マインドマップギャラリー Alibaba Cloud テーブルストア テーブルストア
Tablestore は、大規模な構造化データ用のサーバーレス テーブル ストレージ サービスを提供し、IoT シナリオを徹底的に最適化するためのワンストップ IoTstore ソリューションを提供します。大量の請求書、IM メッセージ、モノのインターネット、車両のインターネット、リスク管理、推奨事項などのシナリオにおける構造化データ ストレージに適しています。大量のデータの低コスト ストレージ、ミリ秒レベルのオンライン データ クエリと取得を提供します。 、柔軟なデータ分析機能。
2024-01-12 17:44:04 に編集されましたAlibaba Cloud テーブルストア テーブルストア
製品導入
Tablestore は、大規模な構造化データ用のサーバーレス テーブル ストレージ サービスを提供し、IoT シナリオを徹底的に最適化するためのワンストップ IoTstore ソリューションを提供します。大量の請求書、IM メッセージ、モノのインターネット、車両のインターネット、リスク管理、推奨事項などのシナリオにおける構造化データ ストレージに適しています。大量のデータの低コスト ストレージ、ミリ秒レベルのオンライン データ クエリと取得を提供します。 、柔軟なデータ分析機能。
基本的な考え方
用語 説明する エリア リージョン (リージョン) 物理データセンター、テーブル ストレージ サービスは複数の Alibaba Cloud リージョンにデプロイされ、ビジネス ニーズに応じてさまざまなリージョンのテーブル ストレージ サービスを選択できます。詳細については、「Table Storage によってアクティブ化されるリージョン」を参照してください。 読み取りおよび書き込みのスループット 読み取りスループットと書き込みスループットの単位は、読み取りサービス能力単位と書き込みサービス能力単位です。キャパシティ ユニット (CU) は、データの読み取りおよび書き込み操作の最小課金単位です。詳細については、「読み取りおよび書き込みのスループット」を参照してください。 例 インスタンスは、テーブル ストレージ サービスを使用および管理するエンティティであり、各インスタンスはデータベースに相当します。 Table Storage のアプリケーション アクセス制御とリソース メータリングは、インスタンス レベルで完了します。詳細については、例を参照してください。 サービスアドレス 各インスタンスはサービス アドレス (エンドポイント) に対応しており、アプリケーションはテーブルやデータの操作を実行するときにサービス アドレスを指定する必要があります。詳細については、サービスアドレスを参照してください。 データのライフサイクル データ ライフ サイクル (Time To Live、略して TTL) はデータ テーブルの属性、つまりデータの存続時間を秒単位で表します。 Table Storage は、生存時間を超えたデータをバックグラウンドでクリーンアップし、データ ストレージ容量とストレージ コストを削減します。
データストレージモデル
モデル 説明する ワイドテーブルモデル これは、メタデータやビッグ データなどのさまざまなシナリオに適用できる Bigtable/HBase に似たモデルで、データ バージョン、ライフ サイクル、主キー列の自動インクリメント、条件付き更新、ローカル トランザクション、アトミック カウンター、フィルターなどをサポートします。機能。詳細については、「ワイド テーブル モデル」を参照してください。 タイミングモデル 時系列データの特性に基づいて設計されたモデルは、IoTデバイス監視、デバイスデータ収集、マシン監視データなどのシナリオに適用でき、時系列メタデータインデックスの自動構築や豊富な時系列クエリ機能などの機能をサポートします。詳細については、「タイミング モデル」を参照してください。 メッセージモデル メッセージ データ シナリオ用に設計されたモデルは、IM やフィード フローなどのメッセージ シナリオに適用できます。メッセージ順序の保存、大量のメッセージの保存、リアルタイム同期などのメッセージ シナリオの要件を満たすことができ、全文検索と多次元結合クエリもサポートします。詳細については、「メッセージ モデル」を参照してください。
計算と分析
