實(shí)時(shí)離線一體化概述

在講實(shí)時(shí)離線一體化概述前，可以先回顧一下之前兩位阿里同學(xué)的精彩演講。離線實(shí)時(shí)一體化數(shù)倉(cāng)與湖倉(cāng)一體–云原生大數(shù)據(jù)平臺(tái)的持續(xù)演講

https://developer.aliyun.com/article/804337

云原生離線實(shí)時(shí)一體化數(shù)倉(cāng)建設(shè)與實(shí)踐：https://developer.aliyun.com/article/871926

當(dāng)前從第一代離線數(shù)倉(cāng)發(fā)展到第二代實(shí)時(shí)數(shù)倉(cāng)，再到第三代實(shí)時(shí)離線一體化數(shù)倉(cāng)，演進(jìn)過程和價(jià)值可以參考上述兩篇文章，今天分享的主要內(nèi)容是實(shí)時(shí)離線一體化數(shù)倉(cāng)的新能力。

大數(shù)據(jù)數(shù)倉(cāng)體系從“紛繁蕪雜”的一個(gè)架構(gòu)演進(jìn)到“化繁為簡(jiǎn)”的實(shí)時(shí)離線一體化數(shù)倉(cāng)，其核心是基于流式計(jì)算引擎對(duì)接了 MaxCompute Hologres離線及實(shí)時(shí)數(shù)倉(cāng)，并通過互通實(shí)現(xiàn)數(shù)據(jù)的分層處理。當(dāng)前這套架構(gòu)適用于海量數(shù)據(jù)的數(shù)據(jù)治理、離線分析、實(shí)時(shí)分析、數(shù)倉(cāng)集市、多模分析、機(jī)器學(xué)習(xí)在線模型等場(chǎng)景，幫助客戶構(gòu)建一站式的大數(shù)據(jù)分析平臺(tái)，釋放企業(yè)數(shù)據(jù)價(jià)值。

當(dāng)前解決方案適用場(chǎng)景有數(shù)據(jù)實(shí)時(shí)分析數(shù)據(jù)離線分析的業(yè)務(wù)，海量數(shù)據(jù)計(jì)算分析實(shí)時(shí)性要求較高的業(yè)務(wù)。，海量數(shù)據(jù)分析、點(diǎn)查。多源、多樣、流量數(shù)據(jù) 業(yè)務(wù)數(shù)據(jù)的分析服務(wù)業(yè)務(wù)。在實(shí)際業(yè)務(wù)中，如果有對(duì)時(shí)效性要求比較低的，不需要用到實(shí)時(shí)分析，還是使用 MaxCompute 離線數(shù)倉(cāng)為解決方案。如果業(yè)務(wù)場(chǎng)景中，類似在線告警、在線預(yù)測(cè)等，可以理解為整體鏈路沒有用到離線數(shù)據(jù)跟實(shí)時(shí)數(shù)據(jù)的一個(gè)結(jié)合。那就是典型的解決方案，比如實(shí)時(shí)計(jì)算Flink Hologres做為實(shí)時(shí)性比較高的實(shí)時(shí)數(shù)倉(cāng)解決方案。

實(shí)時(shí)離線一體化，主要側(cè)重強(qiáng)調(diào)適配于有離線業(yè)務(wù)和實(shí)時(shí)在線業(yè)務(wù)混合的綜合應(yīng)用場(chǎng)景，這樣可以解決多元多樣流量數(shù)據(jù)跟業(yè)務(wù)數(shù)據(jù)的一個(gè)分析服務(wù)業(yè)務(wù)。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）

實(shí)時(shí)離線一體化優(yōu)勢(shì)

