实时化与 Serverless 是开源大数据 3.0 时代的必然选择

近日在 2023 云栖大会上，阿里云开源大数据产品进行了年度发布：E-MapReduce、Elasticsearch 等开源大数据产品全面 Serverless 化；创新性推出 Flink 与 Paimon 搭档的新一代流式湖仓；拥抱 AI，推出 Milvus 全托管服务，升级智能运维工具 EMR Doctor 以及 Flink Advisor。

核心组件全面 Serverless 化

在大会上，阿里云开源大数据平台负责人王峰，回顾了阿里云开源大数据技术演进路线：自 2009 年起，经历了以大数据上云为代表的 1.0 时代，以数据湖和实时化为代表的 2.0 时代，如今阿里云开源大数据平台迈向了 3.0 时代，随着云原生架构的深入落地，已将开源大数据平台的核心计算组件 Flink、EMR Spark、StarRocks 和存储组件 OSS-HDFS 等全部实现 Serverless 化。

产品性价比飙升 2 倍

阿里云开源大数据产品总监陈守元表示， 阿里云开源大数据产品通过底层技术优化，包括集成倚天 710 芯片和自研引擎功能增强等，用户使用成本大幅降低 50%，引擎性能相比于开源版本提升 1～3 倍，综合性价比提升超 2 倍。

· 阿里云 E-MapReduce 全新上线 Serverless StarRocks 和 Serverless Spark，为用户提供全托管、免运维等服务。湖存储 OSS-HDFS 和一站式湖管理平台 DLF 全新升级，为企业构建现代开源开放的数据湖仓提供一站式服务。

· 阿里云实时计算 Flink 版推出企业级数据集成方案，配合 Flink 优秀的管道能力和丰富的上下游生态，可高效实现海量数据的实时集成。

· 阿里云检索分析服务 Elasticsearch 版推出兼容开源、按需使用的 Serverless 版本，平台会根据业务流量波动，自动调度决定资源的增加或缩减，秒级弹性扩缩，实现负载与资源动态匹配的按量付费。

黄金搭档 Flink + Paimon：新一代的流式湖仓

数据分析正从传统 Hive 模式向湖仓架构升级 ，阿里云从大量实践中推断，实时化是湖仓分析下一步的演进方向。在这种技术趋势下，阿里云基于黄金搭档 Flink+Paimon，打造出新一代的流式湖仓新方案，为用户提供一站式数据入湖、实时加工和探查分析能力，拓展数据湖场景的实时计算能力，Flink 批计算已在云上实现生产可用，支持湖上批量数据处理和作业调度。在 5 亿条数据入湖场景中，与开源 Hudi 方案相比，阿里云流式湖仓方案 Upsert 性能提升超过 4 倍，Scan 性能提升超过 10 倍。

更智能的开源大数据

当前 AI 全面爆发，阿里云开源大数据平台也将 AI 技术引入大数据平台体系中，升级了智能化运维工具 EMR Doctor、Flink Advisor，并已广泛应用于客户和阿里云内部平台运维，平均集群问题识别时间减少 30% ，集群资源有效利用率提升 75%，帮助阿里云开源大数据平台实现智能化运维和数据管理。同时，阿里云推出了 Milvus 全托管服务，为多模态数据提供向量检索能力，加速客户 AI 应用。