核心優(yōu)勢
先進(jìn)的架構(gòu)
存算分離架構(gòu)，計算、元數(shù)據(jù)、存儲的完全解耦，計算資源、存儲資源與元數(shù)據(jù)池化管理，計算完全無狀態(tài)。
高性能引擎
基于 SIMD 指令集的向量化引擎 DPS、基于代價的優(yōu)化器、面向高吞吐的存儲，帶來了極具競爭力性價比。
數(shù)據(jù)安全
表級加密、細(xì)粒度訪問控制、管用分離等策略，保證了企業(yè)級安全保障和合規(guī)性。
簡單易用
即開即用的云基礎(chǔ)設(shè)施、兼容 PostgreSQL 生態(tài)、支持 ACID 事務(wù)特性，會使用數(shù)據(jù)庫就會數(shù)據(jù)分析。
產(chǎn)品功能
一份數(shù)據(jù)
SHARED-DATA 架構(gòu)，全局保留一份數(shù)據(jù)、使用同一事實來源，保證了質(zhì)量，降低了管理復(fù)雜度和成本
算子級優(yōu)化
算子級計算資源的調(diào)度優(yōu)化結(jié)合向量化查詢執(zhí)行、基于數(shù)據(jù)特征的算法等，最大化計算資源利用率
彈性計算
DPS 集群支持按需部署、按需變配、自動或按需啟停，靈活滿足計算資源需求
向量化引擎
基于 SIMD 指令集的向量化引擎 DPS，支持動態(tài)過濾剪枝功能，顯著提升了計算性能和效率
自適應(yīng)查詢擴(kuò)展 AQS
在 DPS 集群運行的過程中，識別出大查詢，并轉(zhuǎn)發(fā)至共享資源池，查詢成功率高達(dá) 99.9%
工作負(fù)載隔離
支持在多云多地域中按需部署多個 DPS 集群來處理不同的工作負(fù)載，保證了穩(wěn)定性
應(yīng)用場景
查詢和分析需求猛增
降低分析系統(tǒng)的存儲成本
簡化數(shù)據(jù)鏈路
高系統(tǒng)敏捷性要求
分析系統(tǒng)強穩(wěn)定性要求
AI向量存儲、檢索與分析
有明顯波峰的數(shù)據(jù)分析業(yè)務(wù)
在許多業(yè)務(wù)場景中，數(shù)據(jù)的處理需求不是恒定不變的，往往呈現(xiàn)出明顯的峰谷變化。在這些場景中數(shù)據(jù)查詢和分析的需求可能會猛增且需求增量難以提前預(yù)估。傳統(tǒng)的云數(shù)據(jù)倉庫解決方案雖然支持一定程度的彈性，但是卻無法做到實時彈性伸縮，導(dǎo)致用戶往往需要按照峰值場景訂閱更多的云數(shù)據(jù)倉庫資源，造成了 80% 甚至更多的資源浪費。這無疑增加了企業(yè)的運營成本。
Relyt 的 DPS 集群支持多種類型、多種規(guī)格、按需部署、按需變配、自動啟停，具備高度的可擴(kuò)展性，能夠在業(yè)務(wù)高峰期迅速擴(kuò)展資源，滿足激增業(yè)務(wù)需求，避免因資源不足而影響業(yè)務(wù)運行。當(dāng)業(yè)務(wù)高峰過去，多余的 DPS 集群能夠自動暫停服務(wù)，且暫停服務(wù)期間不會產(chǎn)生任何費用。此外，Relyt 的特性 AQS（Adaptive Query Scaling） 能夠在 DPS 運行時識別出大查詢并通過將這些大查詢調(diào)度到共享計算資源池中進(jìn)行處理，從而保證了 DPS 集群的正常業(yè)務(wù)的穩(wěn)定運行，同時也滿足了非預(yù)期大查詢的執(zhí)行需求。
降低分析系統(tǒng)的存儲成本
在傳統(tǒng)數(shù)據(jù)處理場景中，存儲往往是計算之外另一個困擾企業(yè)的主要瓶頸。不同的計算引擎和系統(tǒng)可能需要存儲多份冗余數(shù)據(jù)，這不僅增加了存儲成本，也使得數(shù)據(jù)管理變得復(fù)雜。這樣的問題在需要處理大量數(shù)據(jù)的企業(yè)中尤其突出，如游戲、SaaS、金融、電商和物聯(lián)網(wǎng)等領(lǐng)域。
Relyt 的向量化計算引擎 DPS 支持行列混存，使得 Relyt 在全局只需維護(hù)一份數(shù)據(jù)，無需冗余備份。此外，Relyt 通過創(chuàng)新性的產(chǎn)品設(shè)計，例如 Sort Key 裁剪，顯著減少了系統(tǒng)的 I/O 操作，至多可降低 99%。此外，在行列混存基礎(chǔ)上，Relyt 支持自適應(yīng)選擇壓縮算法和編碼方式，保證了 I/O 的高效率，從而實現(xiàn)存儲成本最小化。
