全球广受欢迎的开源数据库 重要特性  Oracle MySQL 服务云  MySQL 数据库  MySQL 企业级备份  MySQL 企业级高可用性  MySQL 企业级可扩展性  MySQL 企业级身份验证  MySQL 企业级 TDE  MySQL 企业级加密  MySQL 企业级防火墙  MySQL 企业级审计  MySQL Enterprise MySQL 可扩展性、安全性、可靠性和无故障运行时间。 MySQL 企业版可在开发、部署和管理业务关键型 MySQL 应用的过程中降低风险、削减成本和减 少复杂性。MySQL 企业版具有以下独特优势：  使用 Oracle MySQL 服务云轻松设置、运行和管理云中的 MySQL  使用 MySQL 分组复制来确保数据库的高可用性  通过 MySQL 企业级可扩展性应对指数级增长的用户和数据量 MySQL 应用。MySQL 数据库具备以下特性： ORACLE 产品介绍 2  高性能和可扩展性可满足呈指数级增长的数据负载和用户的需求。  自我修复式复制集群可提升可扩展性、性能和可用性。  联机模式更改可满足不断变化的业务需求。  Performance Schema 可监视各个用户和应用的性能及资源占用情况。

什么是 什么是TiDB 产品优势 产品优势 ⾼度兼容 MySQL 动态扩展 分布式事务 HTAP 真正⾦融级⾼可⽤ 适⽤场景 适⽤场景 对数据⼀致性及⾼可靠、系统⾼可⽤、可扩展性、容灾要求较⾼的⾦融⾏业属性的场景 对存储容量、可扩展性、并发要求较⾼的海量数据及⾼并发的 OLTP 场景 Real-time HTAP 场景 数据汇聚、⼆次加⼯处理的场景 真正⾦融级⾼可⽤ UCloud 云上 云上 TiDB 解决⽅案。TiDB 适合⾼可⽤、强⼀致要求较⾼、数据规模较⼤等各种应⽤ 场景。 对数据⼀致性及⾼可靠、系统⾼可⽤、可扩展性、容灾要求较⾼的⾦融⾏业属性的场景 对数据⼀致性及⾼可靠、系统⾼可⽤、可扩展性、容灾要求较⾼的⾦融⾏业属性的场景 众所周知，⾦融⾏业对数据⼀致性及⾼可靠、系统⾼可⽤、可扩展性、容灾要求较⾼。传统的解决⽅案是同城两个机房提供服务、异地⼀个机房提供数据容灾能⼒但不提供服务，此解决⽅案存 Multi-Raft 协议 的⽅式将数据调度到不同的机房、机架、机器，当部分机器出现故障时系统可⾃动进⾏切换，确保系统的 RTO <= 30s 及 RPO = 0。 对存储容量、可扩展性、并发要求较⾼的海量数据及⾼并发的 对存储容量、可扩展性、并发要求较⾼的海量数据及⾼并发的 OLTP 场景 场景 随着业务的⾼速发展，数据呈现爆炸性的增⻓，传统的单机数据库⽆法满⾜因数据爆炸性的增⻓对数据库的容量要求，可⾏⽅案是采⽤分库分表的中间件产品或者

Aurora 数据库遇到许多写入请求时, Binlog 同步会成为撼颈, 在提交过程中, Aurora 数据库等待同步目标返回 ACK, 当同步数量增加时, 提交延迟也会增加。因此, PayPay 寻求扩展性更好的云 原生数据库方案。 迁移实践 在验证阶段, PayPay 将实际生产流量克隆到另一个 Aurora 数据库和TiDB 数据库中, 并引入 P6spy 开源框 架检查数据的完整性, 采用 TiDB 景全链路的数字化平台服务。 业务挑战 随着业务发展带来的数据量激增，存放在 Oracle Exadata 一体机数据周期越来越短 ,分库分表的设计满 足不了时效需求，统计分析依赖存储过程，系统的扩展性和可维护性不高。业务高峰时期单机遇到性能 撼巴，故障风险较高，数据同步 T+l 的分析时效不够。 中通快递希望数据库在满足强一致分布式事务的基础上，支持高并发读写，提代 并且可以与 Spark 技术生态紧密融合。 小红书月活跃用户数已经过亿, 并持续快速增长。 业务挑战 在数据报表场景, 原先采用 Hadoop 数仓对数据做预聚合, 然后放到 MySQL 里面做查询, 随着业务增长， 报表形式更加多样化, MySQL 的扩展性成为瓶颈。多节点 MySQL 的分库分表方案复杂度高, 运维非常困 难。在反欺诈分析场景, 传统数仓方案 T+1 的时效性不佳, 要求数据库提供较强的实时分析能力。 解决方案 村二 My

