挑战

随着数据量的快速增长，越来越多的企业迎来业务数据化时代，数据成为了最重要的生产资料和业务升级依据。伴随着业务对数据分析技术这两年也迎来了一些新的挑战和变革：

在线化和高可用，离线和在线的边界越来越模糊，一切数据皆服务化、一切分析皆在线化。

高并发低延时，越来越多的数据系统直接服务终端客户，对系统的并发和处理延时提出了新的交互性挑战。

混合负载， 一套实时分析系统既要支持数据加工处理，又要支持高并发低延时的交互式查询。

融合分析， 随着对数据新的使用方式探索，需要解决结构化与非结构化数据融合场景下的数据检索和分析问题。

阿里巴巴最初通过单节点 Oracle 进行准实时分析, 后来转到 Oracle RAC，随着业务的飞速发展, 集中式的 Shared Storage 架构需要快速转向分布式，迁移到了 Greenplum，但不到一年时间便遇到扩展性和并发的严重瓶颈。为了迎接更大数据集、更高并发、更高可用、更实时的数据应用发展趋势，从 2011 年开始，在线分析这个技术领域，阿里实时数仓坚定的走上了自研之路。

整体架构

经过过去 2 年的架构演进和功能迭代，AnalyticDB 当前整体架构如下图。

AnalyticDB 是一个支持多租户的 Cloud Native Realtime Data Warehouse 平台，每个租户 DB 的资源隔离，每个 DB 都有相应独立的模块(图中的 Front Node, Compute Node, Buffer Node)，在处理实时写入和查询时，这些模块都是资源 (CPU, Memory) 使用密集型的服务，需要进行 DB 间隔离保证服务质量。同时从功能完整性和成本优化层面考虑，又有一系列集群级别服务(图中绿色部分模块)。