從數(shù)據(jù)寫入來看呢，有實(shí)時(shí)數(shù)據(jù)和離線數(shù)據(jù)，流式數(shù)據(jù)都可以支持。MaxCompute 在數(shù)據(jù)寫入側(cè)的特點(diǎn)是支持高QPS寫入后，即可見即可查。從數(shù)據(jù)寫入的通道來看呢，當(dāng)前實(shí)時(shí)離線一體化支持批量數(shù)據(jù)通道、流式數(shù)據(jù)通道、實(shí)時(shí)數(shù)據(jù)通道。以及在數(shù)據(jù)寫入之前比如kafka、Flink這種中間插件的支持，從一個(gè)數(shù)據(jù)源，從消息服務(wù)中間件，把數(shù)據(jù)寫入到 MaxCompute 中間零代碼開發(fā)，可以直接用 MaxCompute 支持的插件來做。Hologres本身支持高性能寫入和實(shí)時(shí)寫入更新，以及寫入即可查的能力，MaxCompute Hologres相結(jié)合，覆蓋了批量數(shù)據(jù)寫入、流式數(shù)據(jù)寫入、實(shí)時(shí)數(shù)據(jù)寫入以及寫入即可查的產(chǎn)品支持。

數(shù)據(jù)計(jì)算是多引擎支持，基于 MaxCompute 支持EB量級(jí)數(shù)據(jù)計(jì)算，在 MaxCompute 本身計(jì)算引擎內(nèi)支持spark、MR、SQL。數(shù)據(jù)寫入后，MaxCompute支持用 spark 流式處理，也可以用 MaxCompute SQL批處理。多引擎支持下實(shí)時(shí)計(jì)算延遲到秒級(jí)乃至毫秒級(jí)，單個(gè)作業(yè)吞吐量可達(dá)到百萬級(jí)。

在數(shù)據(jù)共享互通方面，是做到了MaxCompute&Hologres的數(shù)據(jù)互通，存儲(chǔ)直讀打通，可以從Hologres直讀 MaxCompute 的數(shù)據(jù)，從 MaxCompute 到Hologres，當(dāng)前上線的功能是通過外表去讀取，直讀的功能很快也會(huì)上線。這樣一個(gè)優(yōu)勢(shì)，可以做到同一份數(shù)據(jù)，用一個(gè)實(shí)時(shí)引擎一個(gè)離線引擎做處理，能夠?qū)崿F(xiàn)數(shù)據(jù)不移動(dòng)的情況下，可以在離線數(shù)倉(cāng)處理完，在實(shí)時(shí)數(shù)倉(cāng)做匯總，或者是從實(shí)時(shí)數(shù)倉(cāng)讀實(shí)時(shí)數(shù)據(jù)，結(jié)合離線數(shù)據(jù)去做融合數(shù)據(jù)計(jì)算跟分析。

在分析服務(wù)一體化優(yōu)勢(shì)方面，這里本身有一個(gè)很大的特點(diǎn)是，MaxCompute 本身支持?jǐn)?shù)據(jù)的交互式查詢是秒級(jí)別的，因?yàn)镸axCompute提供了查詢加速的一個(gè)能力，滿足的場(chǎng)景就是秒級(jí)查詢，如果實(shí)時(shí)性要求更高如亞秒級(jí)毫秒級(jí)，可以直接在分析層應(yīng)用對(duì)接到Hologres，支持PB量級(jí)亞秒級(jí)交互式分析。

實(shí)時(shí)離線一體產(chǎn)品新能力解讀

把實(shí)時(shí)離線一體化架構(gòu)優(yōu)點(diǎn)拆分到整個(gè)數(shù)倉(cāng)開發(fā)鏈路里面，對(duì)應(yīng)到一些產(chǎn)品能力。數(shù)倉(cāng)的開發(fā)過程是從數(shù)據(jù)源->數(shù)據(jù)寫入->數(shù)據(jù)清洗->業(yè)務(wù)級(jí)聚合->數(shù)據(jù)分析&服務(wù)->AI&Reporting。在數(shù)據(jù)分析服務(wù)或者是一些在線應(yīng)用場(chǎng)景里面，有第三方也有自用的產(chǎn)品應(yīng)用封裝，以及一些AI場(chǎng)景的在線分析服務(wù)，這時(shí)可以對(duì)接到數(shù)據(jù)分析服務(wù)的一個(gè)接口，也可以對(duì)接到MaxCompute數(shù)倉(cāng)里面的數(shù)據(jù)，或者是oss的數(shù)據(jù)，可以根據(jù)自身業(yè)務(wù)場(chǎng)景來決定。

