慕Y算速度和綜合分析能力，讓醫保業務系統數據分析更敏捷，有力保障了山東省每年 1600 多億元的醫?；鹗罩О踩?。數字政府行業09場景化解決方案業務改造成本高涉及異構數據庫遷移，業務改造量大，改造成本高。01場景背景介紹中華

30、人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要 聚力攻堅以數據庫為代表的核心基礎軟件，工業和信息化部印發 “十四五”軟件和信息技術服務業發展規劃，在主要任務中明確表示聚力攻堅基礎軟件，推動高性能數據庫在金融、電信、能源等重點行業關鍵業務系統應用。黨的十八大以來，習近平總書記從信息化發展大勢和國內國際大局出發，就網絡安全和信息化工作提出一系列具有開創性意義的新理念新思想新戰略，形成了習近平總書記關于網絡強國的重要思想。金融、政府、電力運營商等行業作為關鍵信息技術設施行業領域，其正常運行和安全保護關系到國家金融安全、經濟安全、民生系統安全穩定和廣大人民群眾的切實利益。所以，

31、加快關鍵信息技術設施建設，使用更加安全穩定的自研數據庫等產品穩步推進金鍵信息基礎設施國產化建設，已經成為金融和民生等IT發展的明確趨勢。為什么傳統商業數據庫要做云原生化改造痛點與挑戰替換風險大02數據庫做為 IT 基礎設施承載企業最關鍵的數據資產和業務運行，數據庫替換風險大。遷移鏈路不成熟04傳統商業數據庫生態系統相對封閉，對遷移的工具鏈和技術棧具備非常大的挑戰。工作量無法預估03業務經過多年的發展積累了大量的代碼依賴于底層數據庫的實現，無法準確預估數據庫替換的改造工作量。傳 統 商 業 數 據 庫 按 照License 和特性收費，整體定價偏高，小型機、大型機價格昂貴，初始成本高，整體成本大

32、，對于企業是一筆非常昂貴的支出場景特點負擔重周期長服務貴傳統商業數據庫服務成本較高，原廠服務人天往往是從服務發起開始計算，路途時間也往往被計算在內，服務貴傳統商業數據庫建設從硬件采買到支撐業務上線周期往往好幾個月，甚至按年進行計算，建設周期長場景介紹場景特點數據庫云原生化改造01自主可控：數據庫高度自主可控，適配 ARM 芯片、自主可控操作系統和上層業務生態。低成本：RDS SQL Server 提供正版 License 集采優勢價格；PolarDB 提供 Oracle 語法高度兼容，降低改造成本。企業級：滿足企業級穩定性及高可用，提供同城及異地容災能力，滿足嚴苛 RPO=0”的數據安全要求。

33、低風險：提供一站式評估、遷移工具，提供改造工作量和風險評估，提供全量和實時數據同步，降低遷移風險?；?PolarDB 和 RDS，結合數據庫管理工具，提供一站式數據庫自主可控方案PolarDB 與傳統商業數據庫語法高度兼容。DTS 實時全量和增量數據同步至 PolarDB 和 RDS，并且支持實時同步回傳源數據庫，降低業務風險。RDS SQL Server 擁有微軟正版的 License 授權，并且支持高可用架構和任意時間點的數據恢復功能，強力支撐各種企業應用。ADAM 進行傳統商業數據庫升級評估。解決方案方案架構產品組合競爭力&優勢PolarDBADAMDTSRDS SQL ServerD

34、TSRDS SQL Server異構數據云原生化改造遷移服務&工具采集評估方案評審適配改造遷移割接數據庫采集數據庫采集主從規格評估割接上線業務護航正式驗收數據對象改造預遷移應用改造應用改造功能性能驗證功能性驗證客戶驗收改造方案割接方案遷移回流方案整體方案整體方案數據庫圖像應用采集應用采集應用圖像兼容性評估兼容性評估實例開通實例開通結構數據遷移專家服務專家服務ADAMDTSDTS同構數據云原生化改造改造量評估規格評估遷移方案回滾方案Poc驗證數據改造結構遷移數據遷移割接驗收PolarDBPostgreSQLRDS SQL Server傳統商業數據庫傳統商業數據庫數據庫云原生化改造01SUCCES

