四個“一體化”——構建數智融合時代下的一站式大數據平臺

　　隨著智能化技術的飛速發(fā)展，尤其是以生成式AI為代表的技術快速應用，推動了數據與智能的深化融合，給數據基礎設施帶來了新的變革和挑戰(zhàn)。如何簡化日益復雜的系統架構，提高數據處理效率，降低開發(fā)運維成本，促進數據開放共享和創(chuàng)新應用，成為企業(yè)關注的核心問題。

　　一站式大數據平臺，旨在通過一個平臺即可滿足各類業(yè)務需求，成為數智融合時代下數據基礎設施的發(fā)展趨勢，并從四個維度向四個“一體化”方向演進：數據架構-湖倉集一體化;數據處理-多模型一體化;數據分析-歷史與實時數據一體化;資源管理-多集群應用、資源和數據一體化。

　　數據架構：湖倉集一體化

　　過去，企業(yè)在建設數據平臺時通常使用傳統的Hadoop湖+MPP倉的混合架構，逐漸有部分企業(yè)開始使用類似Hudi/Iceberg的湖倉技術。這兩種技術架構都存在一些局限性，在線分析能力較弱，無法滿足集市業(yè)務需求。因此企業(yè)往往需要再引入額外的分析查詢引擎，用混合架構來滿足湖倉集業(yè)務需求。

　　混合架構中，數據需要存儲在不同平臺里來提供服務，首先就造成了數據冗余和存儲資源占用。其次，數據需要跨平臺ETL流轉，流轉開銷高，時效性較差。數據跨平臺流轉中還容易導致數據一致性問題，影響業(yè)務正確性。此外，多平臺的開發(fā)標準不一致，存在一定的技術門檻，權限管理復雜。

　　星環(huán)科技大數據基礎平臺TDH從2014年支持了事務表和存儲過程開始，形成了湖倉集一體雛形，在2023年TDH9.3版本中引入了湖倉集統一存儲格式Holodesk，只需一種存儲格式即可同時滿足ODS數據實時數據接入、數倉模型加工和高性能集市查詢分析等業(yè)務，不需要針對不同的業(yè)務場景使用不同的存儲引擎而構建煙囪式混合架構。在星環(huán)一體架構下，湖倉集對用戶來說，僅僅是業(yè)務邏輯上的區(qū)分，底層使用統一的技術棧，真正實現湖倉集一體化。

　　新發(fā)布的TDH9.4在資源隔離、端到端性能、統一運維管理等方面升級，幫助用戶構建真一體化、高性能、易運維的湖倉集一體化平臺。

　　* 資源隔離新架構，在同一份數據上跑批查詢混合負載互不影響。一套集群一份數據，基于Raft協議保障分布式一致性，在CPU、內存、IO、網絡資源方面完全隔離，結合基于容器化的動態(tài)資源調整能力，保障不同的批量業(yè)務與查詢業(yè)務性能需求。存儲方面，針對湖倉集多種混合負載業(yè)務，支持分區(qū)級多級冷熱數據存儲，最大化利用存儲資源，降低總體存儲成本。

　　* 端到端性能10倍提升，全面降低TCO。相比于Hudi+Clickhouse+Hbase的混合架構，TDH湖倉集同一份數據，ETL時間節(jié)約95%，存儲空間節(jié)省3/4，批量入庫性能提升3倍，實時入庫性能提升5倍，批量加工和多表關聯分析性能提升5-10倍，統計性能提升3倍，帶小量聚合的查詢業(yè)務性能提升1.5倍。

　　* 湖倉集統一運維管理，大幅降低運維管理成本。湖倉集統一的監(jiān)控導向UI，提供更細粒度的集群運行、資源使用、組件指標等監(jiān)測，提供界面化補丁管理、磁盤管理等。此外，TDH支持X86和ARM混合集群部署和統一管理，首個在10000節(jié)點X86/ARM混部集群下，通過信通院云原生湖倉一體專項評測。

