《玩转 Tablestore 入门与实战》重磅来袭! 架构、原理及场景全方面解读

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 Tair(兼容Redis),内存型 2GB
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
简介: 表格存储 Tablestore 是阿里云自研的面向海量结构化和半结构化数据的 Serverless 多模型数据存储,采用与 Google Bigtable 类似的宽表模型,天然的分布式架构,能支撑高吞吐的数据写入以及 PB 级数据存储。表格存储 Tablestore于 2009 年阿里云成立之初即立项研发,基于底层飞天平台从零开始构建,在 2014 年正式商业化面向公有云提供服务。历经 10 年多的打磨,目前已在阿里巴巴集团、阿里云公共云以及专有云内得到广泛应用,涵盖电商、金融风控、物联网、人工智能、大数据、社交媒体等不同业务领域,支撑钉钉、优酷、手淘、IoT、计算平台等多个内部核心 BU

表格存储 Tablestore 是阿里云自研的面向海量结构化和半结构化数据的 Serverless 多模型数据存储,采用与 Google Bigtable 类似的宽表模型,天然的分布式架构,能支撑高吞吐的数据写入以及 PB 级数据存储。

表格存储Tablestore于 2009 年阿里云成立之初即立项研发,基于底层飞天平台从零开始构建,在 2014 年正式商业化面向公有云提供服务。历经 10 年多的打磨,目前已在阿里巴巴集团、阿里云公共云以及专有云内得到广泛应用,涵盖电商、金融风控、物联网、人工智能、大数据、社交媒体等不同业务领域,支撑钉钉、优酷、手淘、IoT、计算平台等多个内部核心 BU 和业务。


Tablestore 如何支撑钉钉海量消息存储?

如何构建百亿级订单存储系统?

如何提供物联网设备消息数据、元数据和时序数据一站式存储?

……

面对以上难题,是否往往手足无措?别担心!阿里云基础产品事业部Tablestore团队联合阿里云开发者社区《玩转 Tablestore 入门与实战》重磅来袭!466页技术干货,分享阿里内部基于 Tablestore 的优秀架构设计经验和典型应用场景,带你揭开Tablestore 的神秘面纱!


点击免费下载

《玩转 Tablestore 入门与实战》

图片 1.png


复制该链接到浏览器完成下载或分享: https://developer.aliyun.com/topic/download?id=7983

 

本书主要分为4大章节内容:

 

章节一:基础入门


Tablestore 数据模型讲解、表格存储快速上手及教你免费试用一款免运维、无线容量的表存储服务,从基本出发,5分钟带你入门。

 

章节二:技术进阶


通过本章节,你可领略到Tablestore存储和索引引擎、Tablestore 表设计最佳实践等知识,对Tablestore 进一步了解。

 

章节三:学习架构设计思想


本节解读数据中台的结构化大数据存储设计、云上应用系统数据存储架构演进、Lambda plus的云上大数据解决方案,带你掌握架构原理,学习架构设计思想。

 

章节四:场景实战


“检验真理的最佳方式是实践”,本节着重讲解场景实践,通过对电商订单、IM消息、Feeds 流、轨迹溯源、物联网、大数据等典型场景的详细解读,再次加深你的架构设计思想,同时实践能力得到提升。

 

精彩内容抢先看

 

第一章 基础入门 - 五分钟入门

·      Tablestore数据模型 - WideColumn和Timeline

·      教你如何免费使用一款免运维、无限容量的表存储服务

·      表格存储 SQL 功能快速上手


第二章 技术进阶 - 全方位了解

·      Tablestore存储和索引引擎详解

·      多元索引:如何在千亿行规模的表中快速检索数据

·      通道服务:表格存储全增量一体消费通道

·      Tablestore表设计最佳实践

·      深入对比 HBase 与阿里云的表格存储服务

 

第三章 架构原理 - 架构设计思想

·      数据中台之结构化大数据存储设计

·      云上应用系统数据存储架构演进

·      Lambda plus: 云上大数据解决方案

 

