案例解析 | 阿里云数据库助力特步全渠道业务稳步上云

本文涉及的产品
RDS MySQL DuckDB 分析主实例,基础系列 4核8GB
RDS DuckDB + QuickBI 企业套餐,8核32GB + QuickBI 专业版
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
简介: “利用DRDS产品的高并发写和海量存储能力,我们支撑了全国几千家门店的零售全渠道业务的数据写入和读取,支撑了特步全渠道业务中台的业务。DRDS的横向扩展能力确保门店快速扩展时候的数据库良好的读写扩展性。同时DRDS、RDS的弹性升降配确保我们在业务高峰的时候可以升级DRDS,提升计算能力,在业务低峰期降配。”— 特步资深技术总监王海能

2016年云栖大会上,马云提出了“新零售”概念,指出新零售包含了“线下与线上零售深度结合,再加智慧物流,服务商运用大数据、云计算等创新技术”。随着新零售的崛起,传统服装行业同时在经历巨变,其行业复杂度在新零售变革过程中呈现出多种多样的创造性,在一定程度上,引领着其他相关行业变革。尽管服装行业新零售变革处于领头羊的位置,但库存失衡、利润低迷、客户流失、销售瓶颈四大痛点,仍是服装业多年来的困扰。传统经营模式中品牌商与消费者中间环节越多,就越无法感知消费者需求,消费者与品牌商的诉求越远,就越无法信任品牌商产品。新零售的本质是新技术的驱动,数据成了未来最重要的生产资料,算法成了未来最重要的流水线。数字化以大数据、物联网等技术为依托,围绕“人、货、场”三大零售要素进行数据的采集和打通,是实现智慧零售的第一步,零售业数字化平台的搭建是驱动业务运营流程的智能化和作业过程的自动化的重要基础。
本文将介绍一家大型运动时尚体育用品企业——特步的上云历程。特步是中国领先的体育用品企业之一,主要从事运动鞋、服装及配饰的设计、开发、制造和销售,线上线上结合发展,以线下业务为主,在全国拥有几千家专卖门店。

为什么上云

  • 订单处理速度难以支撑业务增长

由于特步的业务快速增长,现有系统订单处理能力出现瓶颈,频繁出现订单处理时间长,单笔订单发货慢,发货效率较低,丢单率高等问题。
image
通过DRDS+RDS的分布式数据库解决方案支撑O2O全渠道业务中台系统上线,通过垂直拆分剥离各业务中心,使不同类型的业务数据可以存储在不同的RDS上,确保资源和访问隔离,从物理上使整个数据库架构具备了扩展性。实现POS业务的订单快速完成和快速发货,同时保证门店的业务都可以接入业务中台。将各个业务中心容器化,通过容器技术进一步发挥云计算的弹性能力,优化成本的同时,提升客户的IT架构的敏捷性,从而提升业务敏捷性,加速业务创新、快速迭代、低成本试错。
关于全站上云:
更多详情-> 更多详情

  • 原有系统弹性能力不足,无法满足高并发数据读写,海量数据存储能力低

特步拥有几千家线下门店,并且还在不断扩张,每天都会产生海量的订单、库存及用户数据。企业经营会经常举办促销活动,大促期间单日订单量是平时的数倍,最高可达几百万单,原有系统弹性能力不足,导致不能及时满足数据库的高并发写入与海量的数据存储,同时无法支撑业务高峰时的突增流量,影响到业绩完成。从发展角度看,随着线上渠道扩张和线下门店快速增加,一旦业务扩展达到系统瓶颈,整个系统的改造成本及影响也会比较大。
image
对于订单中心这样访问量和数据量都比较大的业务,我们采用DRDS数据库水平分库技术,将订单、库存、用户、渠道等数据放在不同的物理RDS上,并将数据存储与读写压力分散,结合弹性升降配和平滑扩容,使系统具备了10万的每秒事务处理量(TPS),100万的每秒查询率(QPS),并且可以在十几分钟内将QPS弹性扩展到当前的2-32倍,充分满足大促场景下高并发读写诉求。同时具备100TB海量数据存储的能力。总体来看,系统可以支撑客户扩展业务至当前业务量的5-10倍,满足了企业未来几年发展带来的数据处理需求。

