评论员文章

拓数派创始人兼CEO 冯雷(Ray Von) 

(资料图片)

钛媒体获悉，拓数派（OpenPie）不久前发布了全新产品虚拟数仓PieCloudDB「云上云」版（CoC:Cloud on Cloud），并正式上线基于阿里云构建公共云数据仓库服务。

据创始人兼CEO冯雷所述，基于数仓虚拟化打造的旗舰产品PieCloudDB，是对行业顶级数据库的抽象思考和设计原则复用为技术路线，实现了分析型数据数仓上云虚拟化。

拓数派成立于2021年，创立之初便获得头部产业基金连续两笔天使轮投资，并于2022年6月再度获得新一轮战略融资，其核心产品PieCloudDB是面向企业级的云原生虚拟数仓。

如今过去两年，拓数派已相继发布PieCloudDB的企业版/社区版（基于私有云部署）、软硬件一体机、「云上云」版本（首先基于阿里云构建公共云数仓）。

拓数派为此给出了数仓虚拟化技术理念的完整演绎。据介绍，团队将多个数仓整合到一个高可用的云虚拟数仓，以打通多云数据管道，数据计算资源按需扩缩容，同时可计算数据空间实现了数量级增加，数仓的管理复杂度和成本均得到降低。这个过程中使用了存算分离、eMPP（elastic Massive Parallel Processing，弹性大规模并行计算）、服务器无感知及TDE等多项核心技术。

PieCloudDB数仓虚拟化四大核心技术架构：

云原生存算分离架构：运用元数据-计算-数据分离的三层架构，实现云上存储资源与计算资源的独立管理。云上计算资源可弹性分配，有查询计算任务的时候按需启动，按照使用时间和规模计算成本。

eMPP分布式专利技术：在云上，PieCloudDB利用eMPP架构，实现多集群并发执行任务。企业可灵活进行扩缩容，随着负载的变化实现高效的伸缩，轻松应对PB级海量数据。

全新的存储「简墨」和缓存架构设计：在计算层，各个计算节点针对元数据和用户数据都设计了多层缓存结构，避免网络延迟和数据移动，提高计算效率，保证用户的实时性需求。针对底层对象存储设计了高效的文件格式，可在节省网络请求的同时提高计算效率。

全新的优化器「达奇」：可更智能高效地生成统计信息，并生成更高效的查询计划，达奇优化器支持聚集下推，预计算，Block Skipping等高级特性，全面满足各种复杂的分析查询需求。

云原生数据库/数仓技术近些年在概念上非常热，但怎么实现云原生的弹性优势、存算分离，各家厂商的产品成熟度和技术积累难免有所差异。从产品迭代周期和研发复杂性上看，拓数派的技术路径难度颇高。据了解，团队已经进行了百万行代码的推倒重写。

以eMPP为例，PC版分析型数据库所采用的传统MPP技术，在遇到云端海量数据时会存在比较明显的缺陷：如拓展困难、升级部署难，以及大量的数据孤岛。eMPP则基于云计算架构的弹性并行计算，存储和计算各自作为两个独立变量，各自在云里弹性伸缩，同时可以实现瞬间扩缩容。此外，用户对于云中数据同时开启多个集群进行数据计算，可以持续将所有数据在云中存储，为已有的应用和未来的应用真正实现数据共享。

在媒体沟通会上，拓数派CTO郭罡告诉钛媒体，“团队最开始在单机版本上进行原型创新，支持多节点共享元数据和用户数据，后来才支持分布式集群，相当于在Postgres上重新实现了一个新的分析型数据库（OLAP）。”

从产品迭代节奏上，他还指出，“并不是因为Teradata退出中国，而是目前国内企业客户还是会有对一体机的场景需求，未来也会跟更多的国产硬件厂商进行适配。”“目前来看，基于私有化部署的业务占比会更高，但未来3~5年内还是希望将公有云的业务收入进行持续提升。”

另外值得一提的是，冯雷为原Pivotal（中国）创始人兼总经理，在此之前，Pivotal就已经是一家非常成功的技术公司，其支持运营的开源数据库Greenplum、PaaS平台Cloud Foundry和Java开发的Spring框架在业内赫赫有名，云原生（cloud native）一词最早起也源于Pivotal公司。

谈及Greenplum的创新逻辑，郭罡明确指出：“团队并没有沿袭GP技术栈进行创新，而是进行了数据库内核的重构；但另一方面，团队保留了GP的部分优势，通过GP生态进行更广泛的用户连接。”

在钛媒体看来，从以Teradata为代表的一体机MPP数据库产品，到Greenplum和Vertica等基于PC的MPP数据库，再到如今企业所倡导的云原生数据库/数仓，尽管市场对新一代数据技术栈的关注在近些年十分火热，但国产数据库产业的整体资金投入、人才积累以及实际应用案例的深度仍有待提高。

作为一家初创公司，拓数派正式组织研发与市场力量不过两年，有其发展的优势与契机。

（本文首发钛媒体APP 作者 | 杨丽）