一、数据仓库当前面临的挑战

        数据仓库是用来存放各个业务系统数据的地方，包括网站的访问日志、业务数据等。基于收集上来的散乱的海量的数据，以数据集成的方式进入到了数据仓库的系统，再进行数据清洗、数据汇聚、数据加工等步骤，进而用于进行大数据分析操作。这些操作都是在数据仓库里面来完成，最后形成集成数据集合，用于支撑各个部门的决策过程。

        

        数据仓库是企业数字化转型里面不可或缺的一部分，这体现在商业智能数据挖掘、数据仪表盘和数据探索这些方面。无论是企业的数据分析师，还是企业的经营决策者，都需要用它来发现商业中可能忽略的问题，实现决策的科学制定。

        当前数据仓库的一些需求，其实基本上处理的数据是 PB 级的数据，不仅要负责 PB 级的数据的存储，还要负责 PB 级数据的计算。因为这里计算资源和存储资源比较多，如何通过性价比更高方式来保证数据的存储，保证数据的计算能够是高效的，也是很多企业关心的问题。

        要支持这种高性能的这样的查询，对于用户来讲，数据仓库对外的输出的窗口提供这样的功能。所以在高并发聚合分析、亿级别的并发秒级检索、高性能的 AD hoc查询这三方面都要给用户提供一种高性能的体验。

二、数据仓库难点与解决方案

        总结起来，用户的痛点分为三方面：多系统带来的运维复杂；查询性能不足；人工建仓成本高。

        针对多系统部署、成本高的痛点，信服云提供了一套的一体化智能运维系统。在这个系统里有很多的组件，例如分布式计算引擎，统一的元数据管理引擎，这些引擎在系统中是统一部署的。

        根据机器的实际的情况进行参数的调优和配置，实现一键安装。运行过程中出现了问题，也可以及时地发出告警，提醒人员说当前系统可能存在问题。

       在这里面，如果是说每套系统发生挂掉的情况，通过高可用机制也能够尽快恢复线上业务的生产，来降低因为系统故障导致的业务中断。

        业务系统运行在这样的数据仓库上，就能够保证用户的系统是高可用的，实现智能运维，来降低运维的成本。

        针对性能不足的问题，信服云提供了一套化繁为简的Dipper数据分析引擎，分成统一接口层和融合引擎层。可以将用户的查询分类，在系统中分别针对各类查询进行优化，以获得更优的查询性能。

        当查询涉及到大批量数据计算或者大批量数据分析时，可以提供Hive 或者是 Spark 这样的分析引擎，限制内存和计算资源的使用情况，保证计算过程的稳定执行。

        当涉及聚合查询或者明细查询时，提供提供索引机制，在减小计算数据量的情况下，采用类似于Presto这种引擎，实现低延迟快速的计算。

        如果秒级甚至说毫几百毫秒依旧不能满足需求，信服云会给用户开一个高速缓存，并采用内存计算引擎，为用户提供更高并发、更低延迟的查询体验。

        融合数仓的背后有三种关键技术。

        第一，提供一套 ANSI SQL 接口，无需对接多种分析引擎。尽管下面用到了三个不同的组件，但是对于用户来讲，只要写一套 ANSI SQL 的语法，就能够获得特定的转换，无需用户考虑组件的切换。

        第二，提供一套智能路由引擎，对于用户来说，需要人工区分查询的类型，增加了工作量。而信服云提供这套智能路由，它可以通过这种 SQL 语的分析来判断是大批量数据的查询、还是高性能的检索，这个时候可以自动地选择合适的引擎，来达到更优的性能情况。

        第三，所有的索引不需要用户来指明说要构建什么索引，在这过程中可以通过 SQL 语句的分析来自适应地为用户建立各种各样的索引。

三、数据仓库技术实践成果

        以电子制造业场景为例，使用了信服云的数据仓库，1万块圆晶芯片能够达到秒级响应，相较于原来的几十分钟的分析速度，提升了用户的检验效率。

        在医疗场景下，对于同一套数据存储的明细查询性能，清理缓存之前，可以达到并发500，即使是清理缓存以后，也能达到 200 的并发，超过用户给百级并发秒级响应的预期。

        以 IT部门构建的数据中台TiDB 查询引擎场景为例，采用信服云数据仓库后，可以实现大部分的语句的智能聚合索引，从而完成这种自动化建模，这对他们而言起到了加速效果，获得了良好的查询体验。

        还有能源、水务、教育、日志分析等场景，信服云的数仓架构都提供了很好的查询体验，高性能的数仓组件大幅度降低了查询的时延，能够在千万级事实数据下达到秒级响应的效果。