横向扩展的分布式并行数据计算技术。 当时，开放的X86服务器技术已经能很好的支持商用，借助高速网络（当 时是千兆以太网）组建的 X86 集群在整体上提供的计算能力已大幅高 于传统 SMP 主机，并且成本很低，横向的扩展性还可带来系统良好 的成长性。 问 题 来 了， 在 X86 集 群 上 实 现 自 动 的 并 行 计 算， 无 论 是 后 来 的 MapReduce 计算框架还是 MPP（海量并行处理）计算框架，最终还 对比测试时，发现其优点是 OLTP 非常快，TPS 非常高（轻松搞定 几十万），但一到复杂多表关联性能就立马下降，即使其具有内存 计算的功能也无能为力，就其因估计还是受到 mysql 在这方面限制。 3) 扩展性方面，Postgresql 比 mysql 也要出色许多，Postgres 天生就 是 为 扩 展 而 生 的， 你 可 以 在 PG 中 用 Python、C、Perl、TCL、 PLSQL 等等 个多小时就成功完成了，其它厂商大都没有完成此项测试，唯一完成 的一家耗时 40 多小时）。 Big Date2.indd 9 16-11-22 下午3:38 10 前文提到，得益于 Postgresql 的良好扩展性（这里是 extension，不 是 scalability），Greenplum 可以采用各种开发语言来扩展用户自定 义函数（UDF）（我个人是 Python 和 C 的 fans，后续章节与大家分享）。

• k-Nearest Neighbors 成熟的数据科学学习库 2017.thegiac.com • 更好的并行度 • 算法充分利用 MPP 架构实现并行 • 更好的可扩展性 • 算法随着数据扩充而线性扩展 • 更高的预测精准度 • 适用更多数据，而不是抽样 • 顶级 ASF 开源项目 • 社区驱动开发模式 MADlib 特性 2017.thegiac (10K) (100K) (1M) (10M) (100M) Note: log-log scale (100s) (1s) (10K s) (1M s) 可扩展性 – PageRank 性能 2017.thegiac.com MADlib vs. Spark: 不不同的产品，侧重点不不同 MADlib Spark 算法库 易用性

较高的业务，需要严格控制查询时效（基本在毫秒级），对于并发不高的业务，允许进行 较大的查询，但也要考虑集群的承受能力。 通过一年来的应用以及Doris的不断改进升级，Doris的高可靠、高可用、高可扩展性也得 到进一步验证，服务稳定可靠。 准实时场景下的应用 离线业务分析大多基于T+1的离线数据，但在营销活动场景下，外卖团队往往需要当日的实时数 据进行业务变化的监控与分析，通常情况下会采用实时流计算来实现。 避免分钟级的生产波动影响，业务上10、15分钟准实时数据可以满足分析需要。 实时数据需要与离线数据进行日环比与周同比的比对。 订单业务需要事件时间，体验业务需要生产时间，业务对齐逻辑复杂。 不同业务线需求差异大，指标需要良好扩展性。 由于业务上的复杂性，实时流计算中，需要考虑诸多业务口径的对齐，业务ER模型在合流处理中 开发成本较高，资源占用较大，通过设计基于Doris的准实时生产数仓，可以灵活地实现业务微批 处理，且开发

己购买的实例 ID 列表。 主-从双节点实例 指具备主-从架构的云数据库 Redis 版实例。主-从 双节点实例能扩展的容量和性能有限。 高性能集群实例 指具有集群扩展性的云数据库 Redis 版实例。集群 实例有更好的扩展性和性能，但是在功能上也有一 定的限制。 连接地址 用于连接云数据库 Redis 版的 Host 地址，以域名 方式展示，可在实例信息>连接信息中查询到。 连接密码 用于连接云数据库

二级缓存 3) 默认情况下，只有一级缓存（SqlSession 级别的缓存，也称为本地缓存）开启。 4) 二级缓存需要手动开启和配置，他是基于 namespace 级别的缓存。 5) 为了提高扩展性。MyBatis 定义了缓存接口 Cache。我们可以通过实现 Cache 接口来自 定义二级缓存 6.2 一级缓存的使用 1) 一级缓存(local cache), 即本地缓存, 作用域默认为 执行以后，会同时清空一级和二级缓存。 查询默认 flushCache=false。 4) sqlSession.clearCache()：只是用来清除一级缓存。 6.6 整合第三方缓存 1) 为了提高扩展性。MyBatis 定义了缓存接口 Cache。我们可以通过实现 Cache 接口来自 定义二级缓存 2) EhCache 是一个纯 Java 的进程内缓存框架，具有快速、精干等特点，是 Hibernate

容器化数据库+Kubernetes ○ Apache Spark ○ CockroachDB ○ Apache HAWQ 云数据库存储方案 ● 块存储 ○ 文件系统接口 ● 对象存储 ○ 成本低 ○ 扩展性强 ○ 访问延迟高 Greenplum on Kubernetes Network Interconnect Standby Host Master Host Segment Host Segment

Cassandra概述 Cassandra最初源自FaceBook，集合了Google BigTable面向列的特 性和Amazon Dynamo分布式哈希(DHT)的P2P特性于一身，具有很高 的性能、可扩展性、容错、部署简单等特点。 Cassandra架构关键字 1.Gossip 点对点通信协议，用于集群之间节点交换位置和状态信息 2.Partitioner 决定如何在集群中的节点间分发数据，也就