35、SFUL阿里云助力通信運營商推動自主可控數據庫聯合創新阿里云先進的自主可控數據庫解決方案，全面支撐運營商能力運營中心系統自主可控建設，實現了國產自研，自主可控，擺脫了業務核心系統對于國外數據庫廠商的依賴。阿里云的自主可控數據庫方案，幫助運營商公司在短時間完成系統的改造和升級工作。阿里云助力某保險集團實現業務轉型與升級阿里云自主可控產品及解決方案，在短時間內助力保險集團核心業務系統升級上線，實現了國產自研，自主可控，擺脫了核心業務系統對于國外數據庫廠商的依賴。系統遷移上線后，業務系統運行穩定，全面支撐業務轉型升級及業務拓展。某通信運營商某保險集團典型客戶數據庫云原生化改造01SaaS 簡介Saa

36、S 是指廠商將應用統一部署在其服務器上，用戶根據實際需要向廠商訂購及支付費用，并通過互聯網最終獲得服務的模式。SaaS 分為業務通用 SaaS 和行業垂直 SaaS。業務通用 SaaS，例如 CRM、HRM 等，面向所有行業。而行業垂直 SaaS，主要解決特定行業的共性問題，比如零售電商 SaaS、房地產 SaaS 等。SaaS 采用集中化部署模式，對廠商而言，更容易產生規?；б?，研發、銷售和售后成本更低?？蛻舻拈L期價值更大，更快享受新功能，而且不需要投入硬件和后期維護成本。傳統軟件廠商開始向 SaaS 轉型。SaaS 的應用場景向產業端和供應鏈上游延伸，發展生態融合，一體化 SaaS 成為

37、主流。SaaS 產品對企業效率提升作用漸顯，企業開始感受到其價值，SaaS 應用從邊緣向核心業務滲透。為何興起？多租戶模式對外提供統一服務多租戶集中部署和運維租戶隔離多租戶模式，租戶分等級，租戶資源和數據需要隔離成本敏感規模經濟，數據庫使用占比大，單租戶資源成本降到最低持續穩定長時間運行不掉線對租戶提供穩定服務海量數據產品服務面向企業，數據密集型應用，海量數據行業特點快速彈性部分租戶存在突發流量計算存儲資源快速彈性多租戶架構，為了更好的數據隔離性，一般一個租戶一個庫，數百租戶共享一個數據庫實例，單實例百萬級表，后期維護和穩定性挑戰巨大。海量表01租戶版本升級、打散、合并等場景，需要跨實例遷移租

38、戶，目的在于給租戶分配數據庫資源，均衡數據庫負載和提高資源利用率，操作繁瑣。租戶遷移02從數據安全和備份方面考慮，租戶都會有拿回自己的數據的需求。怎樣比較方便地給租戶提供數據，是 SaaS廠商面臨的一個比較復雜的工作。數據下載03多租戶模式下，部分租戶會有突發流量，數據密集型應用，數據量大，數據庫計算節點以及存儲需要快速彈性?？焖購椥?4隨著租戶的數據量增加，租戶維度的查詢分析性能問題越來越明顯，影響到租戶體驗。需要提供 HTAP 一體化能力，改善租戶體驗。HTAP 一體化05SaaS 廠商需要給租戶提供增值服務，需要基于全租戶維度的數據分析，需要實時集成分布在不同地域的成百上千數據庫實例數據

39、，這個是一個巨大的挑戰。數據集成分析06企業級 SaaS02場景介紹場景特點痛點與挑戰企業級 SaaS02解決方案海量表支持，數據透明冷溫熱分層，降低資源成本。租戶平滑遷移，數據輸出便捷。資源快速彈性，原地查詢加速。數據實時集成便捷高效。按行分租戶按庫分租戶KafkaDTS 同步DAS全場景數據庫解決方案PolarDB/RDSPolarDB/RDS150 租戶專業版專業版專業版.試用版試用版試用版.600 租戶300 租戶標準版標準版標準版.租戶遷移試用版專業版標準版AnalyticDBClickHouseFlink 寫入 ClickHouseDMS（DTS）實時數倉PolarDB/RDSAn

40、alyticDB海量表（秒級 DDL/表一致性修復）租戶遷移（升降版本打散，合并）RDS SQLServer租戶數據下載（庫級備份集下載）計算存儲快速彈性（計算和存儲Serverless）PolarDBHTAP（單租戶維度查詢加速）租戶數據集成&分析（全量租戶維度業務分析）DTSAnalyticDB云 ClickHousePolarDB MySQLDMSDTSPolarDB PolarDB MySQL/RDS MySQL方案架構競爭力&優勢產品組合SUCCESSFUL百萬級表支持，成本下降 50%計算和存儲 Serverless，數據透明冷溫熱分層HTAP 一體化，查詢性能百倍提升全球租戶秒級

