if users want to analyze data, they need to use ETL tools first, syn‐ chronize the data to the data platform, and then perform data analysis. However, ETL tools will greatly reduce the effectiveness of

if users want to analyze data, they need to use ETL tools first, syn‐ chronize the data to the data platform, and then perform data analysis. However, ETL tools will greatly reduce the effectiveness of

if users want to analyze data, they need to use ETL tools first, syn‐ chronize the data to the data platform, and then perform data analysis. However, ETL tools will greatly reduce the effectiveness of

ShardingSphere‐JDBC 接入端，可以满足高并发的 OLTP 场景下的性能要求。 海量数据实时分析 OLAP 场景 在传统的数据库架构中，如果用户想要进行数据分析，需要先使用 ETL 工具，将数据同步至数据平台中， 然后再进行数据分析，使用 ETL 工具会导致数据分析的实效性大打折扣。ShardingSphere‐Proxy 提供静 态入口以及异构语言的支持，独立于应用程序部署，适用于实时分析的 OLAP 场景。

ShardingSphere‐JDBC 接入端，可以满足高并发的 OLTP 场景下的性能要求。 海量数据实时分析 OLAP 场景 在传统的数据库架构中，如果用户想要进行数据分析，需要先使用 ETL 工具，将数据同步至数据平台中， 然后再进行数据分析，使用 ETL 工具会导致数据分析的实效性大打折扣。ShardingSphere‐Proxy 提供静 态入口以及异构语言的支持，独立于应用程序部署，适用于实时分析的 OLAP 场景。

ShardingSphere‐JDBC 接入端，可以满足高并发的 OLTP 场景下的性能要求。 海量数据实时分析 OLAP 场景 在传统的数据库架构中，如果用户想要进行数据分析，需要先使用 ETL 工具，将数据同步至数据平台中， 然后再进行数据分析，使用 ETL 工具会导致数据分析的实效性大打折扣。ShardingSphere‐Proxy 提供静 态入口以及异构语言的支持，独立于应用程序部署，适用于实时分析的 OLAP 场景。

if users want to analyze data, they need to use ETL tools first, syn‐ chronize the data to the data platform, and then perform data analysis. However, ETL tools will greatly reduce the effectiveness of

ShardingSphere‐JDBC 接入端，可以满足高并发的 OLTP 场景下的性能要求。 海量数据实时分析 OLAP 场景 在传统的数据库架构中，如果用户想要进行数据分析，需要先使用 ETL 工具，将数据同步至数据平台中， 然后再进行数据分析，使用 ETL 工具会导致数据分析的实效性大打折扣。ShardingSphere‐Proxy 提供静 态入口以及异构语言的支持，独立于应用程序部署，适用于实时分析的 OLAP 场景。