在數(shù)據(jù)源，我們支持第三方插件，如Kafka Connector，Logstash Connector，F(xiàn)link Connector。數(shù)據(jù)寫入層，支持批量數(shù)據(jù)通道、流式數(shù)據(jù)通道：行文件支持自動(dòng)merge、實(shí)時(shí)數(shù)據(jù)通道。很快會(huì)提供基于數(shù)據(jù)寫入的獨(dú)享資源，也就是商業(yè)化資源，目前寫入的計(jì)算資源是公共集群，免費(fèi)提供，對(duì)于大業(yè)務(wù)量需求時(shí)，可能會(huì)出現(xiàn)延遲。不久會(huì)發(fā)布upsert能力，可以把業(yè)務(wù)庫(kù)如rds數(shù)據(jù)實(shí)時(shí)更新到MaxCompute。

從數(shù)據(jù)清洗來看，數(shù)據(jù)在寫入MaxCompute過程中，支持update和delete能力，在這個(gè)過程中也在業(yè)務(wù)聚合這一層做了物化視圖和漸進(jìn)計(jì)算，以及規(guī)劃中的自動(dòng)化物化視圖。在數(shù)據(jù)分析服務(wù)這一層，MaxCompute 提供了查詢加速能力，在后付費(fèi)過程無感知查詢加速能力，以及在邀測(cè)過程中的預(yù)付費(fèi)獨(dú)享資源MCQA的查詢。之前發(fā)布了針對(duì)預(yù)付費(fèi)查詢加速免費(fèi)額度的一個(gè)能力，每天每個(gè)project有500次單個(gè)SQL10G 以下的查詢額度。后續(xù)針對(duì)數(shù)據(jù)服務(wù)的一個(gè)對(duì)接，以及第三方應(yīng)用的對(duì)接，如果用戶是預(yù)付費(fèi)，基于已購(gòu)資源切分出一個(gè)資源組，作為獨(dú)立查詢加速資源，來滿足包年包月用戶。如果對(duì)數(shù)據(jù)分析服務(wù)有更高的交互式詳細(xì)要求，可以對(duì)接Hologres。

在Hologres這一側(cè)，我們通過 MaxCompute 到 Hologres 的外表支持以及 Hologres 到 MaxCompute 存儲(chǔ)直讀，來實(shí)現(xiàn)數(shù)據(jù)的互通。后續(xù)的規(guī)劃能力，我們會(huì)做一個(gè)元數(shù)據(jù)打通，以及 MaxCompute 到 Hologres 的直讀能力。在上層BI報(bào)表分析過程當(dāng)中，做了生態(tài)的一些接入，如網(wǎng)易有數(shù)、觀遠(yuǎn)BI、自主分析、在線服務(wù)有AI的在線模型，在線訓(xùn)練會(huì)直接對(duì)接到MaxCompute數(shù)倉(cāng)數(shù)據(jù)。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）

實(shí)時(shí)離線一體產(chǎn)品新能力漸進(jìn)計(jì)算

漸進(jìn)計(jì)算從概念上來看，是一種能夠通過處理增量數(shù)據(jù)并維護(hù)中間狀態(tài)來完成計(jì)算的形式，處于傳統(tǒng)流計(jì)算和批處理之間?？梢钥吹较聢D，有一張交易表，是在某一個(gè)日期比如十二點(diǎn)一點(diǎn)到兩點(diǎn)，每一個(gè)時(shí)間點(diǎn)都有交易數(shù)據(jù)。也就是說，通過漸進(jìn)計(jì)算，可以把每一個(gè)小時(shí)匯總的交易訂單金額和交易訂單，完成小時(shí)級(jí)別的統(tǒng)計(jì)，匯總到每個(gè)小時(shí)生產(chǎn)的單獨(dú)文件，也就是說，漸進(jìn)計(jì)算會(huì)自動(dòng)把交易明細(xì)數(shù)據(jù)，做一個(gè)輕度的匯總。這樣查數(shù)據(jù)時(shí)，就不需要去統(tǒng)計(jì)一個(gè)小時(shí)或者幾個(gè)小時(shí)的數(shù)據(jù)，我們可以通過漸進(jìn)計(jì)算完成輕度匯總之后，直接去查統(tǒng)計(jì)好的數(shù)據(jù)。這個(gè)示例可以表明，交易訂單數(shù)據(jù)也可以實(shí)時(shí)或者近實(shí)時(shí)寫入MaxCompute中，也可以實(shí)時(shí)寫入到Hologres?？梢愿鶕?jù)業(yè)務(wù)需求來做，比如寫入進(jìn)Hologres，相當(dāng)于從訂單數(shù)據(jù)到Hologres中，可以在流式鏈路里面做實(shí)時(shí)計(jì)算去完成小時(shí)級(jí)別的窗口統(tǒng)計(jì)數(shù)據(jù)，去做輕度匯總。如果寫入MaxCompute，可以通過漸進(jìn)計(jì)算完成小時(shí)級(jí)別的輕度匯總統(tǒng)計(jì)。在這個(gè)過程中，做到了實(shí)時(shí)數(shù)據(jù)實(shí)時(shí)寫入，以及近實(shí)時(shí)的輕度匯總和上層的聚會(huì)，可以對(duì)數(shù)據(jù)分析服務(wù)提供數(shù)據(jù)的查詢能力。

