当前位置: 首页 > news >正文

上汽大众:存储成本节约85%,查询性能提升5倍|OceanBase案例

近日,上汽大众汽车有限公司(简称“上汽大众”)的积分卡券等关键业务系统,已成功升级至 OB Cloud 云数据库。借助 OceanBase 原生分布式数据库的卓越性能与先进技术,实现了存储成本的大幅降低,高达85%;同时,业务连续性显著提升,达到了99.999%;查询效率更是飞跃,性能提升5倍。这一系列改进,标志着上汽大众在支撑用户多样化需求的数据管理能力上迈上了新的台阶。

图片

上汽大众是国内历史最悠久的汽车合资企业之一,目前生产与销售大众、奥迪和斯柯达三个品牌 30 余款产品,覆盖 A0 级、A 级、B 级、C 级、SUV、MPV 等细分市场。2024 年一季度,上汽大众销售新车 26.5 万辆,同比增长 11.4%。其中,新能源车销售 2.8 万辆,同比增长 171.3%。伴随业务稳步增长带来的数据量激增,上汽大众关键业务系统原来使用的开源数据库面临以下挑战:

  • 首先,分库分表改造工作量大。原数据库出现性能瓶颈,准备进行分库分表改造。但由于单表数据行数多且增长过快,采用分库分表方案面临的风险较高且改造成本过高,继而转向选型原生分布式数据库;

  • 其次,扩容压力大。卡券系统的原数据库负载 CPU 水位持续走高,造成业务活动扩容困难,高并发场景下无法做到在线弹性扩容,影响用户体验;

  • 最后,查询性能遇到瓶颈。伴随数据量的不断增长,复杂查询时原数据库的查询性能遇到瓶颈,部分报表无法查询,有碍企业经营及时反馈。

上汽大众为进一步提升企业运营能力,让用户享有更好的购车、用车体验,并适应数字化时代的发展需要,启动新一轮数据库升级工作。经过迁移工作量、产品能力、业务灵活性、最佳实践等多方面的综合评估,最终选择了 OB Cloud。

OB Cloud 是 OceanBase 面向不同规模用户推出的云数据库服务,为用户提供多模型、多租户、多工作负载等核心能力,能够以一个数据库解决用户 80% 的数据管理需求,帮助用户在全球不同区域,享受同样优质的企业级数据库产品与服务,进一步助力用户简化技术栈,构建现代数据架构。

OB Cloud 支持 MySQL语法,基本完全兼容上汽大众当前所使用的 SQL语法与数据类型,通过流量回放功能,提升全量回归测试效率,确保快速、平滑、稳定从原数据库升级至 OB Cloud 。数据库升级后,有效满足上汽大众关键业务系统的各项需求,并实现降本增效。

  • 存储成本节约 85%、TCO(整体拥有成本)降低 15%。上汽大众将几十套原数据库替换成 4 套 OceanBase 集群,降低架构复杂度,并通过 OB Cloud 的多租户能力提升资源利用、运维管理效率。此外,通过基于 LSM-Tree 的高级压缩技术显著降低数据存储成本。上汽大众数据库升级后,实现存储成本节约85%,包括维护、运营等成本在内的 TCO 降低 15%。

  • 业务连续性提升至99.999%。OB Cloud 具有业内领先的 RPO = 0 以及 RTO < 8 秒的故障自动恢复能力,确保在服务器节点、可用区、区域发生故障时,依然能够给业务带来持续可用的能力,避免代价高昂且复杂的故障及数据丢失问题。数据库升级后,上汽大众的积分、卡券系统业务连续性提升至 99.999%,实现关键业务系统 7×24 小时稳定运行;

  • 查询性能提升5倍。上汽大众借助 OB Cloud 的 HTAP 能力,无需复杂的 ETL  和冗余数据,一套数据同时支持事务处理和实时分析的工作负载,将 TP、AP 业务服务器级别隔离,避免关键业务互相干扰以及额外成本产生。此次上线的积分卡券系统具有数据量大、业务逻辑复杂等特点,基于原生分布式数据库的 HTAP 能力,查询性能提升 5 倍。

