近日，以“引領(lǐng)分布式云變革 助力灣區(qū)數(shù)字經(jīng)濟(jì)”為主題的全球分布式云大會(huì)在深圳隆重召開，本屆大會(huì)由全球分布式云聯(lián)盟、深圳科技交流服務(wù)中心、深圳市通信學(xué)會(huì)、眾視Tech聯(lián)合主辦。組委會(huì)攜手南大通用、阿里云、騰訊云、Google Cloud、華為云、螞蟻集團(tuán)、浪潮云、金山云等海內(nèi)外頂尖云計(jì)算團(tuán)隊(duì)和分布式云先鋒企業(yè)，為粵港澳大灣區(qū)數(shù)字經(jīng)濟(jì)發(fā)展注入分布式云動(dòng)力，更將中國分布式云計(jì)算發(fā)展推上全新高度！

在分布式數(shù)據(jù)論壇上，天津南大通用數(shù)據(jù)技術(shù)股份有限公司數(shù)據(jù)智能產(chǎn)品經(jīng)營部總經(jīng)理張紹勇發(fā)表了題為《GBase GCDW云上邏輯數(shù)據(jù)倉庫助力行業(yè)迎接數(shù)字化轉(zhuǎn)型新挑戰(zhàn)》的精彩演講。

傳統(tǒng)企業(yè)級數(shù)據(jù)庫面臨的六大挑戰(zhàn)

一 傳統(tǒng)數(shù)據(jù)庫有單機(jī)架構(gòu)、分布式架構(gòu)和存算一體架構(gòu)，這三種架構(gòu)都面臨著資源彈性的挑戰(zhàn)，硬件資源在業(yè)務(wù)高峰時(shí)成為瓶頸，但在業(yè)務(wù)低谷時(shí)候又出現(xiàn)浪費(fèi)。

二 隨著數(shù)據(jù)量越來越大，傳統(tǒng)的三種架構(gòu)對數(shù)據(jù)的承載的能力不足。

三 數(shù)據(jù)的實(shí)時(shí)處理的能力要求越來越高。

四 數(shù)據(jù)類型的復(fù)雜性越來越高，傳統(tǒng)數(shù)倉主要處理結(jié)構(gòu)化數(shù)據(jù)，但現(xiàn)在結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的場景越來越多。

五 用戶挖掘數(shù)據(jù)價(jià)值需求越來越高，傳統(tǒng)的數(shù)據(jù)庫在支撐一些深入挖掘的算法方面乏力。

六 安全需求越來越高，尤其隨著國家關(guān)鍵信息基礎(chǔ)設(shè)施安全保護(hù)條例等發(fā)布，傳統(tǒng)數(shù)據(jù)庫在多方面的安全都亟待強(qiáng)化。

為了應(yīng)對上述挑戰(zhàn)，南大通用把新一代的解決方案稱為“下一代的企業(yè)級數(shù)據(jù)倉庫”。下一代企業(yè)級數(shù)據(jù)倉庫應(yīng)具備的演進(jìn)方向有兩個(gè)，一是云化、分布式、融合、智能、實(shí)時(shí)、安全，這六點(diǎn)對應(yīng)上述六個(gè)痛點(diǎn)，云化是解決資源彈性問題，分布式解決數(shù)據(jù)容量問題，融合是解決多模問題，智能解決數(shù)據(jù)價(jià)值挖掘問題，實(shí)時(shí)解決以T+1方式演進(jìn)到準(zhǔn)時(shí)方式，在加密權(quán)限等多方面解決安全問題。

六個(gè)方向相互依賴，基礎(chǔ)架構(gòu)在傳統(tǒng)MPP數(shù)據(jù)庫分布式融合智能實(shí)時(shí)點(diǎn)作為基石，在這個(gè)基礎(chǔ)之上，提供數(shù)據(jù)價(jià)值挖掘能力；在云計(jì)算提供資源池化的基礎(chǔ)之上，把分布式、融合、智能、安全、實(shí)時(shí)的基礎(chǔ)產(chǎn)品架構(gòu)在云上。核心是大數(shù)據(jù)處理能力，解決最基礎(chǔ)的問題，在這一基礎(chǔ)上，張紹勇引入了演講的重心——如何上云的問題。

下一代企業(yè)級數(shù)據(jù)倉庫的重要能力

張紹勇從演進(jìn)的6個(gè)方向總結(jié)數(shù)據(jù)倉庫的四大重要能力：

第一是數(shù)據(jù)實(shí)時(shí)化。有三個(gè)方向，第一是數(shù)據(jù)源，傳統(tǒng)的關(guān)系數(shù)據(jù)庫的數(shù)據(jù)如何同步到下一代數(shù)倉里；第二是數(shù)據(jù)流式的處理能力；第三是數(shù)據(jù)遷入數(shù)倉湖以后，如何處理得更快。

第二是多模能力。通過數(shù)據(jù)虛擬化的能力來解決，數(shù)據(jù)在底層存儲(chǔ)在多個(gè)引擎中，但用戶不用關(guān)注數(shù)據(jù)位置，需要提供統(tǒng)一的數(shù)據(jù)訪問能力。

