Начало работы
Подключение
Тесты производительности
Развёртывание
Использование данных
Загрузка данных
Миграция данных
Запрос данных
Управление кластерами
Обновление
Глобальное обслуживание
Масштабирование
Мониторинг
Безопасность
Лучшие практики
Технические принципы
Типы данных
Хранилище
Исполняющий движок
Потоковая обработка (Domino)
MARS3 Индексы
Расширения
Расширенные функции
Расширенный запрос
Федеративные запросы
Grafana
Резервное копирование и восстановление
Аварийное восстановление
Руководство
Настройка производительности
Устранение неполадок
Инструменты
Параметры конфигурации
SQL-команда
Часто задаваемые вопросы
Глубоко оптимизировано для рабочих нагрузок временных рядов в электромобилях, IoT и умных заводах. В производственных средах клиентов YMatrix стабильно принимает 20 миллиардов строк данных в день. Поддерживает расширенные SQL-функции, такие как CTE и оконные функции, а также специализированные функции для временных рядов. Высокие коэффициенты сжатия и возможность перемещения «холодных» данных в объектное хранилище значительно снижают затраты на хранение.
Обрабатывает объёмы данных от терабайтов до петабайтов, обеспечивая надёжную и высокопроизводительную обработку и предоставление данных для корпоративной отчётности, BI и других аналитических приложений. Собственный потоковый движок Domino позволяет выполнять обработку данных в реальном времени с использованием стандартного SQL — заменяя такие фреймворки, как Flink или Spark.
Обеспечивает полную совместимость ACID, усиленную несколькими патентованными технологиями для достижения высокой производительности. Соответствует строгим требованиям критически важных систем — таких как финансовые и ERP-приложения — в части корректности, согласованности и производительности данных, при этом сохраняя мощные аналитические возможности. Поддерживает географически распределённое аварийное восстановление для защиты данных в экстремальных условиях.
Обеспечивает поддержку крупных языковых моделей (LLM) за счёт возможностей векторного поиска, помогая предприятиям быстро создавать AI-агенты на основе своих бизнес-данных. Устраняет необходимость в Spark: рабочие процессы машинного обучения могут выполняться непосредственно внутри базы данных с использованием PL/Python, что максимизирует использование аппаратных ресурсов и повышает эффективность ML.
В последние годы Farasis Energy — ведущий котируемый производитель аккумуляторов для электромобилей — постоянно наращивал объёмы производства. Компания столкнулась с растущей сложностью управления производственными линиями и остро нуждалась в усилении внутренних аналитических возможностей для достижения «операционной эффективности на основе данных».
На первом этапе YMatrix заменил Greenplum в системе трассировки аккумуляторов, устранив проблемы, когда сложные отчёты ранее не возвращали результаты. Простые, часто используемые отчёты стали работать в несколько раз быстрее. На втором этапе YMatrix объединил данные с производственных линий, работающих на разнородных системах, в единую платформу для верхнеуровневой отчётности и BI. По сравнению с унаследованной системой Oracle, YMatrix устранил сбои при экспорте больших временных диапазонов и выполнении сложных запросов. Время отклика теперь стабильно находится в диапазоне от миллисекунд до нескольких секунд.
В 2021 году компания Li Auto внедрила YMatrix вместо своей исходной телематической платформы на базе OpenTSDB, чтобы обеспечить хранение, запрос и вычисления метрик вождения автомобилей в реальном времени для поддержки таких сценариев, как анализ транспортных средств, диагностика неисправностей и мобильное приложение для владельцев.
Высочайшая производительность YMatrix для временных рядов не только решила проблему Li Auto с задержкой загрузки данных (более 3 часов в часы пик), но и значительно сократила аппаратные расходы — только в первый год удалось сэкономить свыше одного миллиона юаней. По мере роста продаж автомобилей Li Auto кластер YMatrix, поддерживающий телематическую платформу, масштабировался соответственно. Сейчас он управляет более чем 1 ПБ исторических данных и обслуживает телематическую загрузку и запросы для более чем 1,5 миллиона автомобилей.
Вскоре после первоначального релиза OpenAI один из ведущих отечественных поставщиков ERP-систем начал исследовать применение ИИ в корпоративных сервисах. Признавая рыночный потенциал, компания стремилась минимизировать затраты на НИОКР и сопровождение, ускорить вывод продукта на рынок и глубоко интегрировать ИИ-возможности с существующей платформой данных для максимального создания ценности.
YMatrix, уже выступавший ключевым технологическим партнёром и обеспечивавший основные сервисы данных для главных продуктов компании, позволил поставщику ERP запустить ИИ-продукт всего за несколько месяцев — без внедрения новой СУБД. После обширного внутреннего тестирования и доработки решение уже внедрено у нескольких платящих клиентов.
Для дополнительных кейсов посетите Истории успеха YMatrix.