MaxCompute、Spark、Hive または HadoopMR、Function Compute、Flink、Table Storage SQL クエリによる計算と分析をサポートします。実際のシナリオに応じて、対応する分析ツールを選択してください。
分析ツール 適用機種 操作する 説明する マックスコンピューティング ワイドテーブルモデル MaxCompute の使用 MaxCompute クライアントを介してテーブル ストレージ データ テーブルの外部テーブルを作成し、テーブル ストレージ内のデータにアクセスします。 スパーク ワイドテーブルモデル Spark コンピューティング エンジンの使用 Spark コンピューティング エンジンを使用すると、E-MapReduce SQL または DataFrame を介したテーブル ストレージへのプログラムによるアクセスがサポートされます。 Hive または HadoopMR ワイドテーブルモデル Hive または HadoopMR を使用する Hive または HadoopMR を使用して、テーブル ストレージ内のデータにアクセスします。 関数計算 ワイドテーブルモデル 関数を使って計算する 関数コンピューティングを通じてテーブル ストレージにアクセスし、テーブル ストレージの増分データに対してリアルタイム計算を実行します。 フリンク ワイドテーブルモデル タイミングモデル フリンクの使用 リアルタイム計算を通じて、Flink はテーブル ストレージ内のソース テーブル、ディメンション テーブル、または結果テーブルにアクセスし、ビッグ データのリアルタイム計算と分析を実現します。 現在、データ テーブルはソース テーブル、ディメンション テーブル、または結果テーブルとして使用できますが、時系列テーブルは結果テーブルとしてのみ使用できます。 プレスト ワイドテーブルモデル PrestoDB での Tablestore の使用 Presto を使用して Tablestore に接続した後、SQL を使用して Tablestore 内のデータのクエリと分析、Tablestore へのデータの書き込み、Tablestore 上の Presto に基づいたデータの Tablestore へのインポートを行うことができます。 テーブルストレージの複数のインデックス ワイドテーブルモデル 複数のインデックス 多変量インデックスは逆インデックスと列ストレージに基づいており、多次元クエリとビッグデータの統計分析の問題を解決できます。日常業務において、非主キー列クエリ、複数列結合クエリ、ファジークエリなどの多次元クエリ要件や、最大値の検索、行数のカウント、データのグループ化などのデータ分析要件がある場合、これらの属性を多変量インデックスのフィールドとして使用し、それらを組み合わせて、多変量インデックスを使用してデータのクエリと分析を行うことができます。 テーブルストレージSQLクエリ ワイドテーブルモデル タイミングモデル SQLクエリを使用する SQL クエリは、複数のデータ エンジンに統合されたアクセス インターフェイスを提供します。 SQL クエリ機能を使用すると、複雑なクエリを実行し、テーブル ストレージ内のデータを効率的に分析できます。
特徴
ワイドテーブルモデル
ワイドテーブルモデルがサポートする機能については、次の表を参照してください。
特徴 説明する 関連資料 テーブル操作 インスタンス内のすべてのデータ テーブルの一覧表示、データ テーブルの作成、データ テーブルの構成情報のクエリ、データ テーブルの構成情報の更新、およびデータ テーブルの削除をサポートします。 テーブル操作 基本的なデータ操作 Table Storage は、PutRow、GetRow、UpdateRow、および DeleteRow の単一行データ操作インターフェイスと、BatchWriteRow、BatchGetRow、および GetRange の複数行データ操作インターフェイスを提供します。単一行データ操作インターフェイスまたは複数行データ操作インターフェイスを介して、テーブル内のデータの読み取りと書き込みを行うことができます。 データ入力 読み取りデータ データを削除する データのバージョンとライフサイクル データ バージョンとデータ ライフサイクル (TTL) 機能を使用すると、データを効果的に管理し、データ ストレージ領域を削減し、ストレージ コストを削減できます。 