随着生成式 AI、智能体（Agent）以及实时数据应用快速落地，企业数据库正在迎来新一轮架构升级。

一方面，在线业务要求数据库能够稳定支撑越来越高的并发访问；另一方面，企业希望基于最新业务数据完成实时分析，并进一步构建 AI 应用。传统数据库往往需要交易库、分析库、数据同步链路等多套系统协同，不仅架构复杂，也难以兼顾性能、扩展性与总体成本。

近日，基于TiDB 和 HPE 的存算分离架构的现代化数据解决方案发布。方案以 TiDB 分布式数据库为核心，结合 HPE Alletra Storage MP X10000 高性能对象存储与 HPE ProLiant 企业级服务器，为企业打造兼具 HTAP、云原生弹性扩展与 AI 就绪能力的统一数据底座，帮助金融、互联网等行业应对未来数据架构演进挑战。

企业真正需要升级的，不只是数据库，而是整个数据架构

过去几年，大多数企业已经完成了信息化、数字化、云化等阶段性建设。但随着 AI 应用不断深入，新的挑战开始出现：

 在线交易持续增长，希望数据库能够按需扩展，而不是不断升级硬件；

 希望实时分析最新业务数据，而不是等待 ETL 同步完成；

 希望未来建设 AI 应用时，不需要再增加新的数据平台；

 希望降低数据库、数仓、向量数据库等多套系统带来的运维复杂度和总体成本。

对于越来越多企业来说，数据库已经不再只是业务系统的数据存储工具，而是承载交易处理、实时分析和 AI 应用的数据基础设施。

一套架构，解决企业数据平台的三个核心问题

此次推出的解决方案，并不是简单的软件与硬件组合，而是围绕企业现代数据平台建设形成的一套完整架构。

对于企业而言，它重点解决三个核心问题。

第一，让交易和分析在同一套系统完成

传统架构通常需要 OLTP 数据库负责交易，再通过 ETL 将数据同步到 OLAP 系统进行分析。不仅系统复杂，数据存在延迟，也增加了运维成本。

TiDB 原生支持 HTAP（Hybrid Transactional and Analytical Processing），能够在同一数据库中同时完成高并发事务处理与实时分析。业务系统持续处理交易的同时，分析部门即可基于最新数据开展报表分析、风险控制、客户画像等业务，无需等待数据同步。

HPE Alletra Storage MP X10000 提供高吞吐对象存储能力，进一步降低分析访问瓶颈，让企业真正实现"数据产生即分析"。

对于企业来说，这意味着：

 不再维护交易库与分析库两套平台；

 减少 ETL 链路和数据复制；

 更快获得实时业务洞察。

第二，让扩容真正做到按需进行

很多企业数据库扩容时都会遇到同一个问题：业务增长的是数据，却不得不连计算资源一起升级；业务增长的是计算能力，又不得不增加存储容量。这种存算绑定的模式，不仅资源利用率低，也增加了总体拥有成本（TCO）。

TiDB 采用原生存算分离架构，计算节点可以按需快速扩缩容，新节点通过共享对象存储即可立即投入服务，无需重新分片或数据迁移。

与此同时，HPE Alletra Storage MP X10000 提供统一、高性能、兼容 S3 的对象存储平台，让计算资源与存储资源真正实现独立扩展。

企业能够根据实际业务需要扩展对应资源，而不是被迫整体扩容，实现更好的资源利用率和成本控制。

第三，为 AI 应用提前构建数据底座

AI 正在改变数据库的定位。数据库不再只是存储业务数据，而开始承担 AI 的长期记忆（Memory）、知识检索以及 RAG 数据底座等职责。

TiDB 原生支持向量数据存储与检索，并支持 SQL 查询与向量检索融合，企业无需再建设独立向量数据库，即可构建 AI 应用所需的数据能力。

结合 HPE Alletra Storage MP X10000 的高性能对象存储，方案能够支撑大规模向量数据访问，为企业知识库、Agent、智能客服等 AI 场景提供稳定的数据基础设施。

对于希望布局 AI 的企业来说，这意味着今天建设的数据平台，也能够支撑未来 AI 应用持续演进。

软件与基础设施协同，构建真正的现代化数据平台

整个方案由三部分组成：

 TiDB 提供统一分布式数据库平台，负责事务处理、实时分析、多模数据能力及 AI 数据管理；

 HPE Alletra Storage MP X10000 提供高性能、可横向扩展的对象存储平台，为存算分离架构提供共享存储能力；

 HPE ProLiant 企业级服务器 为数据库计算节点提供稳定、安全、高性能的运行平台，在智能运维、安全防护及计算性能方面提供企业级保障。

三者协同构建起覆盖数据库、存储与计算基础设施的一体化现代数据平台，让企业能够在统一架构下同时支撑核心业务系统、实时分析平台以及 AI 应用建设。

已面向金融等关键行业验证应用价值

该解决方案已经能够满足金融等关键行业对于高一致性、高可用及实时处理能力的要求。

例如，在实时交易监控、反欺诈检测、毫秒级风险控制、客户画像分析等业务场景中，方案能够在保障高并发事务处理的同时，完成实时分析，为业务决策提供最新数据支撑。

此外，事务处理、分析计算、全文检索、向量检索等能力可以在统一数据库平台中完成，帮助企业进一步简化数据架构，为未来 AI 应用持续演进预留空间。

下载完整白皮书，了解现代数据架构最佳实践

本次发布的技术白皮书详细介绍了解决方案的整体架构设计，包括：

 存算分离架构设计与实现原理；

 HTAP 混合负载处理能力；

 AI 数据底座与向量检索能力；

 TPC-C / TPC-H 混合负载测试结果；

 最佳部署方案及最小集群配置建议。

如果您正在规划数据库升级、建设实时数据平台，或希望构建面向 AI 的现代化数据基础设施，欢迎下载完整技术白皮书，进一步了解解决方案的技术实践与部署经验。