EasyDAP (EDAP) 是一站式数据湖管理与分析平台，提供数据采、建、管、用全生命周期的大数据能力， 帮助企业数据资产建设和开发分析应用。EDAP 提供多种计算平台支持及可拓展的开放能力，降低企业大数据开发应用门槛、提高大数据开发效率。
图1 数据库分类流行趋势 二 底层存储选型 为了更好地适应业务需求，我们选择自研 TSDB，由于时序数据的规模很大，我们在底层存储的选型上需要慎重考量。
早期方案一般基于数据库中间件存储元数据，这类方案存在两个比较大的问题：1）扩展性存在瓶颈——扩容只能倍扩，对成本造成很大压力；2）对跨库的分布式事务支持不好。
不管是传统数仓承载的结构化数据，还是数仓不能存储的半结构化数据、非结构化数据、二进制数据等任意类型的数据，数据湖都可以轻松实现采集、存储和分析。 赋能用户。
4 多样化的数据保存需求 不同的业务对监控数据的保存时长有不同的要求，不同的场景对数据的粒度也有不同的要求，例如，想要知道某服务过去一天的总流量相比去年同期的变化，需要数据至少保存一年，但数据的粒度可以是天级
数据仓库 很多项目也会需要一类能够存储巨量数据的数据库，如滴滴需要存储所有订单信息来分析哪个城市、那个时间段为使用率最高，这些系统通常和常规用户可感知的交易不同，可以使用脱机类型的数据仓库。
本文按照数据湖存储加速方案的不同发展阶段铺开，比较了各类方案之间的异同，并深度剖析了这类方案的技术本质。
「自购服务器搭建数据库服务」，涉及到云服务器和物理机服务器的选择。这两者之间存在一定的差别。
它尝试在数据中查找模式并根据这些共同属性做出反应，将输入划分为多个不同聚类（如图1-2所示）。
3 优化存储模型 ElasticSearch数据存储模型由索引(Index)、类型(Type)、文档(Document)组成，分别对应关系型数据库中库(Database)、表(Table)、行(Row)
本文整理自百度云智峰会 2024 —— 云原生论坛的同名演讲。 今天给大家介绍下百度沧海·存储团队在数据湖加速方面的工作进展情况。
