首页 新闻中心 柏睿实时云数仓,提供云上大数据实时分析的极致性能

柏睿实时云数仓,提供云上大数据实时分析的极致性能

发布时间:2023-05-09  |  阅读:

640.gif


在大数据云时代,云原生正成为一种重要的数据库新形态和未来发展的重要趋势。据Gartner预测,到2025年,中国81.2%的数据库营收都将在云端产生。




随着各行业的数据规模呈爆炸式增长,用户对云环境中的数据存储、处理、管理和安全方面提出了更高要求,而基于传统磁盘的数据仓库受限于磁盘读写速度,面临着数据存不下、查不出、扩容难、云环境运行不友好等痛点


柏睿数据作为在数据智能产业早先布局的厂商,致力于推动大数据技术在智能端与云端的战略升级,产品已在云端部署,其中推出的实时云数仓服务(RapidsDB Cloud Data Warehouse,简称RapidsDB DWS),基于柏睿云能平台和具有完全知识产权的全内存分布式计算引擎支持用户从公有云、私有云、混合云及服务器自动化统一部署与管理柏睿实时云数仓集群,为用户提供基于云原生的、极速的大数据实时分析能力,轻松实现跨云跨库,满足用户在大数据云时代的全场景数据仓库/数据库需求。


目前,柏睿实时云数仓服务已在华为云(北京和新加坡)、阿里云、AWS(美国)、谷歌云等众多云厂商商城中上线,并拥有成功实践案例,产品服务随着国内外行业用户的创新应用和市场需求不断迭代更新。


640.png



柏睿实时云数仓优势特性


柏睿实时云数仓集成大规模并行处理(MPP)、库内人工智能、数据联邦、流数据处理等技术,能够支持20+多源异构数据的在线实时分析,兼顾OLTP和OLAP场景,具备极速性能、安全可靠、弹性伸缩、高效管理等优势特性,且总体拥有成本(TCO)更低。


01
极速性能


支持全域PB级规模数据存储与实时在线分析,3000亿条数据查询秒级响应,TPC-H测试比主流产品快5倍。

  • 分布式内存 MPP 框架,在线弹性扩展计算与存储资源,优化云计算运行环境。

  • 分布式数据存储实现自动分区平衡,无需ETL操作,采用自适应下推、动态查询优化等技术,优化和加速查询。


02
安全可靠


每个数据库集群都独立部署于云主机中,运行资源完全隔离,实现数据安全、隐私保护;分布式架构支持集群高可用;支持云存储备份与恢复数据,保证系统高可用性。


03
弹性伸缩


利用分布式节点集群中的多核CPU,支持在线自助扩容/缩容数据库节点,数据库集群性能随节点数量线性提升。


04
支持20+多源异构数据


通过可插拔的自有连接器MOXE和其他内置的各类连接器,接入20+异构数据源,提供基于SQL标准的统一接口,实现多源异构数据的实时聚合、查询和分析。


05
兼顾OLTP和OLAP场景


支持行存储、列存储和混合存储,可根据不同的数据处理场景灵活选择存储方式,以优化RAM和闪存用量,最大化实现数据库性能。


06
高效管理


云端自主部署所需数据库,在线自助管理集群。通过柏睿数据云能平台,与云厂商API对接,实现数据库集群建立、删除等功能所需的云资源调度;多租户自主Portal,全面掌控集群整体和详细的运行情况、主机状态等运行信息。


07
更低TCO


按需即买即用,利益最大化配置计算资源;相同的数据量和云端运行环境测试,计算资源占用少;完全支持标准SQL语言,降低学习成本。



柏睿实时云数仓

助力企业提质增效的成功实践



Sentient.io是位于新加坡的AI原生公司,面向全球提供安全、易用的企业级人工智能解决方案。早先其在TeamSpaces业务系统中使用Redis、Elasticsearch等数据库技术,由于使用分散的专用数据库技术,造成了数据孤岛,影响业务协作效率,且学习和使用成本非常高

640.jpeg

原有数据库技术架构图


经过多次综合比较测试,Sentient选择了柏睿数据提供的实时云数仓服务。

640 (1).png

部署柏睿实时云数仓的技术架构图


通过在柏睿云能平台上自助部署与管理柏睿实时云数仓集群,替换开源数据库Redis,Sentient以高性能和低成本构筑“数据群岛”,实现了更加极致的大数据洞察力


  • 高性能:业务端用户通过统一的SQL接口实时查询大量结构化和非结构化数据,秒级返回结果,极大提升AI应用程序开发人员和业务用户的协作效率和用户体验,助力企业安全、简便地构建和部署AI模型。


  • 低成本:只需两台服务器就可以达到原有数据栈支持的效果,同时开发、运维人员的培训成本和时间成本降低,TCO降低80%!



柏睿实时云数仓部署展示



欢迎关注柏睿数据视频号,观看在AWS和谷歌云环境中部署柏睿实时云数仓集群的过程。


欢迎访问http://cloud.rapidsdb.com/

热门新闻