  • 数据处理慢,难以进行数据驱动

由于特步线下门店众多,业务量较大,同时门店、采购、销售订单、库存、调拨、进销存和财务等业务模块都需要报表来支撑业务决策,使用传统的关系型数据库生产报表速度较慢,由几分钟到十几分钟甚至几十分钟不等,无法支持运营活动和决策报表的快速输出,导致业务行为和业务决策不连贯。
image
经分析发现,客户报表生成对数据的需求可分为两大类:高实时性需求和大计算量需求。第一类数据具有较高的实时性要求,但计算量相对较小,我们规划了单独的DRDS来满足这类报表需求,通过数据传输服务 DTS将数据从DRDS业务中台数据库同步到DRDS报表数据库;第二类数据对实时性要求不高,但计算量大,需要较多聚合查询、排序、子查询等处理,我们选用了毫秒级针对万亿级数据进行即时多维分析透视和业务探索的分析型数据库MySQL版(AnalyticDB for MySQL)满足需求。改造后,报表产出速度从原来的十几分钟到几十分钟,降至1秒至1分钟,其中大部分报表可在10秒-30秒内产出。

上云关键点

  • 数据链路优化

特步同时具有OLTP和OLAP数据处理需求,需要两个DRDS实例进行支撑,同时有2.5TB的数据需要全量上云,于是云下——云上、DRDS业务中台——DRDS报表、DRDS业务中台——ADB报表等几个业务链条中,都具有数据同步链路的强诉求。解决同步数据链路延迟,数据链路的优化便成为了上云的重点工作。为此,我们组建专家组协助特步做数据库SQL语法及MySQL参数的优化,同时在专家团队定位到问题后协调产品团队做产品能力升级,解决了数据迁移慢、数据同步延迟、DRDS同步到DRDS和ADB延迟大等严重卡点的问题,确保了特步的顺利上云。

客户证言
“利用DRDS产品的高并发写和海量存储能力,我们支撑了全国几千家门店的零售全渠道业务的数据写入和读取,支撑了特步全渠道业务中台的业务。DRDS的横向扩展能力确保门店快速扩展时候的数据库良好的读写扩展性。同时DRDS、RDS的弹性升降配确保我们在业务高峰的时候可以升级DRDS,提升计算能力,在业务低峰期降配。”— 特步资深技术总监王海能

客户价值

  1. 支撑高并发场景

提升了客户业务系统数据读写能力,具备10万TPS、100万QPS的支撑能力,满足客户业务扩展至当前业务量的5-10倍。

  1. 提高弹性扩缩容能力

提升了快速弹性升降配能力,可以在半天时间内将系统的计算和存储容量弹升至当前容量的10倍以上,从容、快速应对突发业务流量;同时也支持在大促后半天内将系统的容量降低至原有水位,快速降低商务成本。

  1. 数据驱动业务

统一总公司、子公司、代理商的数据标准,同时提高门店销售、库存等端到端数据链路的时效性,便于进行全面数据跟踪与分析。使业务行为和业务决策可以平滑对接,通过报表快速进行业务决策。

  1. 有效降低 TCO

上云后云端服务和网络资源随时可用,物理环境零人力投入,相对成本线性,降低了实际TCO。解决了自建IDC资源利用率低、部署冗余、运维和基础设备开发人力支出成本高,而且可预见的规模扩大,成本会大幅上升等问题。