簡化數(shù)據(jù)鏈路
數(shù)據(jù)處理是一個復(fù)雜的過程，而數(shù)據(jù)鏈路的復(fù)雜性往往是難點中的難點。通常情況下，數(shù)據(jù)需要經(jīng)過多個系統(tǒng)和工具進(jìn)行 ETL（提取、轉(zhuǎn)換、加載），這不僅使得數(shù)據(jù)流程變得復(fù)雜，也大大增加了運維的難度和成本。尤其是在需要進(jìn)行試錯的情況下，復(fù)雜的數(shù)據(jù)鏈路可能會使得試錯成本極高。
Relyt 數(shù)據(jù)云支持結(jié)構(gòu)化、半結(jié)構(gòu)化等多種格式的數(shù)據(jù)，分析型、事務(wù)型、數(shù)據(jù)科學(xué) & AI 等多種數(shù)據(jù)負(fù)載，在 Relyt 數(shù)據(jù)云上，無需 ETL 即可一站式完成數(shù)據(jù)存儲、數(shù)據(jù)查詢和數(shù)據(jù)分析等核心業(yè)務(wù)需求，將數(shù)據(jù)處理難度降至最小的同時，保證了數(shù)據(jù)的實時性。
高系統(tǒng)敏捷性要求
隨著業(yè)務(wù)的發(fā)展，數(shù)據(jù)不斷增長，而許多企業(yè)的已有數(shù)據(jù)倉庫系統(tǒng)困于資源、性能等瓶頸，無法滿足企業(yè)隨著業(yè)務(wù)發(fā)展所帶來的數(shù)據(jù)存儲、計算、分析等相關(guān)需求，亟需一套能夠快速根據(jù)業(yè)務(wù)變化進(jìn)行敏捷調(diào)整的系統(tǒng)，業(yè)務(wù)的變化帶來數(shù)據(jù)分析的穩(wěn)定性問題。例如新增業(yè)務(wù) SQL 影響正在運行的業(yè)務(wù)，導(dǎo)致“不敢用”的問題。
Relyt 提供了卓越的實時性、彈性和可靠性，采用“存算分離 + SHARED-DATA”架構(gòu)， 計算資源實例 DPS 集群支持按需部署、按需擴(kuò)展，靈活應(yīng)對業(yè)務(wù)變化的敏捷需求。
分析系統(tǒng)強穩(wěn)定性要求
隨著企業(yè)業(yè)務(wù)的發(fā)展，數(shù)據(jù)量呈現(xiàn)出爆炸性的增長。新的業(yè)務(wù)SQL查詢可能需要掃描大量的數(shù)據(jù)，這將消耗大量的數(shù)據(jù)倉庫系統(tǒng)計算資源。如果系統(tǒng)資源分配不當(dāng)或者處理能力不足，可能會影響到線上正在運行的業(yè)務(wù)，導(dǎo)致系統(tǒng)運行不穩(wěn)定。預(yù)留足夠的資源往往又意味著高額的資源成本。
其次，隨著業(yè)務(wù)并發(fā)量的增加，數(shù)據(jù)寫入并發(fā)和數(shù)據(jù)查詢并發(fā)也會相應(yīng)增大。這同樣會消耗大量的數(shù)據(jù)倉庫系統(tǒng)計算資源。如果系統(tǒng)無法有效地處理高并發(fā)請求，也可能會影響到線上正在運行的業(yè)務(wù)，導(dǎo)致系統(tǒng)運行不穩(wěn)定。因此，數(shù)據(jù)倉庫系統(tǒng)需要具備高并發(fā)處理能力，能夠在高并發(fā)情況下，保持系統(tǒng)的穩(wěn)定運行。
AI向量存儲、檢索與分析
隨著AI的技術(shù)發(fā)展，尤其是大語言模型的橫空出世，非結(jié)構(gòu)化數(shù)據(jù)分析成為可能。Relyt 提供結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)（向量）的融合檢索與分析，使用SQL接口就可以快速的搭建起視頻、音頻、圖片、文本等非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)混合檢索等功能。
產(chǎn)品動態(tài)
1
產(chǎn)品上線
正式對外發(fā)布 Relyt 數(shù)據(jù)倉庫產(chǎn)品，為用戶提供一個全新的數(shù)據(jù)倉庫解決方案
2024-02-04
新產(chǎn)品
2
功能提升
新增運行 SQL 管理；支持表 TTL 功能，實現(xiàn)數(shù)據(jù)的冷熱管理以及全生命周期管理；支持Visualized Execution Plan 執(zhí)行計劃可視化
2024-07-01
新功能