データのバージョンとライフサイクル 主キー列の自動インクリメント 非パーティション キーの主キー列を自動インクリメント列に設定した後、データを書き込むときに自動インクリメント列に特定の値を設定する必要はありません。Table Storage は自動インクリメントの値を自動的に生成します。カラム。値は一意であり、パーティション キー レベルで厳密に増加します。 主キー列の自動インクリメント 状態の更新 条件が満たされる場合にのみデータ テーブル内のデータを更新できます。条件が満たされない場合、更新は失敗します。 状態の更新 地方事情 データ範囲がパーティション キー値内にあるローカル トランザクションを作成します。ローカル トランザクションでデータを読み書きした後、実際の状況に応じてローカル トランザクションを送信または破棄できます。 地方事情 アトミックカウンター 列をアトミック カウンターとして使用し、列に対してアトミック カウント操作を実行します。これを使用して、投稿の PV (リアルタイム ビュー) のカウントなど、一部のオンライン アプリケーションにリアルタイム統計機能を提供できます。 アトミックカウンター フィルター 読み取り結果はサーバー側で再度フィルタリングされ、フィルタの条件に基づいてどの行が返されます。条件を満たすデータ行のみが返されるため、ほとんどのシナリオで、ネットワーク上で送信されるデータ量が効果的に削減され、応答時間が短縮されます。 フィルター セカンダリインデックス 1 つ以上のインデックス テーブルを作成し、インデックス テーブルの主キー列を使用してクエリを実行することは、データ テーブルの主キー クエリ機能を別の列に拡張することと同じです。セカンダリ インデックスには、グローバル セカンダリ インデックスとローカル セカンダリ インデックスが含まれます。 グローバル セカンダリ インデックス: データ テーブル内のインデックス付き列と主キー列のデータをインデックス テーブルに非同期的に自動的に同期します。通常の状況では、同期遅延はミリ秒レベルに達します。 ローカル セカンダリ インデックス: データ テーブル内のインデックス付き列と主キー列のデータを、同期方式でインデックス テーブルに自動的に同期します。データがデータ テーブルに書き込まれた後、インデックス テーブルからデータをクエリできます。 セカンダリインデックス グローバルセカンダリインデックス ローカルセカンダリインデックス 複数のインデックス 多変量インデックスは逆インデックスと列ストレージに基づいており、非主キー列クエリ、全文検索、プレフィックス クエリ、ファジー クエリ、複数条件の組み合わせクエリ、ネストされたクエリ、地理的クエリなど、ビッグ データの複雑なクエリ問題を解決できます。位置クエリ、統計集計 (max、min、count、sum、avg、distinct_count、group_by)、データの同時エクスポート、およびその他の機能。 複数のインデックス コンソールを使用する コマンドラインツールを使用する SDKを使用する SQLクエリ SQL クエリ機能は、複数のデータ エンジンに統合されたアクセス インターフェイスを提供します。 SQL クエリ機能を使用すると、複雑なクエリを実行し、テーブル ストレージ内のデータを効率的に分析できます。 SQL を使用してデータをクエリする場合、インデックスを使用してクエリを最適化することもできます。 SQLクエリ コンソールを使用する SDKを使用する JDBCの使用 JDBC接続テーブルストレージ Hibernate経由で使用 MyBatis経由で使用 Go言語ドライバーの使用 チャンネルサービス Table Storage は、増分、フル、増分プラスフルの 3 種類の分散データ リアルタイム消費チャネルを提供し、テーブル内の過去のストックと新しいデータの消費処理を実現できます。 チャンネルサービス クイックスタート SDKを使用する データセキュリティ Table Storage では、デフォルトで任意のネットワークからのアクセスが許可され、VPC をインスタンスにバインドし、プライベート ネットワーク内の Table Storage リソースを使用するようにインスタンスのネットワーク タイプを変更して、ネットワーク アクセスのセキュリティを確保できます。 テーブルデータのセキュリティを確保するために、Table Storage はデータディスク暗号化機能を提供します。