业务挑战（自建数据库）

·核心业务用户1000位/月的增长，平均200家用户需新增1套数据库，每DBA可维护30自建数据库，后续的业务进一步扩张会受限于DBA的数量；

·数据库未采购足量license，影响上市审核。补齐license需要上百万元；

·平均每年数据库故障导致门店营业受影响约2000门店数*3小时。

阿里云数据库解决方案

·5套云Redis+80套SQL Server WEB版；

·Redis用于缓存数据，提升用户体验；

·单个SQL Server WEB版内运行接近200个门店的数据库；

·通过OSS备份上云的方式将自建的SQL Server数据迁移上云。

用户受益

·单个DBA可以负责上万家客户的云数据库，降低了管理成本；

·默认正版数据库license，license部分节约成本上百万；

·因数据库产生的门店业务受影响时间降为分钟级，故障发生的概率降低95%。

业务挑战（自建数据库）

·广告投放平台，节假日，特殊时期，日访问量数千万，峰值时刻访问等待时间从正常的2秒激增到8秒左右，4.7%左右访问失效，需再次访问甚至多次访问；

·日常业务访问量与高峰时间段相差10倍以上，当前数据库应对日常业务，性能有余，应对峰值业务，性能不足。如果按峰值标准建设数据库，浪费太严重。

阿里云数据库解决方案

·通过DTS工具将存储在MySQL数据库中的相关数据迁移至POLARDB，100%兼容，零成本迁移；

·POLARDB日常部署1个只读节点，峰值时间段之前可数分钟弹性扩展到15个只读节点，极大提升并发访问能力；

·部署Redis集群，缓冲大量用户并发访问压力。

用户受益

·高效稳定：世界杯最高峰值时刻，并发访问达到200万/秒，广告访问等待时间稳定在1秒左右，保持持续稳定的高质量业务体验；

·弹性升降：预估业务峰值时刻POLARDB可在2分钟内完成多个只读节点扩展，以应付预期的访问压力。峰值过后即可恢复。对比全程最高配置，成本节省70%以上；

·安全可靠：采用白名单、VPC网络、SSL加密、数据多副本存储等全方位手段，对数据库数据访问、存储、管理等各个环节提供安全保障；

·零成本迁移：POLARDB 100%兼容MySQL，配合上云迁移工具DTS，已有的数据库无需改造即可平滑迁移至POLARDB。

业务挑战（自建数据库）

·商家数量以每年70%速度增长，峰值时刻经常出现数据库卡顿，交易等待时间一度上升到5秒；

·业务发展速度快，平均3个月打满一个MySQL数据库，费时费力。

阿里云数据库解决方案

·MySQL数据库迁移至POLARDB；

·多类终端的业务数据汇总至POLARDB；

·使用POLARDB的快速弹性来应变业务的高峰期。

用户受益

·支撑的高峰期的业务并发数提高了3X，交易等待时间稳定保持在1秒上下；

·POLARDB节省了MySQL的5个只读库容量，有效降低数据库成本50%；

·新增一个数据库实例仅需1小时，有力支撑业务无阻碍高速扩张。

业务挑战（自建数据库）

·游戏（文明觉醒）设计，考虑灵活性，看中MongoDB模式自由特性。多区同服设计架构，要求可支持800万用户同时在线；

·当数据有问题能快速回档，能按时间点快速恢复数据；

·没有专业DBA运维数据库，数据库出现问题，不能快速定位问题，解决问题。

阿里云数据库解决方案

·采用10+云MongoDB高可用版，全托管，免运维，8个区用一个Mongo 集群，节省成本，满足高可用，同时兼顾性能；

·活动、邮件、推送等服务，读写压力的的采用MongoDB分片集群版，分散压力；

·Cache类采用Redis；

·物理备份较逻辑备份，提高备份效率同时，可做按时间点，快速回档；

·采用SQL审计和索引推荐，帮用户快速诊断问题，优化慢查询。

用户受益

·可支撑1000万用户在线；

·业务扩展时，数据库扩展仅需20分钟；

·数据库运维工作量降低80%以上，大大降低技术人员压力；

·数据错误可在2小时内恢复。

业务挑战（自建数据库）

·广告数据持续流入的情况下，需实时进行内容检测（查询），每天约写入3500万条记录，每秒1000余次查询；

·广告统计/分析业务，最大约需要对6000条记录进行分析，分析业务维度多，任务数量大，单次分析业务最好控制在2小时以内，否则，难以按时完成所有分析业务。

阿里云数据库解决方案

·OSS归档后，批量录入到POLARDB云数据库，方便进行数据的存储和广告数据的实时检索和分析服务；

·POLARDB部署1个主节点以及5个只读节点，用于应对检索和分析业务压力。必要时，只读节点可以临时弹性扩展至15个只读节点，以应对突发任务压力。

用户受益

·实时检索，秒级分析：广告样本的管理数据需要周期性批量写入到POLARDB，同时又需要支持即时的检索和分析处理，目前可以实现毫秒级检索（实时），一次6000万条数据的统计分析秒级完成。为业务实现实时广告内容审计，多维度广告数据分析（趋势和推广）等奠定良好IT基础。

业务挑战（自建数据库）

·基础矢量地图库更新一次需要5-7天时间，耗时耗力易出错；

·并发定位作业峰值10万左右，每年20%增长，定位时延需控制在1秒以内；

·开发基于地理位置的分析业务，需求城市级别17级精度地图1分钟内完成统计作业；

·北京和上海间应用级异地容灾。

阿里云数据库解决方案

·灾备方案，基于BLS，实现北京与上海的两地灾备方案；

·数据源：目前核心数据在MongoDB，包括基站数据、监控数据；

·位置数据：存储在PostgreSQL，部署gis相关业务模块；

·交易系统：关系数据在MySQL。

用户受益

·矢量地图更新入库仅需20小时，更新频次得以从3次/年变成12次/年；

·无论业务量如何增长，均能确保定位时延1秒以内；

·数据库升级/增配仅需2小时，同样10名技术维护人员可多支持20倍业务量；

·北京故障的情况下，上海region可在30秒内接管业务；

·1小时快速部署分析业务环境，使地理大数据分析业务开发/试运行效率提升10倍。

业务挑战（自建数据库）

·法大大有4个业务集群分别存储不同客户的数据。遇到挑战：

·每月新增约3000万合同，现有RDS平均3个月需要做一次RDS手动分库；

·6亿历史合同，检索合同需要从多个库依次进行，平均查找时间7秒；

·考虑过历史数据统一抽取到大数据平台，但改造成本高，耗时长。

阿里云数据库解决方案

·“超级MySQL”之称的POLARDB取代原有MySQL，性能提升6倍，单实例容量可扩展至100TB。此次选用PolarDB 3个实例；

·使用POLARDB存储超过6亿的电子合同数据，这些数据可以安全地存储在POLARDB，解决了主业务库容量的瓶颈问题；

·POLARDB开启3个只读节点，6亿历史合同数据查询仅需0.5秒，解决查询慢问题。

用户受益

·100%兼容MySQL，实现零改造成本：不用做任何的改造即可实现海量历史数据的归档及实时查询。配合上云迁移工具DTS，已有的数据库可以平滑迁移至POLARDB；

·数据容量弹性自适应增长：法大大每月都会产生TB级的增量的结构化数据，POLARDB存储的弹性及海量存储的能力很好地解决了传统MySQL存储容量的问题；

·并发高性能查询能力：POLARDB采用读写分离架构，支持多路应用服务器并发访问，平均查询时间从7秒降低至0.5秒，显著提升查询业务体验。