41、集成自動冷熱數據分層，性價比高兼容 MySQL 協議，應用無侵入SaaS 云原生數據庫創新實踐，打造生態協同跨境 SaaSSaaS 云原生數據倉庫創新實踐，降本提效傳統數據倉庫升級最佳實踐，打造數據驅動新引擎資源快速彈性，大并發高吞吐千億級數據實時在線多維分析透視和業務探索相比傳統平臺性能提升10 倍按時段資源快速彈性按租戶等級分配資源典型客戶企業級 SaaS02Data+AI03場景介紹2023 年，大語言模型的興起讓 AI 再次成為最熱門的話題，各行各業都在積極探索并嘗試在各類場景下進行 AI 應用落地。數據（Data）作為 AI 應用最重要的原材料，它的豐富度、新鮮度、易獲取和易管理度直

42、接決定了企業內 AI 應用落地的成功與否。0-1搭建成本極高企業自主搭建GPU集群、大模型、向量數據庫和AI開發框架的一次性投入成本高、周期長，無法快速實現AIGC在業務場景上的驗證。01企業級AIGC應用落地包含三個階段：企業級AIGC應用落地冷啟動階段規?；A段AI普惠階段通過開箱即用的云服務快速嘗鮮關注底層能力的高可靠、企業級能力與安全能力考慮資源隔離和彈性擴展能力關注業務，探索AIGC和業務的結合點數據預處理、大模型訓練及應用開發鏈路服務化數據架構智能化升級場景介紹場景特點痛點與挑戰 AIGC 應用方向：大模型在垂直領域知識管理上存在更新頻率慢，上下文關聯能力弱的問題，同時結合企業對數

43、據安全的考慮，“大模型+向量數據庫”的組合方案成為了國內外主流廠商的首選。場景化 AI 應用方向：存在 AI 場景定義不清晰、數據不完備、開發鏈路長、落地周期久等問題，企業也開始考量建設一套完整全面的 AI 平臺是否是企業的最佳選擇?；诂F有數據基座，算法開箱適配企業數據，快速落地垂直場景并不斷迭代或成為了企業落地 AI 的主要范式。AI+Data 方向：高頻數據場景涌現大量 SQL 開發助手和 ChatBI 需求。此類圍繞大模型串聯業務上下文的全鏈條應用，自助搭建成本極高。開箱即用的端到端 SQL 生成式應用，逐漸成為市場上競相嘗試的熱點。阿里云數據庫在 Data+AI 領域進行了充足的投入

44、與探索，逐步在通用 AIGC 應用構建，場景化 AI 應用，開箱式 ChatBI，Data Copilot 等場景構建起端到端的解決方案和完整的產品化能力，是國內外企業進行 AI 探索和落地的重要合作伙伴。開發鏈路長且復雜RAG服務的搭建，大模型與向量數據庫的串聯開發，數據預處理，向量提取和召回，影響AIGC應用效果。垂直AI應用中，數據采集，特征工程，算法開發，模型訓練與評估等鏈條長，周期久，效果不可預期。02基礎架構不成熟基于大模型，知識庫和服務器資源，自助搭建 NL2SQL 應用，準確率，穩定性和并發度均存在挑戰。數據庫，若只是增加向量索引，無法滿足 AIGC 應用需要，如缺乏實時向量索

45、引的構建，全文檢索和向量檢索的融合分析。03彈性擴展能力弱AI應用需要大量計算資源，若預先準備資源，在業務低谷期存在資源浪費，而面對突發的業務高峰時無法保障快速擴展。04Data+AI03Data+AI 場景化解決方案大圖解決方案場景化AI應用端到端 RAG 服務模型管理算法管理Hybrid Lakehouse向量檢索Scenario-orientedAI Application 通義系列開源模型Fine-tuningChunkingEmbeddingRanking/Reranking稠密向量稀疏向量條件過濾Enterprise Knowledge BaseNotebook+編排調度Copil

