Gartner《2023中国数据库管理系统市场指南》认为，中国DBMS整体上云的势头依然强劲，更为多样化的数据管理环境也在形成，包括DBMS基于中国公有云的部署、国有供应商/私有云的部署及非中国公有云的部署，以及多云/云间/混合云的部署；DBMS云间技术能力的重要性更为凸显。
强化数据库/数据仓库的云能力，已经成为数据库厂商未来发展的关键命题。柏睿数据以柏睿云能平台和柏睿实时云数仓交出了优异的答卷。本文将介绍柏睿数据如何构建生于云、长于云的数据仓库。
柏睿实时云数仓基于柏睿云能平台，可实现国内外公有云、私有云、混合云及服务器自动化部署和统一管理，具备极速性能、跨云跨库、安全可靠、弹性伸缩、智能管理等优势特性，且总体拥有成本更低，全面满足企业在大数据云时代的全场景数据仓库/数据库需求。
柏睿云能平台（Rapids Data Cloud）是依托柏睿数据自研产品体系、适配云端运行环境特点打造的多云自动化部署与统一管理平台。底层采用统一的技术架构，由云管理平台、全内存数据库和数据库管理Portal三部分组成。
柏睿云管理平台是整个平台的系统管理层，负责与云厂商API对接，实现数据库集群建立、删除等功能所需的云资源调度。
底层基于柏睿数据全内存分布式数据库，由数据库网关（Master）和计算节点（LEAF）组成。通过Master为用户程序提供兼容MySQL协议的数据库服务。
每个集群都有独立的数据库管理Portal，实现管理与业务分离。
柏睿实时云数仓（RapidsDB Cloud Data Warehouse，简称Rapidsdb DWS）是基于柏睿数据自研新一代全内存分布式数据库打造，可为用户提供云原生的数据仓库服务，主要采用大规模并行处理（MPP）、云原生、库内人工智能、数据联邦等技术实现。
集群性能随着节点规模的增加而增加，优化云计算运行环境，提升性能。
采用责任共担模型，三方共同保障系统安全；基于云厂商的高可用运行环境，每个数据库集群都独立部署于云主机中，运行资源完全隔离；优化数据库存储能力，支持云存储备份与恢复数据。
采用微服务架构，可根据业务实现后端各类资源的快速、动态、自动的扩缩容，促进集群性能提升和成本优化；实现类容器的Image功能，将每个云主机节点通过云存储技术做成镜像，以快速统一部署数据库集群。
全内存分布式数据存储，支持行存、列存和混合存储，且无需ETL操作；支持自动分区平衡，采用自适应下推、动态查询优化等技术，提高查询效率和性能。
通过可插拔的自有连接器MOXE和其他内置的各类连接器，接入20+数据源的结构化、半结构化和非结构化数据；基于SQL标准的统一接口，实现多源异构数据的实时聚合、查询和分析。
面向大数据时代，柏睿数据构建的云原生数据仓库服务可助力企业锻造敏捷创新能力，助力企业真正释放数据创新潜力。
支持全域PB级规模数据存储与实时在线分析，3000亿条数据查询秒级响应，TPC-H测试比主流产品快5倍。
具有完全自主知识产权的数据库，适配中国公有云环境，保障数据安全、数据隐私与数据一致性，支持集群高可用。
支持在线自助扩容/缩容数据库节点，数据库集群性能随节点数量线性提升。
自主部署、自动化管理数据库集群，全面掌控集群运行情况、主机状态等信息，可灵活敏捷调度云资源。
按需即买即用，利益最大化配置计算资源；相同数据量和云端运行环境下计算资源占用更少，且学习成本较低。
灵活选择数据存储方式，最大化保障数据库性能，以支持不同的数据处理场景。
为进一步详细展示柏睿数据云原生数据仓库服务的优势价值，以柏睿实时云数仓的华为云Enabled认证测试为例。该测试表明，部署在华为云上的柏睿实时云数仓在性能、安全、成本等方面均有优异的表现。
在9个数据库节点集群环境下，从华为云存储中导入500G的TPC-H数据，柏睿实时云数仓分别对22条TPC-H SQL语句做顺序执行、并发访问。从云主机IOPS的记录图可以看到，在数据加载完成后，基本不会再对磁盘进行读写操作。这体现了柏睿实时云数仓强劲的性能。
下图是柏睿实时云数仓与其他主流云数仓产品的测试比较结果：在同等规格云主机环境下使用500G TPC-H测试数据，顺序执行22条TPC-H语句；结果显示，柏睿实时云数仓比主流云数仓产品的TPC-H 计算速度5倍。
在数据备份与恢复方面，柏睿实时云数仓可基于华为云为用户提供高可靠、高效的数据存储和恢复能力。据悉，华为云主机的云硬盘数据可靠性高达99.9999999%。
此外，柏睿实时云数仓在写入数据时，会同步在每个节点的磁盘上写入本机数据快照；即使当某节点异常重启后，数据也能从本机快照中迅速恢复，而不会丢失。
在成本方面，根据华为云测试，基于通用的SSD硬盘，柏睿实时云数仓能够将硬盘的读写分散到每个数据库节点，使得硬盘使用成本大幅降低，较主流云数仓产品节省60%以上的成本。
如何在华为云上部署柏睿实时云数仓？
具体操作步骤（上下滑动查看）：
推荐阅读
你的 在看 为智能数据算力点赞
