2.2　数据仓库

数据库的规模提升以后，不可避免地会出现一个场景——对历史数据进行大规模分析计算，这就是最原始的OLAP场景。用于应对这个场景的数据库，一般被称为数据仓库（Data Warehouse）或者分析型数据库（近几年流行的名词）。从这细微的差别可以看出，数据仓库在不断地证明自己其实不止可以做异步，也可以做一些实时性更强的大规模计算。

在实时数据仓库领域，阿里云最出彩的两个系列分别是AnalyticDB（以下简称ADB）和HBase。ADB是完全自主开发的实时数据仓库系统，有兼容MySQL和兼容PGSQL两个版本，它是典型的列存储数据库，因此对于处理大批量计算有很大的优势。

HBase本质上是NoSQL，但它更像是MongoDB的另一种形态，它不是列存，而是列簇数据库，支持结构化和半结构化的数据存储。HBase的生态非常丰富，它的多模品种非常多，有全文检索、时序、时空、文件检索等多种能力。它本身不支持SQL，但有各种SQL组件能力，比如PhoenixSQL、CassandraSQL等。

阿里云经过多年努力，终于把HBase生态整合到一个产品中，即Lindorm（灵动数据库）。Lindorm本身是HBase宽表引擎，支持全文引擎、时序引擎、文件检索引擎，同时还支持多种存储介质，冷数据可以被写入OSS廉价存储，直接和DLA（数据湖分析）联动。

因此湖仓一体，也是非常流行的概念。但数据湖本身没有太多限制，非常容易接入，基本上有一套OSS归档数据，DLA就可以分析。而数据湖的数据量往往很大，加工好的数据或者更适合线上的数据，会流转到数据仓库里，所以有一个名词叫“环湖生态”，指的是围绕数据湖的周边计算对接。

因为篇幅有限，本节只重点介绍这两个系列的代表产品：AnalyticDB for MySQL和Lindorm。