outil d'analyse Modèle applicable fonctionner décrire Calcul maximum modèle de table large Utiliser MaxCompute Créez une table externe pour la table de données de stockage de table via le client MaxCompute pour accéder aux données dans le stockage de table. Étincelle modèle de table large Utiliser le moteur informatique Spark Lors de l'utilisation du moteur informatique Spark, il prend en charge l'accès par programmation au stockage de tables via E-MapReduce SQL ou DataFrame. Hive ou HadoopMR modèle de table large Utilisez Hive ou HadoopMR Utilisez Hive ou HadoopMR pour accéder aux données dans le stockage de table. calcul de fonction modèle de table large Calculer à l'aide de fonctions Accédez au stockage de table via le calcul fonctionnel et effectuez des calculs en temps réel sur les données incrémentielles de stockage de table. Flink modèle de table large Modèle de synchronisation Utiliser Flink Grâce au calcul en temps réel, Flink accède à la table source, à la table de dimensions ou à la table de résultats dans le stockage de table pour réaliser le calcul et l'analyse en temps réel du Big Data. Actuellement, les tables de données peuvent être utilisées comme tables sources, tables de dimensions ou tables de résultats, tandis que les tables de séries chronologiques ne peuvent être utilisées que comme tables de résultats. Presto modèle de table large Utiliser Tablestore avec PrestoDB Après avoir utilisé Presto pour vous connecter à Tablestore, vous pouvez utiliser SQL pour interroger et analyser des données dans Tablestore, écrire des données dans Tablestore et importer des données dans Tablestore en fonction de Presto sur Tablestore. Index multiple de stockage de table modèle de table large Index multiples L'index multivarié est basé sur un stockage d'index et de colonnes inversé, ce qui peut résoudre les problèmes de requête multidimensionnelle et d'analyse statistique du Big Data. Lorsqu'il existe des exigences de requêtes multidimensionnelles telles que des requêtes de colonnes de clé non primaire, des requêtes combinées multi-colonnes et des requêtes floues dans les activités quotidiennes, ainsi que des exigences d'analyse de données telles que la recherche de la valeur maximale, le comptage des lignes et le regroupement de données, vous pouvez utiliser ces attributs comme champs dans l'index multivarié et les combiner. Interroger et analyser des données à l'aide d'index multivariés. Requête SQL de stockage de table modèle de table large Modèle de synchronisation Utiliser une requête SQL La requête SQL fournit une interface d'accès unifiée pour plusieurs moteurs de données. Grâce à la fonction de requête SQL, vous pouvez effectuer des requêtes complexes et une analyse efficace des données dans le stockage de tables.