漸進(jìn)計(jì)算的用途和優(yōu)勢(shì)在于，可以根據(jù)數(shù)據(jù)按窗口周期存儲(chǔ)，對(duì)查詢最近的數(shù)據(jù)時(shí)，可以減少計(jì)算，節(jié)省計(jì)算資源的同時(shí)，提高計(jì)算效率。每次去訪問時(shí)，不用去查明細(xì)表，可以直接去查輕度匯總數(shù)據(jù)，這樣無論是速度還是體驗(yàn)都有一個(gè)巨大的提升。比如從交易訂單的數(shù)據(jù)，通過datahub流式寫入到MaxCompute，在MaxCompute中完成漸進(jìn)計(jì)算的輕度匯總，以及后續(xù)的數(shù)據(jù)消費(fèi)，這一套鏈路是近實(shí)時(shí)的。另外一條鏈路是，datahub通過Flink去消費(fèi)，由Flink完成各種統(tǒng)計(jì)，以及其他維度的計(jì)算，再寫入到Hologres來提供消費(fèi)服務(wù)的一個(gè)能力。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）

實(shí)時(shí)離線一體化產(chǎn)品新能力物化視圖

物化視圖是包括一個(gè)查詢結(jié)果的數(shù)據(jù)庫(kù)對(duì)象，他是遠(yuǎn)程數(shù)據(jù)的本地副本，或者用來生產(chǎn)基于數(shù)據(jù)表求和的匯總表?？梢钥聪聢D示例，有一個(gè)訂單表order保存明細(xì)訂單記錄，org組織機(jī)構(gòu)表保存組織機(jī)構(gòu)數(shù)據(jù)，如果查數(shù)據(jù)匯總時(shí)，需要把兩張表數(shù)據(jù)先做關(guān)聯(lián)，如下圖示例代碼。如果有物化視圖，視圖表就可以取代用戶查詢匯總的代碼腳本，查詢時(shí)直接查視圖表即可。在這個(gè)過程中，物化視圖支持用戶設(shè)置數(shù)據(jù)更新頻率，最快是五分鐘，可以根據(jù)需求來做視圖表的更新。

物化視圖的用途與優(yōu)勢(shì)在于，數(shù)據(jù)在寫入時(shí)計(jì)算，數(shù)據(jù)進(jìn)行預(yù)計(jì)算，提高查詢效率，對(duì)客戶透明，自動(dòng)改寫。比如訂單數(shù)據(jù)實(shí)時(shí)的寫入，可以通過物化視圖每五分鐘更新來實(shí)現(xiàn)上層應(yīng)用數(shù)據(jù)的近實(shí)時(shí)匯總統(tǒng)計(jì)查詢。如果這條鏈路在Hologres，可以走實(shí)時(shí)數(shù)倉(cāng)鏈路來完成。MaxCompute 提供的物化視圖能力，滿足客戶對(duì)數(shù)據(jù)時(shí)效性要求高，但又不是實(shí)時(shí)的數(shù)據(jù)更新需求。