46、ot主動元數據統一性交互式智能化統一數據目錄數據來源多云+本地部署SQL/Notebook 開發環境任務編排事件/流調度意圖識別NL2SQLSQL補全執行引擎 存儲引擎 Point Search全文檢索MPP向量檢索SparkRow StoreColumnar StoreVector StoreFilesOSS客戶價值數據智能應用模型管理與部署統一數據管理數據準備數據生成與集成方案架構場景化AI應用架構Data+AI03Zero-ETL實時集成數據服務模型服務監控運維離線集成LLM應用安全/權限數據集成統一元數據統一治理服務ChatBIText2SQL運維診斷行為預測智能推薦流失預測垂直AI應

47、用一體化開發CICD編排調度數據地圖數據血緣特征庫模型目錄質量管理成本治理數據處理DWDMODSMLOpsModelTrainingModelServingModelDeployment權限控制操作審計時間/事件/條件觸發可視化編排開發助手增強Notebook環境開發協同環境管理端到端RAG應用架構圖企業知識庫售前/售后客服文案寫作.大模型應用服務層（多租戶）ECS+大模型服務 PAI-EAS商品檢索開源大模型及微調模型GPU集群serverless彈性伸縮通義千問，Llama2，ChatGLM2等企業Fine-tune 模型文本檢索向量檢索SQL 接口AnalyticDB PostgreSQ

48、L向量引擎JSON匹配圖片檢索全文檢索模糊匹配結構化/半結構化 存儲引擎知識庫（BLOB Object）支持：公共云或混合云部署AnalyticDBPolarDBData+AI03產品組合RAG應用AnalyticDB PostgreSQLECS百煉大模型應用Lindorm多模引擎垂直AI應用DMSPolarDBAnalyticDB MySQLChatBI/NL2SQL應用AnalyticDB PostgreSQLDMSLindorm 一站式AI數據平臺（To B）企業級 RAG（To C）互聯網級 RAG非結構化數據檢索（文搜圖/圖搜圖/.）對接開源框架SQLLangChainLlamaln

49、dexLindorm 融合搜索Lindorm 智能推理構建索引智能檢索智能推理原姶數據OSS正排檢索全文檢索向量檢索倒排檢索文檔網頁圖片視頻rerankchunkingenbedding支持導入大模型Data+AI03典型客戶AnalyticDB PostgreSQL 向量數倉助力企業落地智能游戲客服易用性強：支持定制化功能，可實現開箱即用，提供完備數據管理界面可視化和資源監控等。穩定性高：查詢穩定性好，響應速度快。AnalyticDB PostgreSQL 一站式 AIGC 解決方案助力慧博打造 H-AI 智能助手，客服中的常見問題咨詢量占比下降 60%一站式體驗開箱即用架構靈活Lindor

50、m 提供一體化融合檢索服務，內置AI推理能力，助力大模型創業公司 Minimax 快速構建 AI 智能搜索，無需構建和維護繁雜的底層基礎設施，提升開發和運維效率海量數據能力：PB+數據、萬億記錄、百億向量高性價比：50%成本，2 倍 QPS云原生：存算分離，在線秒級擴容簡單易用：統一 SQL 接口，自動索引構建，自動 EmbeddingDMS+AnalyticDB 一站式應用助力聚水潭構建 SaaS 數據產品 ChatBI 新范式開箱即用：開發助手 Copilot 支撐數據查詢和模型調優，Agent 支撐一鍵發布 ChatBI 服務安全可控：客戶數據租戶隔離，模型隔離，數據安全有保障效果好：S

51、QL 轉化準確率超過 90%，可自助調優提升模型效果競爭力&優勢垂直 AI 應用快速上線，算法開箱即用，模型生命周期管理 ChatBI，NL2SQL，知識庫端到端功能支持，歷史查詢自動生成業務知識支持結構化數據、全文檢索和向量檢索融合分析百億向量檢索，較同類產品有 5 倍性能提升功能及性能：大模型及算法均在用戶域內，無數據泄露風險數據細粒度權限管控與審批，內部使用合規安全：NL2SQL 準確率超過 90%垂直 AI 應用較自建效果提升 2 倍以上效果顯著：支持資源彈性擴展或收縮30 分鐘可視化完成企業專屬知識庫搭建，計費模式靈活部署及拓展：場景介紹場景特點容災多活是一種分布式系統架構模式，通過