Caractéristiques décrire Documents connexes Opérations sur les tables Prend en charge la liste de toutes les tables de données de l'instance, la création d'une table de données, l'interrogation des informations de configuration de la table de données, la mise à jour des informations de configuration de la table de données et la suppression d'une table de données. Opérations sur les tables Opérations de données de base Table Storage fournit des interfaces d'opération de données à une seule ligne de PutRow, GetRow, UpdateRow et DeleteRow, ainsi que des interfaces d'opération de données à plusieurs lignes de BatchWriteRow, BatchGetRow et GetRange. Vous pouvez lire et écrire des données dans la table via une interface d'opération de données à une seule ligne ou une interface d'opération de données à plusieurs lignes. entrée de données Lire des données Suprimmer les données Versions des données et cycle de vie Grâce aux versions de données et aux fonctions de cycle de vie des données (TTL), vous pouvez gérer efficacement les données, réduire l'espace de stockage des données et réduire les coûts de stockage. Versions des données et cycle de vie Auto-incrémentation de la colonne de clé primaire Après avoir défini la colonne de clé primaire de la clé de non-partition sur une colonne à incrémentation automatique, il n'est pas nécessaire de définir une valeur spécifique pour la colonne à incrémentation automatique lors de l'écriture des données. Le stockage de table générera automatiquement la valeur de l'incrémentation automatique. colonne. La valeur est unique et strictement croissante au niveau de la clé de partition. Auto-incrémentation de la colonne de clé primaire mise à jour de l'état Ce n'est que lorsque les conditions sont remplies que les données de la table de données peuvent être mises à jour ; lorsque les conditions ne sont pas remplies, la mise à jour échoue. mise à jour de l'état affaires locales Créez une transaction locale dont la plage de données se trouve dans une valeur de clé de partition. Après avoir lu et écrit les données dans la transaction locale, la transaction locale peut être soumise ou rejetée en fonction de la situation réelle. affaires locales Compteur atomique Utilisez la colonne comme compteur atomique et effectuez des opérations de comptage atomique sur la colonne, qui peuvent être utilisées pour fournir des fonctions statistiques en temps réel pour certaines applications en ligne, telles que le comptage des PV (vues en temps réel) des publications, etc. Compteur atomique filtre Les résultats de lecture sont à nouveau filtrés côté serveur et les lignes sont renvoyées en fonction des conditions du filtre. Étant donné que seules les lignes de données qui remplissent les conditions sont renvoyées, dans la plupart des scénarios, la quantité de données transmises sur le réseau peut être efficacement réduite ainsi que le temps de réponse. filtre indice secondaire En créant une ou plusieurs tables d'index et en utilisant les colonnes de clé primaire des tables d'index pour interroger, cela équivaut à étendre les capacités de requête de clé primaire de la table de données à différentes colonnes. Les index secondaires incluent les index secondaires globaux et les index secondaires locaux. Index secondaire global : synchronise automatiquement les données des colonnes indexées et des colonnes de clé primaire de la table de données avec la table d'index de manière asynchrone. Dans des circonstances normales, le délai de synchronisation atteint le niveau de la milliseconde. Index secondaire local : synchronisez automatiquement les données des colonnes indexées et des colonnes de clé primaire de la table de données avec la table d'index de manière synchrone. Une fois les données écrites dans la table de données, les données peuvent être interrogées à partir de la table d'index. indice secondaire Indice secondaire mondial indice secondaire local Index multiples L'index multivarié est basé sur un stockage d'index et de colonnes inversé, qui peut résoudre des problèmes de requête complexes du Big Data, notamment les requêtes de colonnes à clé non primaire, les recherches en texte intégral, les requêtes de préfixe, les requêtes floues, les requêtes combinées multi-conditions, les requêtes imbriquées, les requêtes géographiques. requête de localisation et agrégation statistique (max, min, count, sum, avg, distinct_count, group_by), exportation simultanée de données et autres fonctions. Index multiples Utiliser la console Utiliser les outils de ligne de commande Utiliser le SDK requête SQL La fonction de requête SQL fournit une interface d'accès unifiée pour plusieurs moteurs de données. Grâce à la fonction de requête SQL, vous pouvez effectuer des requêtes complexes et une analyse efficace des données dans le stockage de tables. Lorsque vous utilisez SQL pour interroger des données, vous pouvez également utiliser des index pour optimiser la requête. requête SQL Utiliser la console Utiliser le SDK Utiliser JDBC Stockage de la table de connexion JDBC Utilisé via Hibernation Utilisé via MyBatis Utiliser le pilote de langage Go service de canal Table Storage fournit trois types de canaux de consommation de données distribuées en temps réel : incrémentiel, complet et incrémentiel plus complet, qui peuvent réaliser le traitement de la consommation du stock historique et des nouvelles données dans la table. service de canal Démarrage rapide Utiliser le SDK Sécurité des données Table Storage autorise l'accès à partir de n'importe quel réseau par défaut. Vous pouvez lier un VPC à une instance et modifier le type de réseau de l'instance pour utiliser les ressources de Table Storage dans un réseau privé afin de garantir la sécurité de l'accès au réseau. Afin de garantir la sécurité des données des tables, Table Storage fournit une fonction de cryptage du disque de données. Vous pouvez configurer le chiffrement de la table de données lorsque vous créez la table de données. Gestion de la sécurité du réseau cryptage des données Livraison de lacs de données Table Storage Data Lake Delivery peut sauvegarder entièrement ou fournir des données en temps réel au lac de données OSS pour le stockage afin de répondre aux besoins de stockage de données historiques à moindre coût et aux besoins d'analyse de données hors ligne et quasi en temps réel à plus grande échelle. Livraison de lacs de données Démarrage rapide Utiliser le SDK visualisation de données Prend en charge l'amarrage avec les outils de visualisation de données DataV ou Grafana. Les données stockées dans des tables peuvent être affichées visuellement en les connectant à des outils de visualisation de données. Connectez-vous avec Grafana Connectez-vous à DataV Surveillance et alarme En affichant les informations de surveillance des ressources Table Storage, vous pouvez comprendre l'utilisation des ressources. En définissant des règles d'alarme pour les indicateurs de surveillance importants des ressources, vous pouvez également connaître les anomalies des indicateurs en temps opportun et les traiter rapidement. Afficher les données de surveillance via la console Table Storage Configurer les alarmes des indicateurs de surveillance Sauvegarde et récupération Sauvegardez régulièrement les données de l'instance de stockage de table via la sauvegarde cloud hybride HBR (Hybrid Backup Recovery) et restaurez-les en temps opportun lorsque les données sont perdues ou endommagées. HBR prend en charge la sauvegarde complète et incrémentielle des données, ainsi que le mécanisme de redondance des données, ce qui peut améliorer la fiabilité des données du référentiel. Sauvegarder les données de Tablestore Restaurer les données de Tablestore Prise en charge de HBase Les applications Java de l'API HBase open source peuvent accéder directement au service de stockage de tables via le client Tablestore HBase. Prise en charge de HBase Démarrage rapide

