海量结构化数据解决方案-表格存储场景解读

简介： 数据是驱动业务创新的最核心的资产。不同类型的数据如非结构化数据（视频、图片等）、结构化数据（订单、轨迹），面向不同业务的使用要求需要选择适合的存储引擎，能够真正发挥数据的价值。针对于海量的非强事务的海量结构化/半结构数据，表格存储一站式解决。这里详细解读该适合场景的使用解读。

数据是驱动业务创新的最核心的资产。不同类型的数据如非结构化数据（视频、图片等）、结构化数据（订单、轨迹），面向不同业务的使用要求需要选择适合的存储引擎，能够真正发挥数据的价值。
比如：非结构化的数据-视频图片等适合对象存储OSS，强事务的结构化数据-交易订单适合MySQL。

而针对于海量的非强事务的海量结构化/半结构数据：


这些场景特点是：
1. 数据规模大，常见的关系型数据库难以存储。
2.需要支持很高的读写吞吐与极低的响应延迟。
3. 数据结构相对简单，无跨数据表的关联查询，数据存储写入是无需复杂的事务机制。

表格存储Talestore正是为了解决上述数据的存储、访问以及计算。

历史订单场景

在电商、金融、外卖、新零售等所有涉及交易与协定的所有场景中，都涉及大量的订单。记录社会方方面面。传统关系型数据能够解决需要支持强一致的事务的在线业务，但海量的订单关系型数据无法保存全量数据，需要数