参与金融分布式专 项相关标准工作:4分布式数据库技术金融应用规范技术架构》《分布式数据库技术金融应用规范安全 技术要求》《分布式数据库技术金融应用规范灾难恢复要求》 。 ”主导联合技术课题《分布式数据库运维体系研究》《分布式数据库入云及多租户研究》 1.5 荣誉 TiDB 产品荣誉 。 2017 年度产品创新奖 。 2017 年度中国信通院 0SCAR 尖峰开源技术奖 。 2018InfoWorld | PingCAPCOM 章 - TiDB 开源分布式关系型数据库 2.4 TiFlash 高性能列式分析引擎 为了真正解决企业级用户在高性能实时数据分析领域的业务需求，我们在 TiDB 已有体系架构的基础上, 结合最先进的列式存储与计算技术，研发而成了 Tiflash 高性能列式分析引擎。 Tiflash 是TiDB 数据库的扩展分析引擎，核心基于列存储引擎和矢量计算引擎， 与 TiDB 业务范围涵盖涵半投资银行直接投资.证券.保险.基金、飞机租 赁.资产管理,金融科技等多个领域,为全球客户提供全面的金融服务。 业务挑战 中国银行在生产实践中采用中 Zabbix 运维监控方案, 作为开源云原生方案, Zabbix 一直使用 MySQL 作为 后端存储, 在面对更大规模监控需求的时候, 单机 MySQL 数据库面临性能和容量瓶颈, 无法支持几T量级 的数据, 使得监控对象的数量和数据存储时间不能莱得。

TiDB在Ping++的应⽤用场景分析 - OLAP：saas服务下实时数仓的⽀支撑 - HTAP：基于TiDB Docker的聚合⽀支付私有化部署⽅方案 • 关于TiDB的线上运维 - TiDB体系 - 业务零感知运维 Ping++原数据架构及瓶颈 实时数仓数据源挑战： • 数⼗十亿交易易量量 • 多维度联合分析 • 实时分析+报表下载 场景⼀一：实时数仓数据源⽀支撑 ⾃自动Region分⽚片、分布式事务 • Online DDL • SQL优先级策略略，安全的oltp+olap • Grafana监控 • Docker简易易运维，⽔水平扩展 TiDB线上运维 • TiDB体系 TiDB线上运维 TiDB的业务零感知运维 • ⾃自动运维：TiDB升级、节点扩展/下线 TiDB-Ansible • ⼿手动运维：升级磁盘、磁盘扩容、数据迁移、⽹网络升级、服务器器重启等

周围工具 • MySQL -> TiDB ，一行代码没改 • 满足营销活动时候的扩展 • 满足账单支付金融级别要求 • 上线 2 个月以来，平稳运行 • 满足实时统计分析、报表要求 •完善的监控、备份体系 谢感谢 PingCAP 小伙伴在上线过程中给 给与的大力支持！ 谢谢大家！

@@tidb_tracer_id=xxxxxx; 2. 在 Application 里将 Tracer ID 和 Span Context 序列化成字符串后传递给这个 Session Varible 3. 在 TiDB 体系内将 Tracer 信息反序列化后生成新的 Context 4. TiDB 和 TiKV 之间的通信是通过 gRPC, jaeger 对 gRPC 有着良好的支持 Tips: Jaeger client

兼容的真正意义上的分布式数据库 ● 我们是全球仅有的在该领域进行技术创新的两家公司之一（对标美国 CockroachDB） ● 完全从头打造，并非基于 MySQL 或数据库中间件进行改造、封装 ● 体系架构完全不同于传统的单机型数据库的理论，真正意义上的分布式架构 ● 开源模式保证技术创新、高效和领先性，天然的国际化基因 我们的数据库能解决什么问题 - 1 ● 无限线性水平扩展（Scale Out）

状况以便及时做出决策，故需要将分散在各个系统的 数据汇聚在同⼀个系统并进⾏⼆次加⼯处理⽣成 T+0 或 T+1 的报表。传统常⻅的解决⽅案是采⽤ ETL + Hadoop 来完成，但 Hadoop 体系太复杂，运维、存储成本太⾼⽆法满⾜⽤⼾ 的需求。与 Hadoop 相⽐，TiDB 就简单得多，业务通过 ETL ⼯具或者 TiDB 的同步⼯具将数据同步到 TiDB，在 TiDB 中可通过 SQL 直接⽣成报表

的决策层需要了解整个公司的业务状况以便及时做出决策，故需要将分散在各个系统的数据汇聚在同 一个系统并进行二次加工处理生成 T+0 或 T+1 的报表。传统常见的解决方案是采用 ETL + Hadoop 来完成， 但 Hadoop 体系太复杂，运维、存储成本太高无法满足用户的需求。与 Hadoop 相比，TiDB 就简单得多， 业务通过 ETL 工具或者 TiDB 的同步工具将数据同步到 TiDB，在 TiDB 中可通过 SQL 直接生成报表。 merge_option=deny，避免 Region 的自动合并。 用户文档，#3839 2.2.2.2 安全 • 支持为 TiDB Dashboard 创建最小权限用户 TiDB Dashboard 的账号体系与 TiDB SQL 用户一致，并基于 TiDB SQL 用户的权限进行 TiDB Dashboard 授权验 证。TiDB Dashboard 所需的权限较少，甚至可以只有只读权限。可以基于最小权限原则配置合适的用户 Analytical Processing, HTAP) 功能。 注意： 如果你对 TiDB HTAP 功能还不太了解，希望快速试用体验，请参阅快速上手 HTAP。 要快速了解 TiDB 在 HTAP 场景下的体系架构与 HTAP 的适用场景，建议先观看下面的培训视频（时长 15 分钟）。 注意本视频只作为学习参考，如需了解详细的 HTAP 相关内容，请参阅下方的文档内容。 82 3.4.1 HTAP 适用场景

