← 資料架構
分析型商店
MPP 儲存可以在幾秒鐘內查詢幾個月的行為。
MPP（大規模平行處理）資料庫是原始資料倉儲的分析部分。它儲存著與事務型 SQL 資料庫相同的原始記錄，但採用列式佈局並分佈在多個節點上，因此大型掃描（例如佇列、漏斗圖、生命週期聚合）可以並行運行，而不會給營運資料庫帶來壓力。變更資料擷取 (CDC) 使其與 SQL 儲存保持一致，從而確保分析結果與營運資料一致。
層
MPP 資料庫
面向列的大規模並行存儲，可針對 SQL 存儲保存的相同原始記錄回答大型分析查詢。
為何重要
價值是可操作的，而不僅僅是技術的。
當人工智慧處理大規模資料時——例如，某個細分群體的所有事件，或跨月計算的指標——它會存取 MPP 存儲，而不是事務資料庫。繁重的分析工作並行運行，不會與操作讀取衝突，因此兩者都能保持快速和一致。
跨節點並行運行大型分析掃描，因此佇列和漏斗查詢能夠快速傳回結果。
避免繁重的分析工作進入事務性 SQL 存儲，從而降低營運延遲。
儲存與 SQL 相同的原始記錄，並由 CDC 保持同步——分析始終與營運保持一致。
它從一個專為這種查詢形式構建的存儲庫中提供指標層的大型聚合數據。
架構合約
此層負責什麼
1
以列為單位儲存原始記錄，以便進行大量掃描的分析存取。
2
將資料和查詢執行分散到多個節點，實現大規模並行處理。
3
透過變更資料擷取 (CDC) 而非批次複製，與 SQL 儲存保持同步。
4
無需存取操作資料庫，即可提供抽象層的指標和使用者群查詢。
零售訊號覆蓋
它的實用性
針對單一用戶群掃描數月的行為事件總結會員的終身價值和留存率在大窗口期內進行漏斗和行銷活動分析大規模計算的受控指標聚合
代理商人工智慧的影響
這就是該層改進人工智慧決策的方式。
如果沒有專用的分析存儲，大型查詢將針對事務數據庫運行——這會降低操作讀取速度，導致大型掃描超時，或者迫使使用單獨的數據倉庫，而該倉庫的數據會比實際操作數據滯後數小時。
在 MPP 商店中執行一年事件佇列掃描不會減慢操作查詢速度。
在專為大規模聚合而建構的商店中，會計算整個會員群的生命週期價值指標。
SQL 儲存體中的已提交變更會透過 CDC 出現在 MPP 儲存體中，而不是透過每日載入。