データテーブルの作成時にデータテーブルの暗号化を構成できます。 ネットワークセキュリティ管理 データ暗号化 データレイクの配信 Table Storage Data Lake Delivery は、データを完全にバックアップしたり、ストレージ用のデータ レイク OSS にリアルタイムで配信したりすることで、低コストの履歴データ ストレージや大規模なオフラインおよび準リアルタイム データ分析のニーズを満たすことができます。 データレイクの配信 クイックスタート SDKを使用する データの視覚化 データ視覚化ツール DataV または Grafana とのドッキングをサポートします。テーブルストレージ内のデータは、データ視覚化ツールとドッキングすることで視覚的に表示できます。 グラファナと接続する DataVに接続する 監視と警報 Table Storage リソースの監視情報を表示することで、リソースの使用状況を把握できます。リソースの重要な監視指標にアラームルールを設定することで、指標の異常をタイムリーに把握し、迅速に対処することもできます。 Table Storage コンソールを介して監視データを表示する 監視インジケーターアラームを設定する バックアップとリカバリ ハイブリッド クラウド バックアップ HBR (ハイブリッド バックアップ リカバリ) を通じてテーブル ストレージ インスタンス内のデータを定期的にバックアップし、データが失われたり破損したりした場合には適時に復元します。 HBR は完全および増分データ バックアップをサポートし、リポジトリのデータの信頼性を向上できるデータ冗長性メカニズムもサポートします。 Tablestore データのバックアップ Tablestore データの復元 HBase のサポート オープン ソース HBase API の Java アプリケーションは、Tablestore HBase クライアントを通じてテーブル ストレージ サービスに直接アクセスできます。 HBase のサポート クイックスタート
タイミングモデル
タイミング モデルでサポートされる機能については、次の表を参照してください。
特徴 説明する 関連資料 テーブル操作 インスタンス内のすべての時系列テーブルの一覧表示、時系列テーブルの作成、時系列テーブルの構成情報のクエリ、時系列テーブルの構成情報の更新、時系列テーブルの削除をサポートします。 コンソールを使用する コマンドラインツールを使用する SDKを使用する タイミングデータの読み書き 時系列データを時系列テーブルに一括して書き込みます。データの書き込み後、タイムライン ID を指定して、特定の時間範囲内のタイムラインのデータをクエリできます。 タイムライン検索 時系列テーブル内のタイムラインを検索します。検索条件は複数の条件の組み合わせをサポートします。タイムラインを取得した後、インターフェイスを呼び出してタイムライン内のデータをさらにクエリできます。 SQLクエリ分析 時系列テーブルは、SQL によるクエリをサポートします。SQL は、タイムラインのメタデータ条件を指定することによるタイムラインのフィルタリングと、統計集計操作を通じてさまざまなディメンションに従ってデータを集計することをサポートします。 さらに、SQL はタイムラインのメタデータのみのクエリもサポートしているため、SQL によるタイムラインのメタデータ管理が容易になります。 SQL を使用して時系列データをクエリする グラファナと接続する Table に保存されたテーブル データが Grafana に接続されると、Grafana はテーブル データに基づいてダッシュボードを生成し、データを必要とするユーザーにリアルタイムでデータを表示できます。 グラファナと接続する
メッセージモデル
メッセージ モデルでサポートされる機能については、次の表を参照してください。
特徴 説明する 関連資料 テーブル操作 メタテーブルとそのインデックスを作成または削除します。 Timeline テーブルとそのインデックスを作成または削除します。 テーブル操作 メタ管理 メタ管理は、追加、削除、変更、単一行の読み取り、複数条件の組み合わせクエリなどのインターフェイスを提供します。 メタ管理 タイムライン管理 タイムライン管理では、メッセージ ファジー クエリと複数条件を組み合わせたクエリ インターフェイスが提供されます。 タイムライン管理 キュー管理 Queueは、単一のリポジトリに配置された単一の識別子に対応するメッセージキューの管理インスタンスであり、主に同期書き込み、非同期書き込み、一括書き込み、削除、同期変更、非同期変更、単一行読み取り、範囲読み取りなどのインターフェースを持ちます。 。 キュー管理
