混合负载场景
在新一代 SaaS 等混合负载场景下（见图 5.10），使用 TiDB 可以承载
OLTP 类业务，同时使用 TiFlash 加速实时报表，加速对分析业务的查询响
应。从架构上来说，以往需要有不同的数据链路去维护不同数据引擎之间的数
据流转和存储，现在对用户而言只需要一个入口，一个 APP 服务器，不同的
业务类型可以不加区分地接入这个 APP 服务器，APP 服务器向 TiDB 发送请
求，TiDB 将不同的业务向不同的引擎进行分流和加速，整套技术架构栈变得
非常简洁。这个架构对于数字原生企业非常有价值，无论是 C 端的泛电商、支
付、物流、游戏，还是 B 端的 SaaS，都可以在业务快速发展的时候不再需
要担心系统的架构修改，还能从一开始就获得强大的实时分析能力。
流式计算场景
数字时代，越来越多的业务对实时分析的需求更加迫切。在流式计算场景
（见图 5.11）下，对于传统的日志流分析的需求，大数据提供了比较成熟的解
决方案。在联机交易或者要求传统 OLTP 类数据库传输带有删改的数据，以
及带有关联数据的场景下，TiDB 就是目前最理想的方案。
在这种场景下，TiDB 可以非常方便地作为一个从库，挂接在 Oracle 或
者 MySQL 数据库后面，不需要复杂的数据同步手段，借助 Kafka 或者其他
数据管道来进行同步即可。TiDB 可以挂在 MySQL 后面作为从库或者作为
Oracle 的一个复制目的地。与此同时，如果希望做一些数据处理的话，用户
也可以随时切换到传统的数据架构上。
TiDB 本身是一个带有 OLTP 类属性的 HTAP 数据库，对于任何实时的
“删改增”落地，TiDB 可以达到实时响应，整条数据链路可以实现秒级查询。
TiDB 本身的行列混合属性也意味着，数据落地不论是明细数据的明细查询，
还是对于数据的各种不同维度的实时聚合，都可以很好地响应。
Version:0.9 StartHTML:0000000105 EndHTML:0000000321 StartFragment:0000000141 EndFragment:0000000281
数据中枢场景
Version:0.9 StartHTML:0000000105 EndHTML:0000001299 StartFragment:0000000141 EndFragment:0000001259
在数据中枢场景（见图 5.12）中，假设前端有多个业务线，每个业务线都有自
己不同的 OLTP 类数据库，例如财务、EPR、销售、仓储数据库，有 Click Stream、
User Profile，也有产品库，还有用户登录和第三方不同的数据源，这些数据存
放在各自的数据库中，可以通过 CDC 的方式或者通过 Kafka 实时集成到 TiDB
里面。这些从不同数据源、不同业务线整合过来的数据，可以放在数据中枢层。
数据中枢层是相对于离线数仓（全称数据仓库）层的一个概念。首先它只
存放一段时间内的数据，而离线数仓可能会放更久远的历史数据；数据中枢层
更倾向于存放温和热的数据，可以提供实时的数据存取和查询服务。相对于大
数据和离线数仓层而言，数据中枢层可以直接对接数据应用端，既可以承接高
并发访问，又能够以数据服务的形式来提供全量数据的存取，而离线数仓和数
据湖更倾向于离线的方式，通常提供不太新鲜的数据来进行报表与 BI 类查询。
当 TiDB 集成到整个数据平台当中，它充当了一个数据中枢的角色。即使
数据平台中已经有了离线数仓层和 Hadoop 平台，仍然可以把 TiDB 放在业务
层、Hadoop 层，或者在数据仓库层之间，作为提供一个实时数据存储和管理
的平台，用来满足越来越多的用户对实时存取与实时分析数据的需求。
从以上几个场景可以看到，TiDB 的能力已经超越了一个分布式关系数
据库本身。随着 TiDB 5.0 MPP 的引入以及多项企业级特性的增强，TiDB
已经发展成为一栈式数据服务生态。在整个数据服务生态中，并不是只有
PingCAP 在创造和建设，广大社区贡献者们也参与了这套生态的共建和迭
代，总计有 538 位贡献者提交了一万多个 PR，例如知乎就给社区贡献了多
个与大数据生态相关的组件和生态工具，对于大体量用户的业务场景极具应
用价值。