那在整條開發(fā)鏈路里面，流式數(shù)據(jù)或批量數(shù)據(jù)寫入之后，在 MaxCompute 中可以通過物化視圖和漸進(jìn)計(jì)算來完成數(shù)據(jù)匯總，再通過MCQA查詢加速能力提供秒級(jí)別對(duì)外數(shù)據(jù)分析服務(wù)的能力。如果對(duì)交互式查詢返回時(shí)延要求高，可以做匯總數(shù)據(jù)時(shí)把數(shù)據(jù)匯總到Hologres，通過Hologres對(duì)外提供數(shù)據(jù)分析服務(wù)能力，這個(gè)交互響應(yīng)時(shí)間可以達(dá)到毫秒級(jí)別。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）

實(shí)時(shí)離線一體化數(shù)倉(cāng)架構(gòu)

從架構(gòu)來看，化繁為簡(jiǎn)之后的架構(gòu)從左到右，可以直接通過Datahub數(shù)據(jù)總線把數(shù)據(jù)寫入到 MaxCompute ，也通過實(shí)時(shí)計(jì)算（實(shí)時(shí)計(jì)算Flink版）消費(fèi)數(shù)據(jù)總線（DataHub)實(shí)時(shí)數(shù)據(jù)寫入Hologres提供分析服務(wù)。這一套架構(gòu)有兩條鏈路，如果業(yè)務(wù)響應(yīng)時(shí)間要求非常高，可以走實(shí)時(shí)數(shù)倉(cāng)鏈路，Datahub數(shù)據(jù)通過Flink完成實(shí)時(shí)數(shù)據(jù)計(jì)算寫入實(shí)時(shí)數(shù)倉(cāng)Hologres，提供數(shù)據(jù)給數(shù)據(jù)產(chǎn)品或者是實(shí)時(shí)大屏。如果對(duì)業(yè)務(wù)響應(yīng)時(shí)間要求不高的，可以通多Datahub直接寫入數(shù)據(jù)到 MaxCompute。

在實(shí)時(shí)計(jì)算Flink消費(fèi)實(shí)時(shí)在線數(shù)據(jù)時(shí)，也有不同的計(jì)算指標(biāo)需要呈現(xiàn)到離線數(shù)倉(cāng) MaxCompute 中，跟 MaxCompute中的一些數(shù)據(jù)做聚合計(jì)算，可以通過Hologres 直讀的方式讀取到MaxCompute聚合后的數(shù)據(jù)。通過Hologres 對(duì)外提供在線數(shù)據(jù)分析服務(wù)能力，底層數(shù)據(jù)可以是Hologres中的數(shù)據(jù)，也可以是MaxCompute中的數(shù)據(jù)。當(dāng)前架構(gòu)主要體現(xiàn)出的是實(shí)時(shí)離線一體化，但湖倉(cāng)一體是在這一套架構(gòu)中。不管是離線數(shù)倉(cāng)還是實(shí)時(shí)數(shù)倉(cāng)都可以跟數(shù)據(jù)湖中的數(shù)據(jù)互通。

基于當(dāng)前架構(gòu)主要提供了三個(gè)維度的服務(wù)能力

實(shí)時(shí)鏈路：通過實(shí)時(shí)計(jì)算（實(shí)時(shí)計(jì)算Flink版）消費(fèi)數(shù)據(jù)總線（DataHub)實(shí)時(shí)數(shù)據(jù)寫入Hologres提供分析服務(wù)。

低延時(shí)或手動(dòng)觸發(fā)：Flink/DataHub通過流式寫入MaxCompute，應(yīng)用物化視圖進(jìn)行預(yù)計(jì)算提供業(yè)務(wù)聚合數(shù)據(jù)基于查詢加速的分析服務(wù)。消除了對(duì)作業(yè)和調(diào)度的管理。

批處理：MaxCompute支持多種數(shù)據(jù)來源的數(shù)據(jù)，進(jìn)行大量同步和處理的數(shù)據(jù)計(jì)算。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）

實(shí)時(shí)離線一體化數(shù)倉(cāng)數(shù)據(jù)建模

那實(shí)時(shí)離線一體化怎么使用呢？可以看下圖示例。

電信運(yùn)營(yíng)商流量采集業(yè)務(wù)分析：根據(jù)對(duì)流量采集業(yè)務(wù)分析，比較適合數(shù)據(jù)倉(cāng)庫(kù)常用建模方法——雪花模型。依據(jù)業(yè)務(wù)特征和雪花模型建模原則，完成數(shù)倉(cāng)建模。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）

