← 数据架构
分析型商店
MPP 存储可以在几秒钟内查询几个月的行为。
MPP（大规模并行处理）数据库是原始数据仓库的分析部分。它存储着与事务型 SQL 数据库相同的原始记录，但采用列式布局并分布在多个节点上，因此大型扫描（例如队列、漏斗图、生命周期聚合）可以并行运行，而不会给运营数据库带来压力。变更数据捕获 (CDC) 使其与 SQL 存储保持一致，从而确保分析结果与运营数据一致。
层
MPP 数据库
面向列的大规模并行存储，可针对 SQL 存储保存的相同原始记录回答大型分析查询。
为何重要
价值是可操作的，而不仅仅是技术的。
当人工智能处理大规模数据时——例如，某个细分群体的所有事件，或跨月计算的指标——它会访问 MPP 存储，而不是事务数据库。繁重的分析工作并行运行，不会与操作读取冲突，因此两者都能保持快速和一致。
跨节点并行运行大型分析扫描，因此队列和漏斗查询能够快速返回结果。
避免繁重的分析工作进入事务性 SQL 存储，从而降低运营延迟。
存储与 SQL 相同的原始记录，并由 CDC 保持同步——分析始终与运营保持一致。
从专为该查询形状构建的存储中为指标层的大型聚合提供服务。
建筑合同
此层负责什么
1
以列为单位存储原始记录，以便进行大量扫描的分析访问。
2
将数据和查询执行分布到多个节点，实现大规模并行处理。
3
通过变更数据捕获 (CDC) 而非批量复制，与 SQL 存储保持同步。
4
无需访问操作数据库，即可提供抽象层的指标和用户群查询。
零售信号覆盖
它的实用性
针对单个用户群扫描数月的行为事件汇总会员的终身价值和留存率在大窗口期内进行漏斗和营销活动分析大规模计算的受控指标聚合
代理机构人工智能的影响
这就是该层改进人工智能决策的方式。
如果没有专用的分析存储，大型查询就会针对事务数据库运行 - 减慢操作读取速度、大型扫描超时，或者强制使用一个单独的仓库，该仓库比操作事实晚了几个小时。
在 MPP 商店中运行一年事件队列扫描不会减慢操作查询速度。
在专为大规模聚合而构建的商店中，计算整个会员群体的生命周期价值指标。
SQL 存储中的已提交更改会通过 CDC 出现在 MPP 存储中，而不是通过每日加载。