數(shù)據(jù)倉庫
什么是數(shù)據(jù)倉庫服務(wù) GaussDB(DWS)？
數(shù)據(jù)倉庫 服務(wù)GaussDB(DWS) 是一種基于華為云基礎(chǔ)架構(gòu)和平臺的在線數(shù)據(jù)分析處理 數(shù)據(jù)庫 ，提供即開即用、可擴(kuò)展且完全托管的分析型數(shù)據(jù)庫服務(wù)，兼容ANSI/ISO標(biāo)準(zhǔn)的SQL92、SQL99和SQL 2003語法，同時兼容PostgreSQL/Oracle/Teradata/MySQL等數(shù)據(jù)庫生態(tài)，為各行業(yè)PB級海量 大數(shù)據(jù) 分析提供有競爭力的解決方案。
OLTP和OLAP的比較
OLTP與OLAP主要從分析粒度、時效性、數(shù)據(jù)更新需求，驅(qū)動方式等幾個內(nèi)容進(jìn)行對比分析。
數(shù)據(jù)倉庫DWS應(yīng)用案例 數(shù)據(jù)處理耗時從天級縮短至小時級
數(shù)據(jù)倉庫服務(wù)應(yīng)用案例：互聯(lián)網(wǎng)：數(shù)據(jù)處理耗時從天級縮短至小時級，助力客戶實現(xiàn)業(yè)務(wù)能力升級。客戶痛點(diǎn)：【數(shù)據(jù)處理耗時】：使用開源Hadoop處理數(shù)據(jù)耗時長，每次處理耗時1天；【不支持關(guān)聯(lián)分析】：ES不能支持關(guān)聯(lián)等復(fù)雜查詢分析；【數(shù)據(jù)更新難】：數(shù)據(jù)使用寬表存儲，維度數(shù)據(jù)變化需要更新整個寬表，工作量大。
數(shù)據(jù)倉庫DWS助力某高校打破數(shù)據(jù)孤島實現(xiàn)數(shù)據(jù)綜合分析案例
數(shù)據(jù)倉庫服務(wù)應(yīng)用案例：教育：助力某高校打破數(shù)據(jù)孤島，實現(xiàn)數(shù)據(jù)綜合分析，性能提升10倍。客戶痛點(diǎn)：【數(shù)據(jù)分散】：現(xiàn)有業(yè)務(wù)系統(tǒng)部署在不同環(huán)境，包括華為云、阿里云和用戶本地IDC，不能統(tǒng)一分析；【數(shù)據(jù)量大】：數(shù)據(jù)量不斷增大，查詢性能下降；【業(yè)務(wù) 遷移 難】：現(xiàn)有數(shù)據(jù)庫種類多，業(yè)務(wù)遷移工作量大。
數(shù)據(jù)倉庫DWS助力終端消費(fèi)云冷熱數(shù)據(jù)關(guān)聯(lián)分析
數(shù)據(jù)倉庫服務(wù)應(yīng)用案例：企業(yè)：SQL on Anywhere，助力終端消費(fèi)云冷熱數(shù)據(jù)關(guān)聯(lián)分析，性能提升10倍。業(yè)務(wù)痛點(diǎn)：探索查詢HDFS 10PB級歷史數(shù)據(jù)，耗時平均約1小時，全量掃描耗資源；業(yè)務(wù)系統(tǒng)存儲3個月熱數(shù)據(jù)，3個月至2年歷史數(shù)據(jù)存儲于HDFS，現(xiàn)有系統(tǒng)對熱數(shù)據(jù)和歷史數(shù)據(jù)無法進(jìn)行關(guān)聯(lián)分析。
數(shù)據(jù)倉庫DWS提升數(shù)據(jù)分析性能實現(xiàn)分析決策一體化案例
數(shù)據(jù)倉庫服務(wù)應(yīng)用案例：金融：助力某銀行提升數(shù)據(jù)分析性能30%，實現(xiàn)分析決策一體化。Teradata成本高，一體機(jī)封閉架構(gòu)，技術(shù)無法自主可控；數(shù)據(jù)交換平臺歷史數(shù)據(jù)保留時間短，重算過程非常復(fù)雜； 數(shù)據(jù)集 市中批量和聯(lián)機(jī)業(yè)務(wù)分離，靈活性差。
數(shù)據(jù)倉庫DWS動手實踐
數(shù)據(jù)倉庫服務(wù)（Data Warehouse Service，簡稱DWS）是一種即開即用、安全可靠的在線數(shù)據(jù)倉庫服務(wù)，為用戶提供海量數(shù)據(jù)的存儲、挖掘和分析能力。
云上數(shù)據(jù)倉庫打造案例 實現(xiàn)工程智慧營銷