第四章 场景实战 - 典型场景架构与实现


·      电商订单


o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-架构篇

o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-数据同步 DTS 篇

o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-数据同步 Canal 篇

o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-订单搜索篇

o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-SQL 查询和分析

o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-基于 DLA 的联邦查询

o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-数据处理ETL篇

o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-历史数据分析篇

o  基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-数据流计算篇


·      IM 消息

o  现代IM系统中的消息系统架构 - 架构篇

o  现代IM系统中的消息系统架构 - 模型篇

o  现代IM系统中的消息系统架构 - 实现篇


·      Feeds流

o  Feed流系统设计-总纲


·      轨迹溯源

o  TableStore时序数据存储 - 架构篇

o  基于Tablestore实现海量运动轨迹数据存储

o  药品监管系统架构揭秘:海量溯源数据存储与查询

o  基于Tablestore管理海量快递轨迹数据架构实现


·      物联网

o  基于Tablestore的一站式物联网存储解决方案-场景篇

o  基于Tablestore的一站式物联网存储解决方案-表设计篇

o  基于Tablestore的一站式物联网存储解决方案-数据操作篇

o  基于Tablestore的一站式物联网存储解决方案-Spark 分析

o  基于Tablestore的一站式物联网存储解决方案-数据湖分析

o  基于Tablestore的一站式物联网存储解决方案-Flink 实时计算


·      大数据

o  Tablestore结合Spark的流批一体SQL实战

o  Tablestore + Blink实战:交易数据的实时统计

o  百亿级全网舆情分析系统存储设计

o  海量监控日志基于EMR Spark Streaming SQL进行实时聚合


阿里云开发者藏经阁


汇聚阿里巴巴技术实践精华,涵盖云原生、物联网、大数据、AI 等技术领域,深度分享阿里工程师实战经验,顶级技术内容一手掌握。点击进入藏经阁,遨游技术海洋。


图片 1.png

相关实践学习
消息队列+Serverless+Tablestore:实现高弹性的电商订单系统
基于消息队列以及函数计算,快速部署一个高弹性的商品订单系统,能够应对抢购场景下的高并发情况。
阿里云表格存储使用教程
表格存储(Table Store)是构建在阿里云飞天分布式系统之上的分布式NoSQL数据存储服务,根据99.99%的高可用以及11个9的数据可靠性的标准设计。表格存储通过数据分片和负载均衡技术,实现数据规模与访问并发上的无缝扩展,提供海量结构化数据的存储和实时访问。 产品详情:https://www.aliyun.com/product/ots
相关文章
|
2月前
|
存储 SQL 关系型数据库
MySQL进阶突击系列(03) MySQL架构原理solo九魂17环连问 | 给大厂面试官的一封信
本文介绍了MySQL架构原理、存储引擎和索引的相关知识点,涵盖查询和更新SQL的执行过程、MySQL各组件的作用、存储引擎的类型及特性、索引的建立和使用原则,以及二叉树、平衡二叉树和B树的区别。通过这些内容,帮助读者深入了解MySQL的工作机制,提高数据库管理和优化能力。
|
2月前
|
人工智能 前端开发 编译器
【AI系统】LLVM 架构设计和原理
本文介绍了LLVM的诞生背景及其与GCC的区别,重点阐述了LLVM的架构特点,包括其组件独立性、中间表示(IR)的优势及整体架构。通过Clang+LLVM的实际编译案例,展示了从C代码到可执行文件的全过程,突显了LLVM在编译器领域的创新与优势。