Caractéristiques décrire Documents connexes Opérations sur les tables Prend en charge la liste de toutes les tables de séries chronologiques de l'instance, la création d'une table de séries chronologiques, l'interrogation des informations de configuration de la table de séries chronologiques, la mise à jour des informations de configuration de la table de séries chronologiques et la suppression d'une table de séries chronologiques. Utiliser la console Utiliser les outils de ligne de commande Utiliser le SDK Lire et écrire des données de synchronisation Écrivez les données de séries chronologiques par lots dans un tableau de séries chronologiques. Une fois les données écrites, vous pouvez interroger les données d'une chronologie dans une certaine plage de temps en spécifiant l'ID de la chronologie. Recherche dans la chronologie Recherchez la chronologie dans un tableau de séries chronologiques. Les conditions de recherche prennent en charge plusieurs combinaisons de conditions. Après avoir récupéré la chronologie, vous pouvez interroger davantage les données de la chronologie en appelant l'interface. Analyse des requêtes SQL La table de séries chronologiques prend en charge les requêtes via SQL. SQL prend en charge le filtrage des chronologies en spécifiant les conditions de métadonnées de la chronologie et en agrégeant les données selon différentes dimensions via des opérations d'agrégation statistique. De plus, SQL prend également en charge l'interrogation uniquement des métadonnées de la chronologie, ce qui facilite la gestion des métadonnées de la chronologie via SQL. Interroger des données de séries chronologiques à l'aide de SQL Connectez-vous avec Grafana Une fois les données du tableau stockées dans Table connectées à Grafana, Grafana peut générer un tableau de bord basé sur les données du tableau et afficher les données aux utilisateurs qui en ont besoin en temps réel. Connectez-vous avec Grafana

Caractéristiques décrire Documents connexes Opérations sur les tables Créez ou supprimez des tables méta et leurs index. Créez ou supprimez la table Timeline et ses index. Opérations sur les tables Métagestion La gestion des méta fournit des interfaces telles que l'ajout, la suppression, la modification, la lecture sur une seule ligne et la requête combinée multi-conditions. Métagestion Gestion du calendrier La gestion de la chronologie fournit des interfaces de requête floue de message et de requête combinée multi-conditions. Gestion du calendrier Gestion des files d'attente La file d'attente est une instance de gestion de la file d'attente de messages correspondant à l'identifiant unique placé dans un référentiel unique. Elle possède principalement des interfaces telles que l'écriture synchrone, l'écriture asynchrone, l'écriture par lots, la suppression, la modification synchrone, la modification asynchrone, la lecture d'une seule ligne et la lecture de plage. . Gestion des files d'attente

Il convient à la construction de systèmes dans des scénarios tels que les métadonnées, les données de messages, les données spatio-temporelles et le Big Data.

Fournit plusieurs méthodes d'accès aux données telles que les moteurs de règles SDK, DataWorks et IoT pour prendre en charge le stockage de données structurées de différents types d'entreprise telles que les données d'application, les données de messages et les données IoT.

