數據源

數據管道APS可以一鍵低成本接入數據庫、日志、大數據中的數據。

存儲層+計算層

支持自研引擎，羲和計算引擎和玄武存儲引擎。新增集成的開源引擎，Spark計算引擎和Hudi存儲引擎。可以借助開源的能力為您提供更豐富的數據分析場景。同時打通自研和開源引擎之間的互相訪問，提供更一體化的體驗。

• 存儲層：只需一份全量數據，滿足離線和在線場景。

  在線分析場景需要數據盡量在高性能存儲介質上提高性能，離線場景需要數據盡量在低成本存儲介質上降低存儲成本。為滿足不同場景需求，首先將一份全量數據存儲在低成本高吞吐存儲介質中，低成本離線處理場景直接讀寫低成本存儲介質中的數據，可降低數據存儲和數據IO成本，保證高吞吐。其次將實時數據存儲在單獨的存儲IO節點（EIU）上，保證行級的數據實時性，同時對全量數據構建索引，并通過緩存能力對數據進行加速，滿足百毫秒級高性能在線分析場景。

• 計算層：羲和計算引擎，智能選擇計算模式。開源Spark計算引擎，滿足多種場景。

  羲和計算引擎同時提供MPP和BSP兩種模式。MPP模式是一種流式計算模式，不適合離線處理低成本和高吞吐場景。BSP模式，通過DAG進行任務切分，分批調度，滿足有限資源下大數據量計算，支持計算數據落盤。羲和計算引擎提供自動切換能力，即當查詢使用MPP模式無法在一定耗時內完成時，系統會自動切換為BSP模式進行執行。

  開源Spark計算引擎可以滿足更復雜的離線處理場景和機器學習場景。Spark計算層和存儲層互相打通，您可以使用計算層資源來處理存儲層數據，在創建和配置Spark資源組時更容易。

訪問層

訪問層通過統一計費單位、統一元數據和權限、統一開發語言、統一傳輸鏈路，提升開發效率。