52、在多個數據中心部署相同的業務系統和服務，確保即使某個數據中心發生故障，其他數據中心也能無縫接管業務，從而實現業務不中斷。通過實施容災多活方案，企業可以顯著提高其 IT 系統的可靠性和魯棒性，從而更好地抵御各種類型的故障和災難事件。多活容災場景簡介近些年故障頻發凸顯傳統數據備份方案存在局限性，促使企業轉向更穩健的容災多活模式。據統計，97%局部故障致企業服務運行中斷，3%全局故障則威脅數據存續及企業生存。新技術躍進，業務擴張，合規壓力及成本效益考量共同驅動了容災多活架構的興起。容災多活架構確保企業面對災害時，關鍵業務持續運行，數據安全可靠，也強化 IT 系統韌性。云計算的快速發展給容災多活提供了

53、技術基礎，滿足高可用性需求，符合法規要求，降低了實施門檻。因此，數據庫的容災多活架構成為企業保障連續性，提升競爭力的關鍵策略。為何興起？痛點與挑戰合規嚴選數據同步策略復雜01要支持多種類型數據庫雙向同步雙向數據同步中需要具備同步防循環能力 遠距離數據同步，對同步性能、穩定性有很高要求容災切換數據一致性保障難02為了保障 RPO 要求，容災切換過程中，數據同步狀態檢查難度大容災演練和故障切換，數據一致性難保證，數據校驗和異常訂正復雜多數據中心統一管控難度大03需要具備快速配置和多單元統一管理的能力日常容災演練不支持一鍵切換，切換流程復雜單元化改造復雜04避免不同單元出現主鍵沖突，確保數據一致性主

54、鍵生成要確保唯一國家信息化領導小組關于加強信息安全保障工作的意見 中共中央辦公廳、國務院辦公廳（中辦發 2003 27號）國家網絡與信息安全協調小組關于做好重要信息系統災難備份工作的通知（信安通 2004 11號）重要信息系統災難恢復規劃指南（國務院信息化工作辦公室-2005）加強全省社保資金管理信息系統建設推進信息共享工作方案（辦字2012 86號）國家電子政務總體框架（國信 2006 2號）2006-2020國家信息化發展戰略（中辦發 2006】11號）關于轉發的通知 中共中央辦公廳、國務院辦公廳（中辦發 2002 17號）信息系統容災恢復規范（GB/T 20988-2007）保險業信息系

55、統災難恢復管理指引（保監發 2008 20號）信息安全技術災難恢復中心建設與運維管理規范（GB/T 30285-2013）公共安全業務連續性管理體系要求 國家標準（GB/T 30146-2013）公共安全業務連續性管理體系指南 國家標準（GB/T 31595-2015）信息安全及數據網絡安全等級保護基本要求（GB/T 22239-2019）數據庫多活容災04解決方案方案架構競爭力&優勢產品化降低了異地容災多活實施成本低延遲的全球就近讀寫能力提升了用戶服務體驗提供延遲接口支持業務單元切流，確保數據一致性異地容災數據庫資源利用最大化，資源利用率更高全球各地用戶的訪問請求全球各地用戶的訪問請求根據用

56、戶自定義規則，將請求轉發到不同的地域命中規則A的流量單元節點AAPPServerRedisMasterPolarDB(RO)RedisReplicaAPPServerPolarDB(RW)命中規則B的流量單元節點BRedisMasterRedisReplicaAPPServerAPPServer命中規則C的流量單元節點CAPPServerRedisMasterRDS MySQL（備）RedisReplicaAPPServerRDS MySQL（主）Redis全球多活數據庫全球多活數據雙向同步雙向同步RDS MySQL（備）RDS MySQL（主）命中規則（B+C）的數據命中規則B的數據DTS雙

57、向同步命中規則（A+B）的數據命中規則C的數據DTS雙向同步數據庫多活容災04SUCCESSFULRDS 阿里云全球數據庫多活 GAD 助力萬興科技為全球15億+用戶帶來更好的服務體驗，賦能全球創作者更好地進行創意表達。RDS 阿里云全球數據庫多活 GAD 助力萬興科技旗下數字創意軟件產品及服務具備異地容災多活能力，助力萬興科技提供 7*24 小時專業化、本地化服務。RDS 全球數據庫 GAD 助力萬興科技數字創意軟件業務全球多活部署PolarDB 通過分布式存儲和多線程能力提供超大的 IO 讀寫帶寬，幫助游戲玩家在高峰期流暢快速存檔和回檔，游戲平臺也借助 PolarDB GDN 構建了跨地域

