任何数据库都很好用 • 我不是一个专业的DBA ，对数据库的理解不够深入，也不 一定准确，在此抛砖引玉，只是结合我们团队业务场景来 分享下我们选择数据库的过程。 • 不是数据库不好用， • 而是我们不会用， • 是我们用的姿势不对！ 2018年PostgreSQL中国技术大会 主要业务场景 • IM工具+SCRM系统（高并发、低延迟、稳定） • 大量客户需要私有化云服务器部署（云更新） • 需求变更频繁，不适合关系型数据库 我们团队没有大量专业的DBA运维人员，业务迭代也非常 快，需求变更频繁，对数据库非常依赖，用了PgSQL之后， 感觉可以充分满足我们的需求。 2018年PostgreSQL中国技术大会 关于PgSQL运维 • 由于我们团队没有大量特别专业的DBA，我们服务的客户 甚至连运维人员都没有！而我们的业务又必须保障绝对稳 定，经过反复尝试，我们放弃了自建数据库的方式（坑太 多！填不完） • 目前所有业务全部使用阿里云的PgSQL，针对不同客户的业

RAC和Greenplum数据仓库 ⚫ 有幸参与了Oracle RAC到 Greenplum再到Hadoop以及最终到 ODPS的架构演进工作。 ⚫ 2012年起，转至阿里巴巴大数据团队，负责Hbase/OTS业务支 撑，期间多次负责阿里大数据双11架构和稳定性工作 ⚫ 2018年，在阿里云数据库负责OLAP产品管理团队。 1. Greenplum发展史 @Alibaba 2. AnalyticDB for 客户案例 – 阿里妈妈数据银行广告业务 生成 roaring bitmap 在线bitmap 圈人 业务痛点：广告圈人，分析师面对海量数据，进行随机 探索，数据库传统JOIN方案为分钟/小时级任务。 方案及价值：通过 ADB/PG 高压缩比稀疏位图索引 （roaring bitmap），人群碰撞关联速度提升 10X+，广告圈人从离线变在线，最大化数据业务价 值。 数据银行依托阿里数据资源，为品牌商家提供数据分析 PARQUET。 Jul Nov Oct Sep 冷热数据统一管理，基于OSS云存储构筑数据湖分析（规划中） ...... 热数据：需要高性能分析计算的数据存放在本地 盘，可设为行存或列存适合不同业务的实时分析 冷数据：存储在OSS外部存储 保存价格低廉，数据在线可查询 Year - 3 非结构化数据向量检索， “以图搜图” （规划中） 场景应用： 1、Web App把图片或者视频等非结构化数据

begin; explain analyze query; rollback; • create index CONCURRENTLY idx on tbl(id); • 密码复杂度、认证方法 • 业务系统，开发测试账号，不要使用数据库超 级用户。 • 长连接relcache , syscache • 数据隔离(cluster -> database -> schema) • 主备切换(prewarm) '%a%' • 递归查询一定要有跳出递归的条件 • 估值计算，HLL代替count(distinct xx) • 频繁更新的字段与不频繁更新的字段建议拆成多个表， 提高更新效率。 • 业务层避免死锁 • 根据业务需求调整表级autovacuum相关参数 • 内存足够时，UDF中尽量使用数组代替临时表 • JOIN的固化、子查询的固化。（plan hint OR query写法 +patameter）