103 3
|
20天前
|
Java Linux C语言
《docker基础篇:2.Docker安装》包括前提说明、Docker的基本组成、Docker平台架构图解(架构版)、安装步骤、阿里云镜像加速、永远的HelloWorld、底层原理
《docker基础篇:2.Docker安装》包括前提说明、Docker的基本组成、Docker平台架构图解(架构版)、安装步骤、阿里云镜像加速、永远的HelloWorld、底层原理
268 89
|
12天前
|
存储 缓存 监控
ClickHouse 架构原理及核心特性详解
ClickHouse 是由 Yandex 开发的开源列式数据库,专为 OLAP 场景设计,支持高效的大数据分析。其核心特性包括列式存储、字段压缩、丰富的数据类型、向量化执行和分布式查询。ClickHouse 通过多种表引擎(如 MergeTree、ReplacingMergeTree、SummingMergeTree)优化了数据写入和查询性能,适用于电商数据分析、日志分析等场景。然而,它在事务处理、单条数据更新删除及内存占用方面存在不足。
132 21
|
12天前
|
存储 消息中间件 druid
Druid 架构原理及核心特性详解
Druid 是一个分布式、支持实时多维OLAP分析的列式存储数据处理系统,适用于高速实时数据读取和灵活的多维数据分析。它通过Segment、Datasource等元数据概念管理数据,并依赖Zookeeper、Hadoop和Kafka等组件实现高可用性和扩展性。Druid采用列式存储、并行计算和预计算等技术优化查询性能,支持离线和实时数据分析。尽管其存储成本较高且查询语言功能有限,但在大数据实时分析领域表现出色。
54 19
|
12天前
|
存储 SQL NoSQL
Doris 架构原理及核心特性详解
Doris 是百度内部孵化的OLAP项目,现已开源并广泛应用。它采用MPP架构、向量化执行引擎和列存储技术,提供高性能、易用性和实时数据处理能力。系统由FE(管理节点)和BE(计算与存储节点)组成,支持水平扩展和高可用性。Doris 适用于海量数据分析,尤其在电商、游戏等行业表现出色,但资源消耗较大,复杂查询优化有局限性,生态集成度有待提高。
46 15
|
9天前
|
Java 网络安全 开发工具
Git进阶笔记系列(01)Git核心架构原理 | 常用命令实战集合
通过本文,读者可以深入了解Git的核心概念和实际操作技巧,提升版本管理能力。
|
29天前
|
机器学习/深度学习 算法 PyTorch
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
软演员-评论家算法(Soft Actor-Critic, SAC)是深度强化学习领域的重要进展,基于最大熵框架优化策略,在探索与利用之间实现动态平衡。SAC通过双Q网络设计和自适应温度参数,提升了训练稳定性和样本效率。本文详细解析了SAC的数学原理、网络架构及PyTorch实现,涵盖演员网络的动作采样与对数概率计算、评论家网络的Q值估计及其损失函数,并介绍了完整的SAC智能体实现流程。SAC在连续动作空间中表现出色,具有高样本效率和稳定的训练过程,适合实际应用场景。
133 7
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
|
15天前
|
存储 人工智能 NoSQL
Tablestore深度解析:面向AI场景的结构化数据存储最佳实践
《Tablestore深度解析:面向AI场景的结构化数据存储最佳实践》由阿里云专家团队分享,涵盖Tablestore十年发展历程、AI时代多模态数据存储需求、VCU模式优化、向量检索发布及客户最佳实践等内容。Tablestore支持大规模在线数据存储,提供高性价比、高性能和高可用性,特别针对AI场景进行优化,满足结构化与非结构化数据的统一存储和高效检索需求。通过多元化索引和Serverless弹性VCU模式,助力企业实现低成本、灵活扩展的数据管理方案。
47 12
|
2月前
|
存储 JavaScript 开发工具
基于HarmonyOS 5.0(NEXT)与SpringCloud架构的跨平台应用开发与服务集成研究【实战】
本次的.HarmonyOS Next ,ArkTS语言,HarmonyOS的元服务和DevEco Studio 开发工具,为开发者提供了构建现代化、轻量化、高性能应用的便捷方式。这些技术和工具将帮助开发者更好地适应未来的智能设备和服务提供方式。
66 8
基于HarmonyOS 5.0(NEXT)与SpringCloud架构的跨平台应用开发与服务集成研究【实战】