  • 具备弹性扩缩容能力。原生分布式数据库可以按需实现不停机、不改应用的扩缩容及性能的线性增长,这意味着上汽大众可以随着业务的发展,轻松地增加更多的计算和存储资源,无需业务分库分表,通过横向增加节点即可实现业务线性拓展能力,大大减少业务改造压力,轻松应对业务高峰期、低谷期的需求。

一直以来,上汽大众坚持以创新驱动发展,并始终以市场为导向,不断提升用户满意度。此次上汽大众搭载 OB Cloud 全新出发,支撑用户多样化需求的数据管理能力再上台阶。未来,双方将携手攻坚更多关键业务系统,让每一笔「驾驶」都算数!


OceanBase 云数据库现已支持免费试用,现在申请,体验分布式数据库带来全新体验吧 ~

相关文章:

  • 北京网站建设多少钱?
  • 辽宁网页制作哪家好_网站建设
  • 高端品牌网站建设_汉中网站制作
  • Istio:微服务网格的强大工具,Istio介绍
  • 初学者如何快速入门大语言模型(LLM)?
  • JVM虚拟机栈
  • 弹性负载均衡ELB 详解和设置方法
  • 怎么理解程序设计中的有状态和无状态?
  • 明月皎皎,思念悠悠 孙滢迎深情演唱《月亮与笆篓》
  • js TypeError: Cannot read property ‘initialize’ of undefined
  • 函数题 6-9 统计个位数字【PAT】
  • c++206 友元类
  • DC-DC降压10A电源降压可调模块24V转12V9V5V3V-AH1514芯片
  • 龙蜥anolis8.9安装hadoop3.3.6伪分布环境
  • 从Prompt到创造:解锁AI的无限潜能
  • 京东商品详情的 API 探秘与应用
  • p14 使用阿里云服务器的docker部署NGINX
  • 艾迈斯欧司朗亮相2024 CIOE,多款创新产品引领光电新潮
  • [PHP内核探索]PHP中的哈希表
  • 【附node操作实例】redis简明入门系列—字符串类型
  • Android组件 - 收藏集 - 掘金
  • Angular 响应式表单 基础例子
  • CentOS6 编译安装 redis-3.2.3
  • eclipse的离线汉化
  • JAVA 学习IO流
  • Laravel 菜鸟晋级之路
  • mysql外键的使用
  • react-native 安卓真机环境搭建
  • vue 配置sass、scss全局变量
  • 百度地图API标注+时间轴组件
  • 开发了一款写作软件(OSX,Windows),附带Electron开发指南
  • 免费小说阅读小程序
  • 前端面试之CSS3新特性
  • 区块链技术特点之去中心化特性
  • 删除表内多余的重复数据
  • 小程序 setData 学问多
  • 新书推荐|Windows黑客编程技术详解
  • 原生JS动态加载JS、CSS文件及代码脚本
  • 再次简单明了总结flex布局,一看就懂...
  • 回归生活:清理微信公众号
  • ​埃文科技受邀出席2024 “数据要素×”生态大会​
  • #pragma pack(1)
  • #大学#套接字
  • (1)(1.13) SiK无线电高级配置(五)
  • (2)从源码角度聊聊Jetpack Navigator的工作流程
  • (4)(4.6) Triducer
  • (9)YOLO-Pose:使用对象关键点相似性损失增强多人姿态估计的增强版YOLO
  • (C语言)共用体union的用法举例
  • (rabbitmq的高级特性)消息可靠性
  • (zhuan) 一些RL的文献(及笔记)
  • (八)五种元启发算法(DBO、LO、SWO、COA、LSO、KOA、GRO)求解无人机路径规划MATLAB
  • (顶刊)一个基于分类代理模型的超多目标优化算法
  • (附源码)ssm考试题库管理系统 毕业设计 069043
  • (亲测成功)在centos7.5上安装kvm,通过VNC远程连接并创建多台ubuntu虚拟机(ubuntu server版本)...
  • (十八)三元表达式和列表解析
  • (四)js前端开发中设计模式之工厂方法模式
  • (算法)前K大的和
  • (循环依赖问题)学习spring的第九天