部署方案

旗舰版集群实例

旗舰版实例的共享存储架构支持在同一集群中创建多种工作负载类型的租户，实现"一集群、多负载"的统一部署。旗舰版支持 Oracle 兼容模式、MySQL 兼容模式、HBase API 兼容模式和 Table API 兼容模式，适用于需要同时支持事务处理、实时分析和海量数据存取的复杂业务场景。

架构说明

• 部署方式：支持两副本（推荐）和单副本部署模式，可根据业务需求灵活选择。

• 多负载融合：同一集群支持创建 TP（事务型）、KV（Key-Value 型）、AP（分析型）多种工作负载类型的租户，简化架构与运维复杂度。不同租户之间资源隔离，互不影响。

• 存算分离：计算与存储可分别独立扩展，本地缓存可独立调整以保障性能，全量数据采用同城冗余的存储模式，保证数据安全可靠，两副本模式下可保证 RPO = 0，RTO < 8s。

• 成本优化：使用更低成本的存储介质，仅需存储一份全量数据，按实际用量付费，无需提前预分配存储空间。通过高压缩比技术，进一步降低存储成本。

• 统一管理：统一的监控、告警、备份恢复等运维体系，大幅降低运维复杂度。支持对不同租户进行独立的参数配置和资源管理。

事务型集群实例

事务型集群实例的共享存储架构适用于订单归档、交易数据冷备、金融行业审计、日志归档等场景。具有写多读少，单实例单表数据体量庞大的业务特点，通常可达到百 TB 级甚至 PB 级以上，对写 RT 不敏感，写流量无绝对峰值并持续稳定，对数据一致性敏感，而读 RT 与核心 TP 类业务相比无太大差异，需支持高效的少量事务型查询，多为简单查询。此外您在选择事务型集群实例的共享存储架构时，也需关注如下特性：

• 存储可扩展性：能够处理不断增加的数据量而无需调整存储架构，存储空间需支持海量数据的存储的可扩展性和在线库数据高效持续导入能力。

• 存储成本：海量的数据使存储成本急剧增加，需要更经济的存储介质存储更多数据。

• 查询性能：虽然历史数据访问频度低，但对于某些场景下对历史数据的查询 RT 要能够和在线数据的查询 RT 接近。

架构说明

• 部署方式：支持两副本（推荐）和单副本部署模式。

• 存算分离：极致弹性，计算与存储可分别各自独立扩展，本地缓存可独立调整以保障性能，全量数据采用同城冗余的存储模式，保证数据安全可靠，两副本模式下可保证RPO = 0，RTO < 8s。

• 成本更优：使用更低成本的存储介质基础上，仅需存储一份全量数据，按实际用量付费，无需提前预分配存储空间，且具有跟 Shared-Nothing 架构相同的高压缩比。

• 日志独立：基于 Paxos 的独立日志存储服务，与计算节点解耦。

分析型集群实例

分析型集群实例的共享存储架构适用于 Adhoc 查询、BI 报表、多维分析、实时分析、用户画像、指标计算、实时风控等场景。同一套平台提供统一的在线查询和离线计算的能力，数据体量规模大，需能支持 PB 级以上，支持实时计算，毫秒级/秒级的高效查询性能，可支持对外部数据湖（如 ODPS、Hive 等）和其他数据源的联邦分析；计算资源和存储资源可按需弹性扩展，以实现更精细化的资源利用和更低成本投入。此外您在选择分析型集群实例的共享存储架构时，也需关注如下特性：

• 架构复杂：传统离线数仓与在线实时分析往往需要维护多套技术栈，技术复杂度和运维成本较高。

• 存储成本：数据湖的兴起以及跟数仓的结合，要求具有海量数据存储空间的可扩展性，同时也导致了存储成本急剧增加，需要更经济的存储介质存储海量数据。

• 查询性能：对于大规模数据集，尤其是涉及到多维聚合和复杂计算等场景，对于查询性能和响应时效性有较高要求。

架构说明

• 部署方式：分析型集群实例主要以单副本部署模式为主，基于独立日志服务可实现跨 AZ 容灾的能力，可保证 RPO = 0，RTO 分钟级，助力业务极致降本。

• 高性能：基于列式存储加速聚合操作，通过对算子与表达式向量化格式存储的支持大幅提升向量化执行引擎的性能；物化视图通过灵活的刷新策略和实时物化视图大幅提升查询性能；基于改写和代价的优化器，对各类复杂查询场景提供更为灵活的查询改写能力以及在生成计划时自行调整并行度的能力。

• 低成本：使用更低成本的存储介质，仅需存储一份全量数据，可灵活按需自行指定本地缓存空间大小。

• 可扩展性：灵活的外表和外部数据源集成的能力，支持对外部文件（CSV/Parquet/ORC）、外部数据源（OSS/HDFS/S3…）、Catalog（ODPS/Hive）。

Key-Value 型集群实例

Key-Value 型集群实例共享存储架构适用于物联网、IoT、车联网、时序类的结构化、半结构化和非结构化数据等场景。同一套技术栈需能同时支持管理多种模型数据和多种开源标准接口，提供SQL查询、时序处理、检索分析等能力，满足海量结构化数据、半结构化数据的存储和分析需求，对于海量数据存储的可扩展性和成本有一定的诉求。此外您在选择 Key-Value 型集群实例的共享存储架构时，也需关注其架构的复杂性。日益多样的业务需求带来的多种类型数据，与数据存储技术架构日趋复杂且成本快速上升之间存在矛盾，针对不同种类的数据，采用不同的存储分析技术，涉及的技术组件多且杂，且随着业务的发展，数据类型会越来越多，对不同种类数据的差异化处理需求会日渐增加，会导致数据存储碎片化更加严重。

架构说明

• 部署方式：支持单副本和两副本。

• 多模融合：同一套平台，可管理多种模型数据，既提供兼容 HBase 的宽表服务，又提供基于表格的海量存取能力，支持 JSON、GIS、Vector、Array 等半结构化数据，此外还提供对象存储等标准类型的原生操作接口。

• 高可用：OBKV 全部副本功能对等，具备很强的高可用性，消除了传统 HBase 架构中部分重要组件（如 ZK）的单点风险。

• 多租户：基于 OceanBase 数据库的原生多租户架构，具有完善额资源共享和资源隔离能力。

• 低成本：高压缩比，存储层理论上可无限扩展，可以通过更低的成本实现海量结构化、半结构化和非结构化数据的扩展。