TiDB在易易果集团的应⽤用 .罗瑞星 2018 / 05 / 26 ⾃自我介绍 罗瑞星 ⼤大数据⾼高级⼯工程师@51job ⼤大数据架构师@易易果集团 负责易易果集团⼤大数据⽅方向架构设计，优化；数据⼯工具及产品的开发 • 背景介绍. • TiDB的应⽤用 • 未来规划 1 2 3 ⽬目录 CONTENTS 易易果集团介绍 易易果⽣生鲜电商易易果创⽴立于2005年年， 易易果集团由易易果⽣生鲜成⽴立，未来将 易易果集团由易易果⽣生鲜成⽴立，未来将 着⼒力力打造三个业务板块：全渠道运营、安鲜达物流和采购供应链,2017 年年与天猫⽣生鲜全⾯面融合，GMV达到100亿。 SKU数超过4000，线上最⼤大 ⼋八⼤大品类涵盖，线上最全 采购覆盖全球6⼤大洲 39个国家地区147个产地 冷链仓全国布局最⼴广，15地24仓 产能全国最⼤大，180万件/天 冷链物流全国规模最⼤大，覆盖全国近400 个城市 ⾏行行业最⼤大的⽣生鲜电商运营平台 性能 • 能够像随时接⼊入想要的数据 不不⽤用考虑容量量，性能等问题 权限管理理 • 细化的权限管理理 易易⽤用 • 让初级⼩小⽩白也能够⽅方便便使⽤用 • SQL⽽而不不是代码 赋能 • 能够为IT其他部⻔门提供服务 数据中台的建设 选择TiDB的理理由 分布式 能够横向拓拓展 简单易易⽤用 兼容MySQL协议，⽅方便便开发与 脚本迁移. 管理理和监控 脚本化的部署，扩容； Prometheus上详细的监控；

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各