海量结构化数据解决方案-表格存储场景解读
数据是驱动业务创新的最核心的资产。不同类型的数据如非结构化数据(视频、图片等)、结构化数据(订单、轨迹),面向不同业务的使用要求需要选择适合的存储引擎,能够真正发挥数据的价值。比如:非结构化的数据-视频图片等适合对象存储OSS,强事务的结构化数据-交易订单适合MySQL。 而针对于海量的非强事务的海量结构化/半结构数据:这些场景特点是:1. 数据规模大,常见的关系型数据库难以存储。2.需要支持很高的读写吞吐与极低的响应延迟。3. 数据结构相对简单,无跨数据表的关联查询,数据存储写入是无需复杂的事务机制。 表格存储Talestore正是为了解决上述数据的存储、访问以及计算。 历史订单场景 在电商、金融、外卖、新零售等所有涉及交易与协定的所有场景中,都涉及大量的订单。记录社会方方面面。传统关系型数据能够解决需要支持强一致的事务的在线业务,但海量的订单关系型数据无法保存全量数据,需要数据分层。架构核心需求: 在线数据同步:做实时数据与历史数据分层—支持实时同步在线业务 历史数据存储:历史订单数据存储—支持低延迟数据点查,搜索。 高性价比海量存储数据分析:针对历史库进行报备统计分析—需支持计算...
