YMatrix — это распределённая база данных, разработанная на основе открытых экосистем PostgreSQL/Greenplum, обладающая следующими ключевыми характеристиками:
Помимо коммерческой версии, YMatrix также предлагает бесплатную community-версию. Мы приветствуем ваш опыт и отзывы.
Гиперконвергентная база данных объединяет в одной системе возможности обработки транзакций (OLTP), аналитики (OLAP), временных рядов и функции хранилища данных (data lake).
Философия гиперконвергенции YMatrix заключается в устранении фрагментации обработки данных за счёт объединения ресурсов вычислений, хранения и сети в единой системе. В зависимости от исходного типа базы данных, версии, топологии кластера и бизнес-характеристик, YMatrix предоставляет настраиваемые комбинации механизмов хранения и выполнения на общей базе данных. Это позволяет создавать специализированные микро-ядра, оптимизированные по производительности записи, хранения и запросов для различных бизнес-сценариев.
YMatrix делает акцент на полной функциональности и производительности во всех сценариях использования, включая загрузку, запросы, аналитику и машинное обучение. Интеграция множества возможностей в одной базе данных позволяет решать сложные задачи, обеспечивая поддержку мультимоделирования, масштабируемость и экономическую эффективность.
· Аналитические возможности
· Транзакционные возможности
· Возможности для временных рядов
YMatrix использует SQL как единый интерфейс для всех сервисов данных на уровне приложения.
YMatrix обеспечивает высокую расширяемость.
С одной стороны, YMatrix продолжает развиваться в новых бизнес-сценариях, таких как подключённые автомобили, умное производство, финансы и обработка векторных данных. С другой стороны, благодаря таким функциям, как машинное обучение и федеративный доступ к данным, неоднородные и внешние источники данных могут эффективно работать внутри YMatrix через расширения базы данных.
Упрощая архитектуру инфраструктуры, YMatrix значительно снижает сложность технологического стека, повышает производительность в различных сценариях, минимизирует риски, связанные с одновременным использованием и интеграцией нескольких систем, и помогает предприятиям создавать надёжные системы управления данными — раскрывая весь цифровой потенциал эпохи данных.
YMatrix использует ряд ключевых собственных технологий для реализации концепции гиперконвергенцииru
Разработанная для рабочих нагрузок OLAP, OLTP и временных рядов, MARS3 предлагает два режима: колоночное и гибридное строково-колоночное хранение, позволяя пользователям выбирать режим в зависимости от характера нагрузки. Гибридный режим обеспечивает как высокую производительность загрузки, так и эффективное хранение (включая сжатие и диагностику состояния). Оба режима реализуют MVCC. Для секционированных таблиц MARS3 поддерживает ruтоматическое управление секциями](/en/doc/5.2/datamodel/apm) и автоматическое многоуровневое хранениеru
Векторизованная система выполнения специально разработана для колоночных систем хранения, таких как MARS3, MARS2 и AOCO. Она обеспечивает производительность на один-два порядка выше, чем традиционные системы выполнения на основе строк, при выполнении типичных запросовru
ALOHA (Advanced Least Operation High Availability) — это сервис управления состоянием кластера, представленный в YMatrix 5.X. Работая независимо от основного кластера, ALOHA может быть настроен с выделенными дисками и мониторингом. Он обеспечивает обнаружение и управление состоянием узлов с низкой задержкой даже в слruных условиях, завершая автоматическое переключение при сбоях в течение 3 секунд.
Мощные возможности аналитических вычислений
Традиционные процессы хранилищ данных полагаются на экосистему Hadoop: хранение исторических данных в Hadoop и использование Spark для расчёта отчётов — что приводит к сложным конвейерам.
YMatrix решает эту сложность за счёт гиперконвергенции, одновременно повышая аналитическую производительность. Поддержка структурированных и неструктурированных типов данных и федеративного доступа к данным позволяет YMatrix справляться с задачами BI и отчётности в классических OLAP-сценариях в таких сферах, как финансы, телекоммуникации, государственные учреждения, энергетика и производство. Продвинутые оптимизации запросов, такие как векторизация, [Runtime Filter]ruen/doc/5.2/reference/mxvector/runtimefilter), скользящие окна и непрерывная агрегация, обеспечивают превосходную аналитическую производительность.
Баланс между высокой скоростью загрузки, низкой стоимостью хранения и оперативным запросом
Данные временных рядов предъявляют высокие требования к производительности загрузки, хранения и запросов из-за своей реального времени природы.
YMatrix оптимизирована для рабочих нагрузок, ориентированных на время. Благодаря физическому упорядочиванию по времени в системе хранения MARS, асинхронной и пакетной загрузке, а также высококонкурентной и высокопроизводительной загрузке через MatrixGate, YMatrix превосходит ожидания при оперативной загрузке данных, выполнении запросов и гарантии транзакций.
YMatrix поддерживает графическое расширение без остановки сервиса — простое масштабирование за секунды без прерывания работы, что обеспечивает непрерывность бизнеса, минимизирует затраты на простои и снижает операционные риски.
Использование гиперконвергенции для объединения конвейеров данных
Разрозненные хранилища данных — обычное явление в традиционных предприятиях. Изолированные данные невозможно эффективно обменивать или использовать, что затрудняет управление, операции и рост — и блокирует цифровую трансформацию.
Гиперконвергентная архитектура YMatrix успешно внедрена в реальных производственных средах, таких как платформы данных на заводах, корпоративные хранилища данных групп предприятий, интеллектуальные подключённые автомобили и эксплуатация IoT-устройств. Она значительно снижает технологические барьеры при выборе, закупке, развёртывании и обслуживании. Например, в умном производстве один экземпляр YMatrix может собирать, хранить, обрабатывать, моделировать, запрашивать и анализировать данные из систем ERP, MES и оборудования — всё в одной базе данных.