的决策层需要了解整个公司的业务状况以便及时做出决策，故需要将分散在各个系统的数据汇聚在同 一个系统并进行二次加工处理生成 T+0 或 T+1 的报表。传统常见的解决方案是采用 ETL + Hadoop 来完成， 但 Hadoop 体系太复杂，运维、存储成本太高无法满足用户的需求。与 Hadoop 相比，TiDB 就简单得多， 业务通过 ETL 工具或者 TiDB 的同步工具将数据同步到 TiDB，在 TiDB 中可通过 SQL 直接生成报表。 Analytical Processing, HTAP) 功能。 注意： 如果你对 TiDB HTAP 功能还不太了解，希望快速试用体验，请参阅快速上手 HTAP。 要快速了解 TiDB 在 HTAP 场景下的体系架构与 HTAP 的适用场景，建议先观看下面的培训视频（时长 15 分钟）。 注意本视频只作为学习参考，如需了解详细的 HTAP 相关内容，请参阅下方的文档内容。 3.4.1 HTAP 适用场景 网络和物理磁盘的写入 能力有限，内部 TiKV 与 TiFlash 之间的 I/O 会成为主要瓶颈，也容易产生读写热点。此时 TiFlash 节点数与 OLAP 计算量有较复杂非线性关系，需要根据具体系统状态调整节点数量。 • TiSpark – 如果你的业务需要基于 Spark 进行分析，请部署 TiSpark。具体步骤，请参阅TiSpark 用户指南。 3.4.4 HTAP 数据准备 TiFlash

的决策层需要了解整个公司的业务状况以便及时做出决策，故需要将分散在各个系统的数据汇聚在同 一个系统并进行二次加工处理生成 T+0 或 T+1 的报表。传统常见的解决方案是采用 ETL + Hadoop 来完成， 但 Hadoop 体系太复杂，运维、存储成本太高无法满足用户的需求。与 Hadoop 相比，TiDB 就简单得多， 业务通过 ETL 工具或者 TiDB 的同步工具将数据同步到 TiDB，在 TiDB 中可通过 SQL 直接生成报表。 Analytical Processing, HTAP) 功能。 注意： 如果你对 TiDB HTAP 功能还不太了解，希望快速试用体验，请参阅快速上手 HTAP。 要快速了解 TiDB 在 HTAP 场景下的体系架构与 HTAP 的适用场景，建议先观看下面的培训视频（时长 15 分钟）。 注意本视频只作为学习参考，如需了解详细的 HTAP 相关内容，请参阅下方的文档内容。 3.4.1 HTAP 适用场景 网络和物理磁盘的写入 能力有限，内部 TiKV 与 TiFlash 之间的 I/O 会成为主要瓶颈，也容易产生读写热点。此时 TiFlash 节点数与 OLAP 计算量有较复杂非线性关系，需要根据具体系统状态调整节点数量。 • TiSpark – 如果你的业务需要基于 Spark 进行分析，请部署 TiSpark。具体步骤，请参阅TiSpark 用户指南。 3.4.4 HTAP 数据准备 TiFlash

的决策层需要了解整个公司的业务状况以便及时做出决策，故需要将分散在各个系统的数据汇聚在同 一个系统并进行二次加工处理生成 T+0 或 T+1 的报表。传统常见的解决方案是采用 ETL + Hadoop 来完成， 但 Hadoop 体系太复杂，运维、存储成本太高无法满足用户的需求。与 Hadoop 相比，TiDB 就简单得多， 业务通过 ETL 工具或者 TiDB 的同步工具将数据同步到 TiDB，在 TiDB 中可通过 SQL 直接生成报表。 Analytical Processing, HTAP) 功能。 注意： 如果你对 TiDB HTAP 功能还不太了解，希望快速试用体验，请参阅快速上手 HTAP。 要快速了解 TiDB 在 HTAP 场景下的体系架构与 HTAP 的适用场景，建议先观看下面的培训视频（时长 15 分钟）。 注意本视频只作为学习参考，如需了解详细的 HTAP 相关内容，请参阅下方的文档内容。 95 3.4.1 HTAP 适用场景 网络和物理磁盘的写入 能力有限，内部 TiKV 与 TiFlash 之间的 I/O 会成为主要瓶颈，也容易产生读写热点。此时 TiFlash 节点数与 OLAP 计算量有较复杂非线性关系，需要根据具体系统状态调整节点数量。 • TiSpark – 如果你的业务需要基于 Spark 进行分析，请部署 TiSpark。具体步骤，请参阅TiSpark 用户指南。 3.4.4 HTAP 数据准备 TiFlash