云上數(shù)據(jù)倉庫，實現(xiàn)工程智慧營銷。數(shù)據(jù)倉庫DWS將OBS上存儲的結(jié)構(gòu)化數(shù)據(jù)映射為外部表，從而利用數(shù)據(jù)庫SQL引擎的能力對OBS上的數(shù)據(jù)進(jìn)行分析。在數(shù)據(jù)分散的情況下, 通過跨集群協(xié)同分析, 支撐周期性業(yè)務(wù)分析, 無需做全量數(shù)據(jù)搬移和轉(zhuǎn)化, 提升分析效率
數(shù)據(jù)倉庫DWS冷熱數(shù)據(jù)分離
數(shù)據(jù)倉庫DWS將OBS上存儲的結(jié)構(gòu)化數(shù)據(jù)映射為外部表，從而利用數(shù)據(jù)庫SQL引擎的能力對OBS上的數(shù)據(jù)進(jìn)行分析。在數(shù)據(jù)分散的情況下, 通過跨集群協(xié)同分析, 支撐周期性業(yè)務(wù)分析, 無需做全量數(shù)據(jù)搬移和轉(zhuǎn)化, 提升分析效率
數(shù)據(jù)倉庫DWS核心技術(shù)優(yōu)勢
數(shù)據(jù)倉庫是指從業(yè)務(wù)數(shù)據(jù)中創(chuàng)建信息數(shù)據(jù)庫，并針對決策和分析進(jìn)行優(yōu)化。數(shù)據(jù)倉庫中的信息是面向主題的、集成化的、穩(wěn)定的、隨時間變化的數(shù)據(jù)集合，用以支持管理決策的過程。
業(yè)務(wù)數(shù)據(jù)上云的趨勢分析
數(shù)據(jù)倉庫是指從業(yè)務(wù)數(shù)據(jù)中創(chuàng)建信息數(shù)據(jù)庫，并針對決策和分析進(jìn)行優(yōu)化。數(shù)據(jù)倉庫中的信息是面向主題的、集成化的、穩(wěn)定的、隨時間變化的數(shù)據(jù)集合，用以支持管理決策的過程。
傳統(tǒng)數(shù)倉在大數(shù)據(jù)時代的劣勢
數(shù)據(jù)倉庫是指從業(yè)務(wù)數(shù)據(jù)中創(chuàng)建信息數(shù)據(jù)庫，并針對決策和分析進(jìn)行優(yōu)化。數(shù)據(jù)倉庫中的信息是面向主題的、集成化的、穩(wěn)定的、隨時間變化的數(shù)據(jù)集合，用以支持管理決策的過程。
數(shù)據(jù)倉庫發(fā)展現(xiàn)狀及發(fā)展趨勢
數(shù)據(jù)倉庫是指從業(yè)務(wù)數(shù)據(jù)中創(chuàng)建信息數(shù)據(jù)庫，并針對決策和分析進(jìn)行優(yōu)化。數(shù)據(jù)倉庫中的信息是面向主題的、集成化的、穩(wěn)定的、隨時間變化的數(shù)據(jù)集合，用以支持管理決策的過程。
TeraData數(shù)據(jù)倉庫架構(gòu)及特點(diǎn)介紹
Teradata數(shù)據(jù)倉庫擁有全球領(lǐng)先的技術(shù)，其主要軟件和硬件產(chǎn)品包括：Teradata數(shù)據(jù)庫、Teradata數(shù)據(jù)倉庫軟件、企業(yè)數(shù)據(jù)倉庫、動態(tài)企業(yè)數(shù)據(jù)倉庫、數(shù)據(jù)倉庫專用平臺。Teradata數(shù)據(jù)倉庫配備性能最高、最可靠的大規(guī)模并行處理 (MPP) 平臺，能夠高速處理海量數(shù)據(jù)。它使得企業(yè)可以專注于業(yè)務(wù)，無需花費(fèi)大量精力管理技術(shù)，因而可以更加快速地做出明智的決策，實現(xiàn) ROI 最大化。
Greenplum數(shù)據(jù)倉庫架構(gòu)及特點(diǎn)介紹
Greenplum主要由Master節(jié)點(diǎn)、Segment節(jié)點(diǎn)、interconnect三大部分組成。Greenplum master是Greenplum數(shù)據(jù)庫系統(tǒng)的入口，接受客戶端連接及提交的SQL語句，將工作負(fù)載分發(fā)給其它數(shù)據(jù)庫實例（segment實例），由它們存儲和處理數(shù)據(jù)。Greenplum interconnect負(fù)責(zé)不同PostgreSQ L實例 之間的通信。Greenplum segment是獨(dú)立的PostgreSQL數(shù)據(jù)庫，每個segment存儲一部分?jǐn)?shù)據(jù)。大部分查詢處理都由segment完成。