YMatrix

「超融合」数据库

融合「卓越分析能力,完善事务能力,领先时序能力」,为物联网、金融场景构建简洁强大的数据基础设施。

YMatrix

「超融合」数据库

融合「卓越分析能力,完善事务能力,领先时序能力」,为物联网、金融场景构建简洁强大的数据基础设施。

融合全场景能力

以简驭繁,推动数据基础设施合而为一

卓越分析能力

OLAP

不但性能强大,多表 JOIN 表现出色,更支持窗口函数,物化视图等高级分析功能,兼备库内 AI 能力,满足各类分析场景的性能和功能要求。

完善事务能力

OLTP

完备的 ACID 特性,可提供金融级数据可靠性保障,同时支持存储过程、触发器等高级功能,广泛适用于各类复杂事务型业务场景。

领先时序能力

Time-series

专研时序场景,提供强大高并发写入能力,针对复杂网络环境特别支持乱序、分批写入,并支持 0 业务中断集群水平扩容,灵活应对数据增长。

优势应用场景

以一当百,助力企业应对数据挑战

超级数仓
· 数量级的性能提升,大幅加速业务部门决策分析
· 全面支持 SQL1992 - 2006 标准,高级语法简化复杂分析
· 高效库内 AI ,效率远超 Hadoop + Spark 方案
时序平台
· 优化的存储引擎和写入机制,并发写入性能强大
· 在线扩容不停机,轻松应对时序数据增长
· 时序即分析,在线分析无需 ETL
混合负载
· ACID 强一致性保障,保证业务数据准确可靠
· 支持物化视图,高频数据分析 0 时差
· 强大混合负载能力,高并发场景表现出色
多元业务
· 支持 JSON、GIS等非结构化数据,灵活对接多样业务
· 支持存储过程、MVCC 机制等,可靠应对高复杂度事务
· 数据联邦组件,高效链接 Mysql、Hadoop 等异构数据源
强劲性能,
夺先机
❯ 性能测试报告

全速写入

103,040,000 点/秒

全速吞吐

1,630,490 tps


全速并发

3000 + 并发点查

全效存储

10 : 1 压缩比

全栈自研技术

精研核心技术,深度创新驱动产品革新

存储引擎:MARS3

以同时适应分析、事务、时序场景为目标,MARS3 创新的提供了灵活的行存/行列混存模式,能够在提供高性能写入能力的同时提供良好的分析性能,同时实现了完善的 MVCC 机制,使 YMatrix 在存储引擎层面实现了「超融合」。

执行引擎:向量化

YMatrix 经过全面向量化改造的执行引擎能够充分利用现代 CPU 的 SIMD 指令集,实现一条指令操作一批数据,与 MARS3 的列式存储相配合,在大数据分析场景下能够将查询执行效率提升至全新水准。

高可用架构:ALOHA

ALOHA(Advanced Least Operation High Availability) 是全新设计的集群状态管理服务;他是独立运行的可靠分布式服务,且可单独配置磁盘,在严苛环境中依然能够保证低延迟的节点状态探测和控制,保障故障切换时间 < 3s。

丰富增强组件

专注使用场景,构建一站式数据库服务平台

高性能写入: MatrixGate

将数据同时发送至所有数据节点并行写入,同时在传输时压缩数据充分利用带宽,MatrixGate 与传统的通过主节点写入的方案相比性能提升高达百倍,特别适合车联网等数据吞吐极高的场景。

图形化运维管理:MatrixUI

MatrixUI 旨在为运维工程师提供简洁易用、信息全面的运维管理工具;除提供状态即时监控、数据表信息、SQL 执行等基础功能外,还提供了如集群巡检、Kafka 导入快速配置、负载分析等实用高级功能。

数据迁移:MatrixShift

将 MatrixGate 分布式写入机制应用于数据迁移过程中,MatrixShift 不但继承了 MatrixGate 出色的性能,还可灵活配置异构、增量、条件过滤等模式,支持从各版本 Greenplum 及 YMatrix 之间迁移数据。

全行业解决方案

制造业
金融
车联网

制造业

业务挑战

· 传统 Hadoop + Spark 架构复杂,导致数据冗余与运维困难

· 工况数据具时序性,无法整齐上传,数据清洗工作繁琐,正确率低

· Spark 计算时需将数据移动量大,严重影响计算速度

产品优势

· 强大功能 + 性能,一库满足实时计算、离线计算等诸多功能需求

· MatrixGate 入库实现部分清洗数据的工作前置,简化数据清洗

· 支持 Python 库内 AI,原地计算数据快

客户收益

· 服务器减少 1/2,一库支撑超 2 万多台设备的数据实时回传和分析

· 空间节省 50%,性能提升 5 倍,算法执行耗时降低 75%

金融

某国有银行

业务挑战

· 系统接入上游数据逐年增多,数据量膨胀迅猛

· 原有 Greenplum 4 集群性能严重不足,下游业务部门满意度低

· 三层架构贴源、清洗、前端,数据冗余多,维护成本高

产品优势

· 分析性能卓越,大幅提速数据处理流程

· 完善事务能力,满足各种复杂下游应用需求

· 一库支撑贴源、清洗、前端三层需求,降本增效

客户收益

· 查询相应速度提升数十倍,多数查询耗时由“分钟级”降至“秒级”

· 简明架构,避免多个数据系统间数据转移、日常运维、兼容调试成本

电动车

业务挑战

· 单车超 5000 指标,日新增超 60 亿条数据,增长迅速,写入性能要求高

· 数据链路长,环境复杂,导致丢数、乱序、延迟等异常情况出现频繁

· 多维度复杂即席查询、分析,对性能要求苛刻

产品优势

· 支持海量高并发数据,写入速度可达 6 亿点/秒

· 支持分批、乱序写入

· 支持秒级扩容,业务 0 中断,从容应对业务数据的高速增长

客户收益

· 服务器用量减少 2/3 的情况下,入库延迟大幅降低,查询性能显著提升

· 大幅简化技术架构,开发运维效率、数据链路稳定性明显提升

奇虎360

在时序数据分析核心数据库的选型过程中,我们幸运地发现了 YMatrix。对比传统时序数据库,YMatrix 在数据插入上所表现出的优异性能让我们印象深刻。

北理新源

我们基于 YMatrix 快速构建了支撑 600 万辆车的实时查询服务。

理想汽车

YMatrix 卓越的数据加载和查询能力,使得我们的车机信号处理服务器用量减少了 2/3。

海鑫科金

YMatrix 性能比 Greenplum 强 4 倍,UPSERT 功能让数据仓库内的数据模型变得更加简单,离线、在线两套平台可以统一迁移到 YMatrix 数据库上。

新疆联海创智

从 Greenplum6 升级到 YMatrix 后数仓性能提升 3~5 倍,SQL递归查询耗时几乎缩减为原来的十分之一。

定海海洋农商银行

YMatrix 对大数据的查询分析非常高效,并可通过联邦查询关联异种数据库,较好地解决了分析中关联各种数据库的要求。

最新动态

从 Hadoop 生态到 YMatrix 体系,某头部汽车集团换来 10 倍性能提升

选择 YMatrix 超融合数据库替代 Hadoop 体系来作为集团内部分析海量数据的数据核心。

阅读更多

银行、证券、保险...金融行业的数据库应该怎么选?

金融行业正处于数字化转型的关键时期。

阅读更多

YMatrix 与用友正式签订战略合作,共建大模型时代的高性能基础设施

共同推动企业平稳实现数智化转型。

阅读更多