存储成本节省54%！货拉拉大数据存储架构演进与跨云生产实践

主要观点总结

本文根据货拉拉大数据存储架构演进与跨云生产实践的线上分享演讲内容整理而成，介绍了货拉拉的大数据架构体系，包括在线存储、离线存储和AI向量存储等方面的内容。

关键观点总结

关键观点1: 货拉拉的大数据架构体系

货拉拉的大数据架构体系自下而上相互支撑，以满足公司离线场景的需求。主要包括基础层、接入层、平台层、数据层、服务层和应用层。

关键观点2: 在线存储发展

货拉拉的在线存储发展历程分为四个阶段，包括萌芽期、成长期、成熟期和完善期。目前，货拉拉正在规划实现自动切换机制以缩短故障恢复时间，并希望通过HA架构拓展多路读能力，缓解HBase的长尾延迟问题。

关键观点3: 稳定性保障

货拉拉通过建立一个完整的稳定性体系来保障多业务场景的稳定，包括事前故障预防、事中故障发现和故障响应、故障定位、故障恢复等。

关键观点4: 异构存储和长尾问题解决

针对容量型性能差和性能型资源使用率低的问题，货拉拉使用异构存储的解决方案。同时，为了解冔HBase的长尾问题，货拉拉实施了多项优化措施，包括高性能KV选型等。

关键观点5: 离线存储发展

货拉拉的离线存储经历了萌芽期、成长期和成熟期。目前，正在构建云数据管理平台作为成本治理体系，通过整体成本治理与存储优化，降低存储成本。

关键观点6: AI向量存储

随着多模态智能化概念的落地，货拉拉在向量存储领域的技术方案逐步演进。大模型在货拉拉的应用中，向量存储发挥着重要的存储作用，如智能客服助手和IT运维助手等。