摘要：?近日，阿里云重磅推出Serverless數(shù)據(jù)分析引擎-Data Lake Analytics，Data Lake Analytics，幫助更多不具備分析能力的存儲服務(wù)，賦予其分析的能力。

近日，阿里云重磅推出Serverless數(shù)據(jù)分析引擎-Data Lake Analytics，Data Lake Analytics，幫助更多不具備分析能力的存儲服務(wù)，賦予其分析的能力。

從生活中的購物交易，到工業(yè)上的生產(chǎn)制造，再到社交網(wǎng)絡(luò)媒體信息、企業(yè)化管理決策等等，大數(shù)據(jù)成為當前經(jīng)濟社會最重要的前進方向之一。越來越多的企業(yè)在面臨數(shù)據(jù)以指數(shù)級成倍增長的時候，第一選擇存儲服務(wù)來存儲數(shù)據(jù)，那在人人高喊數(shù)據(jù)為王的時代，如果數(shù)據(jù)僅僅被存儲起來，而不加以分析，那數(shù)據(jù)的超能力也將毫無意義。

擁抱分析能力迫在眉睫

很多企業(yè)用戶選擇阿里云對象存儲服務(wù)OSS或者表格存儲（Table Store）來存儲數(shù)據(jù)，作為面向海量數(shù)據(jù)、極低成本、高度靈活的存儲平臺，云上客戶存儲了大量的流水數(shù)據(jù)、日志數(shù)據(jù)、監(jiān)控數(shù)據(jù)等，然而這些數(shù)據(jù)今天不具備低成本、靈活高效的分析能力。OSS和Table Store不但存儲了大量的歷史數(shù)據(jù)，而且新數(shù)據(jù)每日劇增。

以往客戶需要分析OSS數(shù)據(jù)，需要臨時將數(shù)據(jù)導入各種事先購買或者部署好的分析引擎，分析完再將數(shù)據(jù)刪除、釋放分析引擎的資源，鏈路長，耗時耗力極其不便，也不利于節(jié)省成本。

如果客戶使用Hadoop等傳統(tǒng)的MR解決方案，雖然存儲和計算分離，但是考慮到資源復(fù)用，往往需要在購買的ECS或者物理機上既部署存儲節(jié)點又要部署計算節(jié)點，存儲和計算無法做到真正的按需各自擴展。而開源Greenplum等傳統(tǒng)的MPP數(shù)據(jù)庫，更是存儲和計算一體化，存儲和計算分別按需擴展更是無法支撐。

而Serverless化數(shù)據(jù)分析引擎-Data Lake Analytics彌補了以上痛點。無需ETL，就可使用標準 SQL、現(xiàn)有的商業(yè)智能 (BI) 和ETL工具，以極低成本與高效地輕松分析與集成在阿里云OSS、Table Store數(shù)據(jù)源的數(shù)據(jù)。
Data Lake Analytics四大特性為數(shù)據(jù)分析保駕護航

Data Lake Analytics使得更多異構(gòu)數(shù)據(jù)源具備融合分析的能力。不僅支持聯(lián)合OSS和Table Store進行數(shù)據(jù)分析，后續(xù)也會支持對接更多的數(shù)據(jù)源接入，Serverless，意味著客戶使用分析服務(wù)無需購買或者管理服務(wù)器，升級透明，Data Lake Analytics基于ECS、ESS輕松做到彈性伸縮服務(wù)，能讓業(yè)務(wù)真正做到按需擴存儲、計算資源，按使用量付費分析，不分析只需要擁有存儲成本，整個方案成本極低。

不僅如此，Data Lake Analytics支持SQL 2003標準、豐富的內(nèi)置函數(shù)支持，可以像使用數(shù)據(jù)庫一樣做訪問OSS文件或者其他數(shù)據(jù)源。支持標準JDBC/ODBC, 應(yīng)用程序輕松集成。在交互式能力上，Data Lake Analytics通過高效智能優(yōu)化器，新一代分析引擎XIHE, 全面融合MPP+DAG技術(shù)使得查詢性能非常出色，具備真正的可交互式分析能力。

打破傳統(tǒng)，多場景適用
場景一：數(shù)據(jù)提取平臺
某客戶有大量的數(shù)據(jù)在OSS上，每天開發(fā)者要處理大量的臨時取數(shù)的需求，客戶最終基于OSS + Data Lake Analytics做到廉價可擴展的數(shù)據(jù)提取平臺。整個方案如下：

客戶端通過報表工具生成各種提取數(shù)據(jù)的SQL，報表工具將SQL發(fā)送至Data Lake Analytics, Data Lake Analytics則直接去分析OSS數(shù)據(jù)，然后將分析后的結(jié)果返回給報表工具。OSS的10TB的存儲每月費用在1200元左右，Data Lake Analytics則是完全按照查詢使用量來付費（目前處于公測免費階段），從而實現(xiàn)了一個完全自助化、極其廉價的可持續(xù)擴展的數(shù)據(jù)提取平臺。

場景二：DB冷數(shù)據(jù)分析和快速恢復(fù)

為降低rds的成本，客戶不定期的有大量的歷史庫數(shù)據(jù)通過DBS備份至OSS，針對歷史歸檔的業(yè)務(wù)數(shù)據(jù)，偶爾可能有少量的分析需求，此時通過Data Lake Analytics即可輕松滿足。此外，客戶若發(fā)現(xiàn)在線庫的業(yè)務(wù)數(shù)據(jù)需要利用OSS歸檔數(shù)據(jù)做訂正，以往做法是先購買一個超大規(guī)格的RDS, 然后將OSS備份恢復(fù)至RDS，將用來做訂正的數(shù)據(jù)查詢出來。有了Data Lake Analytics后，就可以輕松的通過Data Lake Analytics直接查詢到OSS的數(shù)據(jù)用做訂正，非常便捷，成本同時降低了很多。Data Lake Analytics提供端到端的數(shù)據(jù)安全訪問保障，支持OSS的安全角色訪問和表級別的用戶授權(quán)，實現(xiàn)用戶數(shù)據(jù)的安全隔離。

場景三：能源電池數(shù)據(jù)分析平臺
客戶有大量電池數(shù)據(jù)，需要天級別僅分析一次蓄電池的數(shù)據(jù)，來分析電池的使用壽命，以決定是否提前做報廢。客戶通過將電池數(shù)據(jù)批量上傳至OSS，通過Data Lake Analytics每日分析一次，OSS 10TB月均存儲成本約1200元，Data Lake Analytics則按照查詢數(shù)據(jù)量計費（目前公測期間不收費），成本極具優(yōu)勢。

云上目前OSS、Table Store等存儲有大量的業(yè)務(wù)數(shù)據(jù)急需分析能力，而Data Lake Analytics的出現(xiàn)則很好的滿足了這一需求。對于云上中小企業(yè)來說，可以選擇用最廉價的存儲來搭配最普惠靈活的的分析能力。阿里云Data Lake Analytics正是最普惠靈活的分析能力的實踐者，目前公測期間免費試用，歡迎大家前來體驗.
PC端請戳鏈接體驗公測：http://click.aliyun.com/m/1000005393/

原文鏈接

本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

總結(jié)

以上是生活随笔為你收集整理的【免费公测中】为数据赋予超能力，阿里云重磅推出Serverless数据分析引擎-Data Lake Analytics的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。