相关文章
|
2月前
|
存储 消息中间件 关系型数据库
(二)走进阿里云实时计算Flink版-场景案例篇
阿里云实时计算Flink版产品负责人黄鹏程(马格)介绍:基于Apache Flink打造的企业级全托管实时计算平台,支持批流一体、湖仓融合、实时风控与AI推理等场景,助力满帮、车企等客户降本增效35%,SLA达99.9%。
832 3
(二)走进阿里云实时计算Flink版-场景案例篇
|
2月前
|
SQL 数据采集 人工智能
别把数据中台做成“数据坟场”:聊聊企业数据中台架构的真实落地之路
别把数据中台做成“数据坟场”:聊聊企业数据中台架构的真实落地之路
307 4
|
7天前
|
人工智能 Cloud Native Apache
Flink Forward Asia 2026 官宣深圳|From Cloud Native to AI Native
Flink Forward Asia 2026将于6月26–27日首次落地深圳,主题为“实时数据,智能未来”。大会聚焦Flink从Cloud Native迈向AI Native的演进,发布Flink 2.0、Paimon 2.0、Fluss 1.0及Flink Agents等重磅进展,并联合NVIDIA、阿里云共探实时AI与多模态流处理。免费报名中!
191 1
|
4月前
|
存储 人工智能 Serverless
AI时代最大的宝藏,也藏得最深:80%的企业知识沉睡在非结构化数据中
2026年AI进入应用爆发期,但非结构化数据成为瓶颈。Hologres推出AI原生新架构HSAP 2.0,融合语义搜索、多维分析与Serverless弹性,打造统一数据平面,让企业海量数据高效赋能AI,破解“数据熵”难题,支撑智能客服、销售助手等复杂场景,实现从“为人服务”到“为AI服务”的跨越。
|
4月前
|
数据库
向量数据库实战:从“看起来能用”到“真的能用”,中间隔着一堆坑
本文揭示向量数据库实战的七大关键陷阱:选型前需明确业务本质(模糊匹配 or 精确查询?);embedding 比数据库本身更重要,决定语义“世界观”;文档切分是核心工程,非辅助步骤;建库成功≠可用,TopK 准确率会随数据演进失效;“相似但不可用”是常态,必须引入 rerank;需建立可追溯的bad case排查路径;向量库是长期系统,非一次性组件。核心结论:难在“用对”,不在“用上”。
|
17天前
|
SQL 人工智能 自然语言处理
一条 SQL 生成广告:Hologres 如何实现素材生成到投放分析一体化
广告投放面临“量、准、快”不可兼得的不可能三角:素材产能不足、数据与创意割裂、测试周期远超素材生命周期。阿里云Hologres以“Data + AI = All in One”理念,通过Object Table、AI Function、Dynamic Table等能力,实现素材采集、智能打标、AI生成、投放分析全链路闭环,用SQL驱动一体化智能创意工厂。
|
1月前
|
存储 算法 定位技术
一套底座支撑多场景:高德地图基于 Paimon + StarRocks 轨迹服务实践
面对轨迹数据“高实时、高并发、长周期存储”的典型特征,高德团队以访问跨度为依据完成热/温/冷分层,并以 Apache Paimon + StarRocks 构建统一的数据底座,支撑轨迹数据的近实时写入与高性能查询。
|
1月前
|
人工智能 数据可视化 JavaScript
剪视频不用再开 PR 的 AI 工作流
本文对比OpenClaw三种部署方式(本地、全托管、阿里云轻量自托管),重点推荐后者:兼顾7×24在线、数据自主、灵活扩展与开箱即用。结合真实视频剪辑场景,详解字幕生成、批量处理、竖屏裁切等高效AI功能,适合Vlog/知识类博主提效减负。
|
4月前
|
存储 缓存 数据建模
StarRocks + Paimon: 构建 Lakehouse Native 数据引擎
12月10日,Streaming Lakehouse Meetup Online EP.2重磅回归,聚焦StarRocks与Apache Paimon深度集成,探讨Lakehouse Native数据引擎的构建。活动涵盖架构统一、多源联邦分析、性能优化及可观测性提升,助力企业打造高效实时湖仓一体平台。
678 39
|
3月前
|
人工智能 自然语言处理 数据挖掘
Hologres向量检索和全文检索在淘天客户运营的实践
淘天集团客户运营团队基于Hologres构建向量+全文一体化检索方案,融合语义理解与关键词匹配,毫秒级召回海量非结构化文本,已支撑智能客服、规则比对、舆情分析等核心场景,显著提升准确率与响应速度。

热门文章

最新文章