　　* 支持Python 生態(tài)，高效支撐大模型應用。基于統一的分布式計算引擎，提供分布式Python引擎，來幫助用戶更方便地用Python進行分布式數據處理。并提供POSIX接口，掛載分布式文件系統TDFS到本體磁盤，讓用戶可以像處理本地數據一樣處理海量AI訓練數據，高效支撐數智融合時代下大模型應用和各類數據智能場景。

　　數據處理：多模型一體化

　　過去，不同的數據模型往往需要獨立的平臺來處理，而這些不同的產品在接口標準上不一致，開發(fā)者和業(yè)務分析人員需要掌握不同的語言。同樣，這些產品也使用了各自獨立的計算引擎和存儲，數據存儲在各自生態(tài)中難以互通，在業(yè)務上如果涉及到跨模型的混合業(yè)務，需要把數據從一個平臺導入到另一個平臺中，ETL流轉效率低，同時也難以保證數據的準確性、一致性和實效性。

　　多模數據庫旨在單個系統中集成了多個關系型和/或非關系型數據引擎(例如，文檔、圖、鍵值、時序等)，滿足業(yè)務對于結構化、半結構化、非結構化數據的統一管理需求，實現數據的多模融合處理。通過使用單個系統來降低操作的復雜性，更好地支持不同場景下的多種類型數據處理。

　　隨著大語言模型的快速發(fā)展，對于多種模型數據的處理需求越來越高，同時由于其存在領域知識缺乏、知識時效性低、回答易幻覺、隱私數據不安全等局限性，需要通過檢索外置知識庫的方式來增強大模型能力。通過多種模型一體化處理的平臺，在增強大模型的同時，可以降低系統搭建、開發(fā)、運維等方面難度，因此多模數據庫成為大模型時代的剛需。

　　星環(huán)科技從2020年實現了多模型數據的統一處理技術，基于四層統一的架構提供統一的接口層，統一的計算引擎層，統一的分布式存儲管理層和統一的資源管理層，并支持關系型、圖、時序、時空、向量、鍵值等11種數據模型，業(yè)內首個通過了信通院《多模數據庫技術要求》評測。

　　TDH9.4在多模型能力進行了升級，向量存儲引擎Hippo發(fā)布了2.0版本，單機存儲容量提升20倍，結合分布式架構可支持百億字的向量存儲，檢索性能提升10倍以上，并提供完整的企業(yè)級能力，包括冷熱災備、跨集群數據同步、生命周期管理等，幫助用戶更安全、便捷地支撐大模型應用。

　　圖存儲引擎StellarDB發(fā)布了5.1版本，引入GPU作為計算資源，部份場景下如子圖查詢性能提升10倍以上，結合深度圖算法提供圖譜召回、圖譜推理等能力，提升大模型的準確度，幫助用戶構建企業(yè)級知識庫系統。

　　基于TDH多模型統一技術架構，滿足大模型場景下多模態(tài)數據的統一存儲管理與服務，大幅簡化知識庫的知識存儲與服務層架構，降低開發(fā)與運維成本。通過將TDH作為大模型外置知識庫，可以檢索文本/圖片/音視頻轉化后的向量數據、圖數據、以及傳統關系型數據等，并進行聯合召回，可以極大增強大模型的準確率。

　　數據分析：實時與歷史數據一體化

　　隨著業(yè)務的快速發(fā)展以及企業(yè)內部決策的要求不斷提高，用戶對數據實時性的要求越來越迫切。實時數據處理架構Lambda和Kappa，在各自使用的場景都能解決一部分實時或近實時的用戶需求，但是隨著業(yè)務實時要求的提高，兩種架構均存在一定的不足，主要體現在：

　　(1)Lambda架構將實時和歷史數據分離，隨著歷史數據的積累，批量計算的性能會下降明顯;