製品アーキテクチャ
システム構造
テーブル ストレージのアーキテクチャを次の図に示します。
ビジネスシーン
メタデータ、メッセージデータ、時空間データ、ビッグデータなどのシナリオでのシステム構築に適しています。
データアクセス
SDK、DataWorks、IoT ルール エンジンなどの複数のデータ アクセス方法を提供し、アプリケーション データ、メッセージ データ、IoT データなど、さまざまなビジネス タイプの構造化データのストレージをサポートします。
テーブルストア
マルチモデルデータストレージ
さまざまな業種の構造化データに対応するデータ ストレージ モデルとして、ワイド テーブル (WideColumn) モデル、時系列 (TimeSeries) モデル、およびメッセージ (Timeline) モデルの 3 つのデータ ストレージ モデルが提供されています。
モデル 説明する ワイドテーブルモデル これは、メタデータやビッグ データなどのさまざまなシナリオに適用できる Bigtable/HBase に似たモデルで、データ バージョン、ライフ サイクル、主キー列の自動インクリメント、条件付き更新、ローカル トランザクション、アトミック カウンター、フィルターなどをサポートします。機能。詳細については、「ワイド テーブル モデル」を参照してください。 タイミングモデル 時系列データの特性に基づいて設計されたモデルは、IoTデバイス監視、デバイスデータ収集、マシン監視データなどのシナリオに適用でき、時系列メタデータインデックスの自動構築や豊富な時系列クエリ機能などの機能をサポートします。詳細については、「タイミング モデル」を参照してください。 メッセージモデル メッセージ データ シナリオ用に設計されたモデルは、IM やフィード フローなどのメッセージ シナリオに適用できます。メッセージ順序の保存、大量のメッセージの保存、リアルタイム同期などのメッセージ シナリオの要件を満たすことができ、全文検索と多次元結合クエリもサポートします。詳細については、「メッセージ モデル」を参照してください。
多様なデータインデックス
テーブル ストレージは、セカンダリ インデックスおよびマルチインデックス インデックス作成方法もサポートしており、強力なデータ クエリ機能を提供します。
インデックスの種類 説明する データテーブルの主キー データ テーブルは巨大なマップに似ており、そのクエリ機能は主キーを介してのみクエリできるマップのクエリ機能に似ています。 セカンダリインデックス 1 つ以上のインデックス テーブルを作成し、インデックス テーブルの主キー列を使用してクエリを実行することは、データ テーブルの主キー クエリ機能を別の列に拡張することと同じです。 複数のインデックス 逆インデックス、BKD ツリー、列ストレージなどの構造を使用し、非主キー列の条件付きクエリ、複数条件の組み合わせクエリ、地理的位置クエリ、全文検索、ファジー クエリ、ネストされたクエリなどの豊富なクエリ機能を備えています。構造クエリと統計的集計。
ホットおよびコールドの階層型ストレージ
データ ストレージは、ホットおよびコールドの自動階層化をサポートし、テーブル ストレージは、さまざまなビジネスのデータ ストレージ ニーズを満たす高パフォーマンス インスタンスとキャパシティ インスタンスの 2 つのインスタンス仕様をサポートします。
インスタンスの仕様 説明する 高性能インスタンス ゲーム、財務リスク管理、ソーシャル アプリケーション、レコメンデーション システムなど、非常に高い読み書きパフォーマンスと同時実行性を必要とするシナリオに適しています。 キャパシティインスタンス ログ監視データ、車両インターネット データ、機器データ、時系列データ、物流データ、世論監視など、読み取りパフォーマンスには敏感ではないがコストには敏感なビジネスに適しています。
データレイクの配信
テーブル データの完全バックアップ、またはストレージ用のデータ レイク OSS へのデータのリアルタイム配信。配信されるデータは、オープンソースの環境標準と互換性があり、Parquet 列ストレージ形式で保存され、Hive 命名規則と互換性があります。 E-MapReduce を使用すると、OSS に配信されたデータの外観分析を直接実行できます。
