SQL Client/BI Tools 协调节点（Master Node） • 接收请求，制定分布式执行计划 计算组（Compute Groups） • 全并行分析计算 • 数据双副本存储 • 定期自动备份 OSS • 数据并行加载 • 水平扩展：Share-Nothing 架构水平扩展，海量数据在线分析 • 行/列存储模型：行存储支持高并发在线分析，列存储支持全表数据高性能关联聚合 2TB HDD 2x18C HDD 36 288GB 18TB HDD ⚫ MPP 全并行执行架构，其单计算节点定位为“计算 组”，一个集群实例由多个计算组组成。 ⚫ 多种规格、满足不同场景需求 -交互式分析 -ETL数据清洗 增强的企业级特性-安全  -数据的备份&恢复  -SQL访问安全审计 增强的企业级特性-高可用  -Master HA切换  -故障自动恢复 ETL 批量处理 • 复杂 SQL 调优 • 海量数据关联聚合 • 支持标准SQL，OLAP窗口函数，存储过程 • 新一代Cascade框架 分布式SQL优化器，复杂查询免调优 • MPP多节点全并行计算，PB级数据秒级响应 • 基于列存储的高性能大表扫描，及高压缩比 在线数据探索 • 高并发 • 任意维度随机查询 • 实时入库更新 • 高吞吐数据写入及更新 （INSERT/UPDATE/DELETE）

管理规约 • 稳定性与性能建议 • 云数据库使用建议 2016Postgres中国用户大会 云数据库使用建议 • 冷热分离 • 链路选择 • UDF & RT • 尽量避免公网访问 • 可用区的选择 2016Postgres中国用户大会 GIT • https://github.com/digoal/blog/blob/master/ 201609/20160926_01