　　(2)Kappa架構通過流計算的方式實現了數據融合，但流與流之間的時間窗口難以精確控制，流與流存在數據關聯不上的問題。

　　星環(huán)科技ArgoDB 6.1版本中推出了數據增量計算能力，提出了業(yè)務實時計算新范式。在實時處理數據架構上，解決了Lambda架構中的實時與歷史數據的不融合問題;同時避免了Kappa架構中的流與流計算窗口不可控問題。從數據的加載到數據的加工，保障了數據業(yè)務端到端的實時性能，極大地提升了業(yè)務分析的時效性。

　　ArgoDB6.1的增量計算技術，打破流表和物理表的使用壁壘，增量交由數據庫識別、關聯和分析：

　　* 大幅降低資源維護成本，窗口下沉到存儲，數據無中間狀態(tài)，流狀態(tài)時間窗口維護成本從100%降至0(即“零”維護成本);

　　* 實時性能 & 數據準確性提升，減少計算數據量，為結果表實時提供最新的關聯計算值;(即數據“不丟”“不重”且“計算高效”);

　　* 增量數據可重復使用，原始數據落表，增量的數據可供下游使用，配置鏈路簡單且數據可重復使用。

　　基于ArgoDB 6.1增量數據計算能力，可在一個數據庫系統中實現多種實時場景，數據僅需在庫內流轉：

　　場景一（即席查詢，寫入即服務）：數據直接寫入ArgoDB，由ArgoDB提供OLAP 查詢和在線服務;

　　場景二（增量數據準實時加工）：在 ArgoDB 中進行ODS數據清洗，并在DWD數據明細層預加工后直接進行匯聚層加工，對接上層應用;

　　場景三（增量數據實時統計，事件驅動加工）：DWD明細層預加工和DWS匯聚層預加工全部由ArgoDB增量計算完成，并提供給上層應用，幫助用構建新一代的實時數據倉庫。

　　資源管理：多集群應用、資源和數據一體化

　　企業(yè)通常根據不同的業(yè)務系統構建多個不同的大數據集群，多個集群的運維管理給企業(yè)帶來了很多困擾。不同的集群各自孤立，底層資源無法統一、無法均衡的調度和最大化利用，并且各個集群上的數據難以互通，當涉及跨集群數據調用時，需要在各個集群之間ETL，效率較低，也難以保證數據的準確性、一致性和實效性。當有新業(yè)務需要上線時，需要建設新的集群，進一步加劇上述問題。

　　多個大數據集群統一管理，能夠將多集群統一納管，實現資源統一調度，數據統一管理，并能夠快速響應，滿足新業(yè)務上線需求。

　　星環(huán)科技數據云平臺TDC，在一個平臺上提供了數據PaaS、分析PaaS、應用PaaS服務，底層共享基礎設施資源，能夠實現不同業(yè)務、不同環(huán)境下的多個集群統一納管，不僅提供星環(huán)科技的大數據與人工智能產品等產品服務，也能夠托管如Spark、Flink等開源生態(tài)產品。

　　TDC 5.0在多集群及應用統一納管基礎上，對跨集群資源均衡調度、自動彈性伸縮、數據共享等能力進一步升級，幫助用戶構建一體化的大數據與智能平臺，降低企業(yè)多集群運維管理成本，最大化資源利用率，加速業(yè)務上線與創(chuàng)新。

　　跨集群資源均衡調度實現對多個集群底層資源的統一管理，當某個集群負載較大，需要擴展存儲或者計算資源時，能夠跨集群自動調用富余集群的資源，實現多個集群之間資源的均衡調度，提升所有集群的整體資源利用率。

　　跨集群自動彈性伸縮根據配置的基于時間周期、負載變化的自動彈性伸縮策略，對業(yè)務繁忙時間段和業(yè)務負載突增時，自動進行存儲和計算資源的擴縮容，滿足業(yè)務對資源的需求，保障業(yè)務性能的穩(wěn)定性。

　　跨集群數據共享跨多個集群實現數據的共享，集群之間不需要做ETL，可以直接共享使用對方集群的存儲，進而實現No Copy的數據共享，避免數據復制帶來的存儲壓力和數據時延，以及不一致性問題。