コンピューティングの生態学的ドッキング
Flink、Spark、Presto など、主流のオープンソース ストリーム バッチ コンピューティング エンジンとのドッキングをサポートします。
DataWorks、DataHub、MaxCompute など、アリババのビッグデータ プラットフォームのエコロジー コンポーネントと比較的完全に統合されています。
典型的なアプリケーションアーキテクチャ
インターネット アプリケーション アーキテクチャ
インターネット アプリケーション アーキテクチャには、データベース階層アーキテクチャと分散構造化データ ストレージ アーキテクチャが含まれます。これらは主に、電子商取引の注文、ライブ ブロードキャストの集中砲火、ネットワーク ディスク内のファイル メタデータ、ソーシャル ネットワークのインスタント メッセージングなどのシナリオで使用されます。
データベースの階層化アーキテクチャ
データベース階層アーキテクチャでは、Tablestore を使用して MySQL と連携してアプリケーション システムのビジネス要件を満たし、MySQL のトランザクション機能を使用して強力なトランザクション要件を必要とする書き込み操作と部分読み取り操作を処理し、Tablestore のデータ取得機能とビッグ データ ストレージを使用します。これを実現するには、データのストレージ、クエリ、分析が必要です。
分散構造化データストレージアーキテクチャ
分散構造化データ ストレージ アーキテクチャでは、Tablestore がアプリケーション システムに直接接続され、シンプルなトランザクション処理と高度な同時データの読み取りと書き込みが実装されます。
データレイクアーキテクチャ
データ レイク アーキテクチャは、主にデータ ミドル プラットフォーム、推奨システム、リスク管理システム、その他のシナリオで使用されます。
テーブル ストレージは、ストリーミング バッチ計算エンジンに接続してビッグ データの計算と分析を実装するためのソース テーブル、結果テーブル、またはディメンション テーブルとして使用できます。
IoTアーキテクチャ
IoT アーキテクチャは主に、車両のインターネット、スマート家電、産業用モノのインターネット、物流などのシナリオで使用されます。
テーブル ストレージは、IoT プラットフォームに関連する時系列データ、メタデータ、メッセージ データなどを保存するための IoT インフラストラクチャにおける統合データ ストレージ プラットフォームとして機能し、豊富なデータ分析および処理機能を提供します。
製品の利点
マルチモデルデータストレージ
テーブルストレージ
ワイドテーブル(WideColumn)モデル、時系列(TimeSeries)モデル、メッセージ(Timeline)などの複数のデータ保存モデルをサポートしており、複数種類のデータの統合保存を実現できます。
ワイドテーブルモデル
: クラシック モデル 現在、ほとんどの半構造化データと構造化データはワイド テーブル モデルを使用して保存されます。
タイミングモデル
: 時系列データや時空間データなどのコア データ シナリオに適しています。
多様なデータインデックス
テーブル ストレージは、セカンダリ インデックスおよびマルチインデックス インデックス作成方法もサポートしており、強力なデータ クエリ機能を提供します。
セカンダリインデックス
: これは、データ テーブルに別の並べ替え方法を提供することと同等です。つまり、クエリ条件のデータ分布を事前に設計することで、データ クエリの効率を向上させることができます。
複数のインデックス
: 転置インデックスと列指向ストレージに基づいて、複数フィールドの自由組み合わせクエリ、ファジークエリ、地理的位置クエリ、全文検索などをサポートし、ビッグデータの複雑なクエリ問題を解決できます。
マルチコンピューティングのエコロジーアクセス
オープンソース エコシステムとアリババの自社開発エコシステムへのアクセスをサポートします。
MaxCompute や Spark などのバッチ コンピューティングとのドッキング、およびリアルタイム データ チャネルを介した Flink ストリーム コンピューティングとのドッキングをサポートします。
アクセスセキュリティ