Stockage de données multimodèle

Index de données diversifié

Stockage hiérarchisé chaud et froid

Livraison de lacs de données

Prend en charge l'amarrage avec les moteurs de calcul par lots de flux open source grand public, notamment Flink, Spark, Presto, etc.

Il présente une intégration relativement complète avec les composants écologiques de la plateforme Big Data d'Alibaba, notamment DataWorks, DataHub, MaxCompute, etc.

L'architecture des applications Internet comprend une architecture hiérarchique de base de données et une architecture de stockage de données structurées distribuées, qui sont principalement utilisées dans des scénarios tels que les commandes de commerce électronique, les barrages de diffusion en direct, les métadonnées de fichiers sur les disques réseau et la messagerie instantanée sur les réseaux sociaux.

L'architecture du lac de données est principalement utilisée dans les plateformes de data middle, les systèmes de recommandation, les systèmes de contrôle des risques et d'autres scénarios.

Le stockage de table peut être utilisé comme table source, table de résultats ou table de dimensions pour se connecter au moteur de calcul par lots en continu afin de mettre en œuvre le calcul et l'analyse du Big Data.

L'architecture IoT est principalement utilisée dans des scénarios tels que l'Internet des véhicules, les appareils électroménagers intelligents, l'Internet des objets industriel et la logistique.

Le stockage de tables sert de plate-forme de stockage de données unifiée dans l'infrastructure IoT pour stocker des données de séries chronologiques, des métadonnées, des données de messages, etc. liées à la plate-forme IoT, et fournit de riches capacités d'analyse et de traitement des données.

Il prend en charge plusieurs modèles de stockage de données tels que le modèle de table large (WideColumn), le modèle de série chronologique (TimeSeries), le message (Timeline), etc., et peut réaliser un stockage intégré de plusieurs types de données.

: Modèle classique Actuellement, la plupart des données semi-structurées et structurées sont stockées à l'aide du modèle de table large.

: Convient aux scénarios de données de base tels que les données de séries chronologiques et les données spatio-temporelles.

indice secondaire

Index multiples

Le système de commande est un système très courant qui existe dans tous les domaines, comme les commandes de commerce électronique, les relevés bancaires, les factures de téléphone des opérateurs, etc. Avec le développement d'Internet et l'importance accordée aux données par les entreprises, le nombre de commandes nécessitant stockage et persistance augmente. Les données relationnelles traditionnelles peuvent résoudre les problèmes des entreprises en ligne qui ont besoin de prendre en charge des transactions fortement cohérentes, mais les données relationnelles de commandes massives ne peuvent pas enregistrer la totalité de la quantité de données, il est donc nécessaire de prendre en charge le stockage hiérarchique des données.

La messagerie instantanée (Instant Messaging) est devenue un élément de base du secteur Internet actuel et est largement utilisée dans les réseaux sociaux, les jeux, les diffusions en direct et d'autres scénarios. Elle présente les caractéristiques d'un volume de données important, d'exigences élevées en temps réel et d'une croissance rapide des données. Par conséquent, il doit prendre en charge le stockage, la synchronisation et la récupération de messages massifs.

Le flux de flux est devenu une forme standard de transmission d'informations dans les réseaux sociaux, les médias, l'actualité et d'autres domaines, et a donné naissance à des produits grand public tels que Moments, Weibo et Toutiao. Étant donné que le taux de lecture-écriture dans les scénarios de flux de flux est généralement de 100:1 et que le mode push est souvent utilisé, il est nécessaire de prendre en charge l'écriture de messages à incrémentation automatique de clé primaire à haute concurrence.

En tant que principal moyen de fonctionnement raffiné de toutes les entreprises actuelles, le système de recommandation est largement utilisé dans le commerce électronique, les courtes vidéos, les actualités et d'autres scénarios. Il présente les caractéristiques d'un grand volume de données, de mises à jour en temps réel, de recommandations personnalisées, etc. , il doit donc prendre en charge le stockage massif de messages et l'analyse en temps réel et hors ligne.

Grâce à l'analyse et au contrôle des informations sur l'opinion publique, nous pouvons analyser et obtenir des informations efficaces sur le marché. Par exemple, la collecte et l'analyse d'avis, d'actualités, de commentaires et d'autres informations nécessitent une écriture hautement simultanée de données multi-types riches et pratiques. flux de données pour le calcul et l’analyse.