58、容災多活能力，提升平臺容災及擴展能力，保障玩家虛擬資產安全性。PolarDB 全球數據庫 GDN 助力某游戲公司構建游戲服務異地多活部署典型客戶數據庫多活容災04某游戲公司背景介紹Redis 在互聯網行業廣受歡迎，然而，由于其基于內存的存儲方式，使用成本和持久化能力問題日益凸顯。近年來，越來越多的企業將降低成本、提高效率和數據安全性視為重要任務，自建 Redis 的高成本和額外運維開銷引起了大量關注。同時，面向 AI 時代，以“池化彈性顯存緩存服務”為中心的分離式推理加速架構，正在成為大語言模型推理加速的業界標準，但是技術門檻極高，并且缺少通用商品化的解決方案，應用成本非常高。阿里云內存數據庫

59、 Tair 在兼容開源 Redis 的基礎上，為客戶提供豐富的數據模型和企業級功能，助力實時在線場景構建。通過企業版內核結合新型存儲介質（如磁盤、非易失性內存），Tair 可顯著降低使用成本并實現實時數據持久化；同時面向AI 推理，Tair 支持面向 GPU 的分布式顯存管理服務，高效支持分離式的推理加速架構，適配目前主流的大語言模型，開箱即用，大幅提升大語言模型推理性價比。為什么要選擇阿里云內存數據庫Tair架構簡化升級綜合成本降低開箱即用技術門檻低應用+Cache+持久存儲+分布式KVCache架構應用服務集群開源Redis持久存儲應用服務集群Tair應用+TairAI時代的分布式KV服務

60、05場景介紹場景特點架構改進費用高昂01內存成本高昂，降本增效首選數據持久數據安全性挑戰，場景受限02只適用緩存用法，場景枷鎖內存存儲03分離式推理加速架構，技術門檻高技術門檻高04痛點與挑戰解決方案方案架構豐富的企業級能力，數據安全。多樣數據模型，業務開發便捷。享受云原生最新的軟硬件一體紅利。支持模型分離式推理加速方案，大幅提升推理性價比。成本顯著降低 30%50%。持久化能力簡化業務架構。云托管免運維。開箱即用分布式 KVCache，降低使用門檻。主流大語言模型全適配，去除適配成本。阿里云內存數據庫 Tair 提供 Redis 100%兼容語義和完備企業級功能特性，基于介質特性降低成本和支

61、持持久化能力；同時支持彈性緩存加速服務，開箱即用實現分布式 KVCache，輕松實現模型分離式推理架構，主流大語言模型全適配。通過 DTS 實時把全量和增量數據同步至 Redis 實例，可以做到無縫遷移。通過 DMS 和監控平臺來管理后期實例運維。DMSDTSTair阿里云內存數據庫Tair協議Redis Command 層引擎Tair 存儲級內存引擎算力CPU+GPU模型主流模型全適配，Qwen、LLama3.1、Baichuan、ChatGLM等統一緩存內存+顯存容器操作系統針對 Redis 定制優化神龍裸金屬實例搭載存儲級內存無縫數據遷移支持增量同步100%命令兼容阿里云 DTS 服務企

62、業級能力數據閃回全球多活混合多云持久化運維管理資源調度安全&審計彈性伸縮高可用可觀測性數據分析智能診斷時延洞察大、熱 Key 分析可觀測性基于開源Redis+自研分布式KVCache無法支持持久化大容量大集群成本壓力內存價格昂貴缺少企業能力支撐可觀測性弱運維難基于開源Redis方案的問題技術門檻高模型適配成本高自研分布式KVCache的問題產品組合方案優勢AI時代的分布式KV服務05感謝我們的用戶和伙伴（部分用戶&伙伴，排名不分先后）中國交通物流、電信、政府、地產、公共部門金融科技、互聯網、游戲、信息服務汽車、新零售、餐飲、旅游業合作伙伴、制造業、能源、電信、政府、公共部門金融科技、互聯網、交通物流、游戲、信息服務電子商務、新零售、旅游業海外集結數據庫專家資源提供數據庫前沿資訊分享數據庫技術干貨瑤池，喻指匯聚寶藏之地。阿里云瑤池數據庫，匯集數據無價之寶，讓數據業務持續在線，數據價值不斷放大。視頻號：阿里云瑤池數據庫