さまざまな権限管理メカニズムを提供し、ID 認証とリクエストごとに認証を実行して、不正なデータ アクセスを防止し、データ アクセスのセキュリティを確保します。
ログイン権限、テーブル作成権限、読み取りおよび書き込み権限、ホワイトリスト制御権限などのデータ アクセス権限管理をサポートします。
シームレスに拡張
データシャーディングとロードバランシングテクノロジーにより、シームレスなストレージ拡張が実現します。テーブル データの量が増加し続けると、Table Storage はデータ パーティションを調整して、テーブルにさらに多くのストレージを構成します。テーブル ストレージは 10 PB 以上のデータ ストレージをサポートでき、単一のテーブルは 1 PB 以上のデータ ストレージまたは 1 兆レコードをサポートできます。
高信頼性
データの複数のバックアップを異なるマシンの異なるラックに保存し、バックアップが失敗した場合に迅速に復元することで、99.99999999% (10 ナイン) の信頼性を実現します。
強力なデータ一貫性
データ書き込みの強力な一貫性を確保し、データの 3 つのコピーすべてがディスクに書き込まれ、すべてのデータの一貫性が維持されるようにします。書き込み操作が正常に戻ると、アプリケーションはすぐに最新のデータを読み取ることができます。
高い同時読み取りと書き込み
数千万の同時読み取りおよび書き込み機能をサポートします。
便利な操作とメンテナンス
テーブル ストレージを使用すると、ソフトウェアとハードウェアのプロビジョニング、構成、障害、クラスターの拡張、セキュリティなどの問題を心配することなく、ビジネスの研究開発だけに集中するだけで済み、高いサービス可用性が確保され、管理コストと運用保守コストが大幅に削減されます。 。
アプリケーションシナリオ
インターネット申請
過去の注文データのシナリオ
注文システムは、電子商取引の注文、銀行取引明細書、オペレーターの電話請求書など、あらゆる分野に存在する非常に一般的なシステムです。インターネットの発展と企業によるデータの重視に伴い、ストレージと永続性を必要とする注文の数が増加しています。従来のリレーショナル データは、強力な一貫性のあるトランザクションをサポートする必要があるオンライン ビジネスを解決できますが、大規模な注文リレーショナル データではデータ全体を保存できないため、階層データ ストレージをサポートする必要があります。
IMシーン
IM (インスタント メッセージング) は現在のインターネット ビジネスの基本コンポーネントとなっており、ソーシャル ネットワーキング、ゲーム、ライブ ブロードキャストなどのシナリオで広く使用されており、大容量のデータ、高いリアルタイム要件、および急速なデータ増加という特徴があります。したがって、大量のメッセージの保存、同期、取得をサポートする必要があります。
フィードフローシナリオ
フィード フローはソーシャル ネットワーキング、メディア、ニュースなどの分野で標準的な情報伝達形式となり、Moments、Weibo、Toutiao などの主流製品を生み出しました。フィード ストリーム シナリオにおける読み取りと書き込みの比率は通常 100:1 であり、プッシュ モードがよく使用されるため、同時実行性の高い主キーの自動インクリメント メッセージ書き込みをサポートする必要があります。
ビッグデータ
推奨システム
現在のすべてのビジネスの洗練された運営の主な手段として、レコメンデーション システムは、電子商取引、ショート ビデオ、ニュース、その他のシナリオで広く使用されており、大容量のデータ、リアルタイムの更新、パーソナライズされたレコメンデーションなどの特徴を備えています。そのため、大規模なメッセージ ストレージとリアルタイムおよびオフライン分析をサポートする必要があります。
世論&リスク管理分析(データクローラ)シナリオ
世論情報の分析と管理を通じて、市場に関する効果的な分析と洞察を得ることができます。たとえば、レビュー、ニュース、コメントなどの情報の収集と分析には、豊富な多種類のデータの同時書き込みが必要であり、便利です。計算と分析のためのデータ フロー。
モノのインターネット
モノのインターネット (IoT) シナリオにおけるシステムの運用と保守の監視、および環境と人の監視は、事実の理解と意思決定に役立ちます。そのため、多数のデータの同時書き込みと保存をサポートする必要があります。デバイスとシステムと意思決定分析。