第三是數(shù)據(jù)平民化。數(shù)據(jù)要更加可視化，并且能夠以自行自動(dòng)配置的方式來使用。

第四是數(shù)據(jù)協(xié)作化。系統(tǒng)面臨多種用戶，在一個(gè)系統(tǒng)之間進(jìn)行多租戶管理和分工協(xié)作，非常重要。

張紹勇表示，下一代企業(yè)級數(shù)據(jù)倉庫的重要能力就是融合統(tǒng)一。在融合統(tǒng)一的基礎(chǔ)之上才是數(shù)據(jù)湖、數(shù)據(jù)倉庫，下一代企業(yè)級數(shù)據(jù)倉庫完全支撐了數(shù)據(jù)湖、數(shù)據(jù)倉的能力。數(shù)據(jù)湖的存儲(chǔ)容量更大、成本更低，數(shù)據(jù)以原始格式保存，數(shù)據(jù)的使用更加靈活，面向用戶多樣。數(shù)據(jù)倉庫的模式是對數(shù)據(jù)提前加工處理，是模式化的。

云上邏輯數(shù)據(jù)倉庫

什么是邏輯數(shù)據(jù)倉庫？

Gartner的定義是不再局限于結(jié)構(gòu)化數(shù)據(jù)，包括非結(jié)構(gòu)化的數(shù)據(jù)，邏輯上是個(gè)大的數(shù)據(jù)倉庫，底層包括各種數(shù)據(jù)源進(jìn)行關(guān)聯(lián)處理。

從Gartner的定義中可以總結(jié)出以下幾點(diǎn)：

第一，處理的不僅僅局限于結(jié)構(gòu)化數(shù)據(jù)；

第二，邏輯上是個(gè)大的數(shù)據(jù)倉庫；

第三，雖然邏輯上一體，用戶或多個(gè)引擎之間的數(shù)據(jù)要發(fā)生關(guān)系，多個(gè)數(shù)據(jù)之間要進(jìn)行關(guān)聯(lián)和交換。

邏輯數(shù)據(jù)倉庫所達(dá)到的目標(biāo)

隨處運(yùn)行  既可以部署在云上，也可以部署在物理機(jī)、虛擬機(jī)，無論部署在什么樣的環(huán)境下都可運(yùn)行。

隨處保存  用戶不用關(guān)心數(shù)據(jù)在哪，結(jié)構(gòu)化數(shù)據(jù)保存在傳統(tǒng)數(shù)據(jù)庫和MPP里，非結(jié)構(gòu)化可以保存在Hadoop引擎里，這是數(shù)據(jù)虛擬化的能力。

隨處使用  數(shù)據(jù)聯(lián)邦的能力，使用時(shí)既可以處理結(jié)構(gòu)化數(shù)據(jù)的算法，也可以處理非結(jié)構(gòu)化數(shù)據(jù)的算法，混合場景也能夠支持。

邏輯數(shù)據(jù)倉庫的設(shè)計(jì)理念

傳統(tǒng)的數(shù)據(jù)倉庫都有數(shù)據(jù)采集的過程，把數(shù)據(jù)源的數(shù)據(jù)通過ETL采集到鏈條里；邏輯數(shù)據(jù)倉庫叫做重關(guān)聯(lián)，不需要采集，只需要數(shù)據(jù)（無論在本地、云端或其他任何地方），使用時(shí)只需要做關(guān)聯(lián)處理。張紹勇補(bǔ)充說，這一場景并不絕對，有些數(shù)據(jù)需要加工處理的，要先經(jīng)過集中化，實(shí)際上還是要經(jīng)過ETR，但有些數(shù)據(jù)出于質(zhì)量或自研的要求，可能在其他數(shù)據(jù)源里，直接使用就可以，不需要采集，兩種場景都有它實(shí)際的業(yè)務(wù)使用之處。

基于這樣的設(shè)計(jì)理念，Gartner在2016年提出來的新一代企業(yè)級數(shù)據(jù)平臺(tái)概念：它是綜合分析場景，以及我們對于批量跟實(shí)時(shí)的工作模式。為了解決這樣的場景，提供數(shù)據(jù)虛擬化以及數(shù)據(jù)聯(lián)邦的能力，數(shù)據(jù)虛擬化主要體現(xiàn)在數(shù)據(jù)實(shí)現(xiàn)統(tǒng)一接口的能力，數(shù)據(jù)聯(lián)邦實(shí)現(xiàn)跨數(shù)據(jù)的訪問跟計(jì)算。

邏輯數(shù)據(jù)倉庫的核心技術(shù)數(shù)據(jù)虛擬化和數(shù)據(jù)聯(lián)邦，數(shù)據(jù)虛擬化的能力解決了多種數(shù)據(jù)融合的問題，能夠融合管理結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，通過統(tǒng)一的入口實(shí)現(xiàn)數(shù)據(jù)的隨處保存。數(shù)據(jù)聯(lián)邦能力通過融合多種計(jì)算模型，能夠融合在線分析和關(guān)聯(lián)分析、圖計(jì)算等多種計(jì)算模型，實(shí)現(xiàn)各種算法融合，繼而讓數(shù)據(jù)隨處使用；此外，聯(lián)邦能力還能夠把底層的多種引擎之間的數(shù)據(jù)進(jìn)行打通，進(jìn)行實(shí)時(shí)流轉(zhuǎn)。

