普通筆記本對1億數據做探索分析，你瘋了！

　　第一部分：市場需求

　　性能問題是各大金融企業(yè)的“難言之隱”，家家都有這本難念的經!!

　　在以數據化運營為基礎的金融行業(yè)，結構化的數據動輒上億，甚至幾十億、上百億，然而客戶沿用的傳統(tǒng)關系數據庫以及報表軟件越來越不能滿足及時性數據分析需求。雖然Self-service(自助BI)被賦予了歷史使命——讓業(yè)務人員自己完成統(tǒng)計分析，但也同樣難以解決效率的難題，從來沒有得到相對理想的解決(低成本、高性能)!

　　第二部分：必要性

　　沒有高性能作為前提，自助式BI只能是“看上去很美”!

　　自助式BI近2年來逐漸興起，越來越多的客戶希望靠自助式BI控制IT人員成本，同時提高數據分析的效率�？墒沁@看上去很美好的解決方案，卻一直遭受著源于性能的疑慮，無論數據平臺的建設方案是數千萬的老牌MPP數據倉庫，還是數百萬的Hadoop集群。

　　我們(Smartbi)一直努力提供給客戶高性能的數據分析解決方案，終于在7月份與Vertica的戰(zhàn)略合作后，結出了令人激動的碩果——Smartbi Insight V7.1高性能版。從這個版本開始，Smartbi的自助分析服務將邁入秒級階段，讓業(yè)務人員的數據分析更高效，讓科技人員不再為性能調優(yōu)而苦惱!

　　第三部分：事實證明

　　超越想象，普通筆記本分析億級數據只要幾秒鐘!

　　Smartbi只做最真實的測試，用事實來證明V7.1的高性能，這將是你難得一見的時刻。

　　如圖所示，我們測試的電腦是一臺2013年的thinkpad筆記本，售價不到6000，用魯大師檢測硬件配置如下：

　　而用于測試的數據包括1份數據2個模型——星型和寬表，其中星型包括產品、客戶、地理三個維度，事實表0.98億條記錄，維度表數百條記錄。做過性能測試的朋友一看就知道，這樣一個星型模型，如果交給業(yè)務人員自己拖拽分析數據，性能是很有問題的，數據庫配置不好的情況下還能直接跑死系統(tǒng)，更別說是一臺這么普通的一臺筆記本電腦了!

　　接下來，我們基于這個數據模型，考慮到自助分析的場景，構建了三大類22個測試案例，以確�？陀^合理的測試案例覆蓋度。比如用戶會以年為條件，進行同期增長率的計算等等。

　　交代好性能測試的基本情況，我們不兜圈，直接來看測試結果：

　　簡言之，星型模型因為要進行關聯操作，平均響應時間為13.3秒(6.7秒——17.1秒)，寬表模型沒有關聯操作，平均響應時間為4.5秒(2.7秒——6.3秒)，總體平均為9秒!是的，你沒看錯，無論怎樣拖拽的自助分析，平均9秒!!測試結果后，我們和你一樣感到興奮，Smartbi Insight V7.1居然可以在一臺幾年前的普通筆記本電腦上對1億大數據量的自助探索在區(qū)區(qū)幾秒完成分析查詢!!

　　第四部分：性能總結

　　如果你還對這個測試結果有一絲絲疑慮，是不是這臺電腦的配置作弊了，是不是數據庫做特別優(yōu)化了!別擔心，我們很嚴謹的找了3臺公司筆記本電腦進行了更多性能測試，都使用的默認安裝(數據庫還是在虛擬機里運行的)。所以，我們可以很負責任的大聲說：筆記本探索億級數據分析，確實可以做到!!

　　大數據時代，得性能者得天下，尤其是提供自助分析功能的BI工具，數據分析的響應速度一定要能跟上業(yè)務人員的思維。Smartbi順勢而為，希望能為大數據分析行業(yè)貢獻新的起點，創(chuàng)造新的價值!

　　如果你對大數據分析的性能感興趣，愿意加入我們一起進行測試、調優(yōu)和研討，請關注我們的公眾號或者官網，后續(xù)的活動等著你!當然我們也不怕挑戰(zhàn)，Come on!

　　2017年9月 秋分 Smartbi老麥