實(shí)時(shí)離線一體化數(shù)倉(cāng)分層

此示例中，運(yùn)營(yíng)商流量表為實(shí)時(shí)數(shù)據(jù)表，針對(duì)流量表關(guān)聯(lián)了采集機(jī)維度表和地域維度表，構(gòu)建了基于實(shí)時(shí)流量數(shù)據(jù)的雪花模型。模型做完后，基于數(shù)倉(cāng)的分層是，ods層為采集的流量表數(shù)據(jù)和采集機(jī)規(guī)則表，同步到MaxCompute或Hologres做相應(yīng)規(guī)則處理。在dwd明細(xì)數(shù)據(jù)這一層，主要針對(duì)清洗完之后數(shù)據(jù)形成采集流量明細(xì)表和采集機(jī)規(guī)則事件明細(xì)表。如果是實(shí)時(shí)離線相結(jié)合的架構(gòu)，dwd層數(shù)據(jù)可以匯總到Hologres中。如果是匯總到MaxCompute，可以用分區(qū)表來實(shí)現(xiàn)，在分區(qū)表內(nèi)計(jì)算時(shí)間或者事件規(guī)則相符合的數(shù)據(jù)，在分區(qū)表內(nèi)做輕度匯總。針對(duì)匯總表再去完成采集規(guī)則事件的統(tǒng)計(jì)包括流量數(shù)據(jù)平均值的統(tǒng)計(jì)分析。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）

實(shí)時(shí)離線一體化案例場(chǎng)景

商家用戶下單總數(shù)

比如商家要根據(jù)用戶歷史下單數(shù)給用戶優(yōu)惠，商家需要看到歷史下了多少單，歷史T 1的數(shù)據(jù)要有，今天實(shí)時(shí)的數(shù)據(jù)也要有，這種場(chǎng)景是典型的實(shí)時(shí)離線一體化架構(gòu)。我們可以在Hologres里設(shè)計(jì)一個(gè)分區(qū)表，一個(gè)是歷史分區(qū)，一個(gè)是今日分區(qū)，歷史分區(qū)可以通過離線的方式生產(chǎn)，今日指標(biāo)可以通過實(shí)時(shí)的方式計(jì)算，寫到今日分區(qū)里，查詢的時(shí)候進(jìn)行一個(gè)簡(jiǎn)單的匯總。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）

車聯(lián)網(wǎng)

從左到右數(shù)據(jù)源有車端數(shù)據(jù)、CAN總線、用戶行為、車載TBox，通過Datahub數(shù)據(jù)總線，分別寫入實(shí)時(shí)計(jì)算Flink版進(jìn)行消費(fèi)寫入Hologres實(shí)時(shí)數(shù)倉(cāng)，和MaxCompute 離線數(shù)倉(cāng)做數(shù)據(jù)分析。實(shí)時(shí)數(shù)據(jù)可以通過Hologres直接對(duì)數(shù)據(jù)服務(wù)端停供在線服務(wù)分析和數(shù)據(jù)服務(wù)API。同時(shí)Hologres可以讀取在MaxCompute 中產(chǎn)生的批處理結(jié)果數(shù)據(jù)，也可以讀取到物化視圖或者漸進(jìn)計(jì)算自動(dòng)匯總的數(shù)據(jù)。同時(shí)MaxCompute 離線數(shù)倉(cāng)也會(huì)處理用戶中心UDS和主機(jī)廠系統(tǒng)數(shù)據(jù)，這些數(shù)據(jù)有一些業(yè)務(wù)數(shù)據(jù)或者是T 1數(shù)據(jù)，這些數(shù)據(jù)處理完后，可以進(jìn)行冷數(shù)據(jù)歸檔到oss，這些數(shù)據(jù)可以提供給標(biāo)準(zhǔn)的自動(dòng)駕駛進(jìn)行AI機(jī)器學(xué)習(xí)。這一套應(yīng)用場(chǎng)景就是實(shí)時(shí)離線一體化的標(biāo)準(zhǔn)使用場(chǎng)景。

阿里云云原生一體化數(shù)倉(cāng)—離線實(shí)時(shí)一體化新能力解讀（云原生阿里云）