MPP ストアを使用すると、数か月にわたる行動を数秒でクエリできるようになります。
MPP（大規模並列処理）データベースは、生データストアの分析部分を担っています。トランザクションSQLデータベースと同じ生データを保持しますが、列指向で複数のノードに分散されているため、大規模なスキャン（コホート、ファネル、ライフタイム集計など）は、運用データベースに負荷をかけることなく並列で実行されます。変更データキャプチャによりSQLストアとの整合性が維持されるため、分析結果は運用結果と同じ真実を反映します。
SQL ストアが保持する同じ生レコードに対する大規模な分析クエリに応答する、列指向の超並列ストア。
価値は技術的なものだけではなく、運用上のものです。
AI が規模を超えると判断した場合 (セグメントのすべてのイベント、月にわたって計算された指標)、トランザクション データベースではなく MPP ストアにアクセスします。大量の分析作業は並行して実行され、運用上の読み取りと競合することがないため、どちらも高速で一貫性が保たれます。
大規模な分析スキャンをノード間で並行して実行するため、コホート クエリとファネル クエリがすぐに返されます。
大量の分析をトランザクション SQL ストアから遠ざけ、操作の待ち時間を保護します。
SQL と同じ生のレコードを保持し、CDC によって調整された状態が維持されます。分析が運用から逸脱することはありません。
まさにその形状のクエリ用に構築されたストアからメトリクス レイヤーの大規模な集計を提供します。
この層が担当するもの
スキャン負荷の高い分析アクセスのために、生のレコードを列指向で保存します。
データとクエリの実行を多くのノードに分散して、大規模な並列処理を実現します。
バッチ コピーではなく、変更データ キャプチャを通じて SQL ストアとの同期を維持します。
運用データベースに触れることなく、抽象化レイヤーのメトリクスとコホート クエリを提供します。
何が使えるようになるのか
これが、このレイヤーが AI の意思決定を改善する方法です。
専用の分析ストアがないと、トランザクション データベースに対して大規模なクエリが実行され、運用上の読み取りが遅くなったり、大規模なスキャンでタイムアウトになったり、運用上の真実から数時間遅れて別のウェアハウスが強制的に必要になったりします。
1 年にわたるイベントのコホート スキャンは、操作上の検索を遅らせることなく MPP ストアで実行できます。
メンバーベース全体にわたるライフタイムバリューメトリクスは、大規模な集約用に構築されたストアで計算されます。
SQL ストアでコミットされた変更は、夜間の読み込みではなく、CDC を通じて MPP ストアに表示されます。