下一代大數(shù)據(jù)平臺(tái)架構(gòu)

中間數(shù)據(jù)管理層，整個(gè)架構(gòu)是數(shù)據(jù)采集、數(shù)據(jù)管理、數(shù)據(jù)分析挖掘、數(shù)據(jù)服務(wù)計(jì)算，傳統(tǒng)的平臺(tái)架構(gòu)都遵循這樣的架構(gòu)，邏輯數(shù)據(jù)倉庫在數(shù)據(jù)處理這一層除了IoT平臺(tái)的實(shí)時(shí)處理以外的其他場景，全部融合成邏輯處理倉庫的模塊來進(jìn)行統(tǒng)一處理。從下一代大數(shù)據(jù)平臺(tái)的架構(gòu)里面也能看出邏輯數(shù)據(jù)倉庫在整個(gè)架構(gòu)里承載著非常重要的功能。

云上邏輯數(shù)據(jù)倉庫架構(gòu)分為三層，第一層是統(tǒng)一的接口層，由于Hadoop平臺(tái)的廣泛應(yīng)用，GBase GCDW支持標(biāo)準(zhǔn)的SQL接口。中間層實(shí)現(xiàn)了多引擎管理、統(tǒng)一用戶、統(tǒng)一元數(shù)據(jù)以及跨引擎查詢計(jì)劃。最底層實(shí)現(xiàn)了多引擎之間的統(tǒng)一數(shù)據(jù)交換、一致性管理、數(shù)據(jù)透明實(shí)時(shí)同步以及數(shù)據(jù)管理層保障。

通過統(tǒng)一的SQL接口，透明的跨引擎訪問以及全數(shù)據(jù)類型融合處理，跨域和多中心管理幾個(gè)方面實(shí)現(xiàn)數(shù)據(jù)虛擬化能力；通過全算法的融合，打通計(jì)算引擎間的數(shù)據(jù)的關(guān)聯(lián)，數(shù)據(jù)生命周期管理實(shí)現(xiàn)數(shù)據(jù)的聯(lián)邦能力。

中間統(tǒng)一的邏輯數(shù)據(jù)倉庫支持多種存儲(chǔ)引擎以及計(jì)算引擎，對外提供統(tǒng)一的數(shù)據(jù)虛擬化層。張紹勇介紹說，整體而言，GBase GCDW通過把不同的存儲(chǔ)引擎面向不同場景，對用戶來說屏蔽了底層，只需要通過統(tǒng)一的數(shù)據(jù)虛擬化層來訪問不同的引擎，非常方便。

有了邏輯處理倉庫的能力，就能夠完美支撐數(shù)據(jù)湖、數(shù)據(jù)倉庫和數(shù)據(jù)集市。數(shù)據(jù)湖傳統(tǒng)的架構(gòu)基本是Hadoop+MPP支撐，通過邏輯數(shù)據(jù)倉庫統(tǒng)一把Hadoop+MPP的多引擎統(tǒng)一管理起來支撐數(shù)據(jù)湖的建設(shè)。傳統(tǒng)的數(shù)據(jù)倉庫、數(shù)據(jù)集市，主流是支持結(jié)構(gòu)化數(shù)據(jù)處理，用邏輯數(shù)據(jù)倉庫也能夠完美支持。這樣一款邏輯數(shù)據(jù)倉庫產(chǎn)品，能夠把架構(gòu)統(tǒng)一化、簡單化，一種技術(shù)架構(gòu)能同時(shí)支持?jǐn)?shù)據(jù)湖、數(shù)據(jù)倉庫、數(shù)據(jù)集市。

數(shù)據(jù)智能的實(shí)現(xiàn)

挖掘算法

原有的挖掘算法，實(shí)際上是在數(shù)據(jù)庫內(nèi)部沒有進(jìn)行挖據(jù)算法之前，把數(shù)據(jù)導(dǎo)入前端工具，以Python的方式進(jìn)行挖掘?qū)W習(xí)。把算法集成在MPP集群的內(nèi)部，就實(shí)現(xiàn)了分布式計(jì)算，從而提升了數(shù)據(jù)分析的性能且減少了數(shù)據(jù)搬遷。

數(shù)據(jù)安全

數(shù)據(jù)存儲(chǔ)加密，且要做到透明加密，把進(jìn)行關(guān)注的列進(jìn)行加密，只需要使用私鑰的Key文件，用戶使用是完全透明的，不需要調(diào)用加密算法。

存儲(chǔ)如果沒有加密，還需要對敏感數(shù)據(jù)進(jìn)行脫敏。GBase 的動(dòng)態(tài)脫敏技術(shù)主要有三種方式，對有關(guān)注的數(shù)據(jù)字段指定脫敏，可指定默認(rèn)脫敏、隨機(jī)脫敏、自定義脫敏。脫敏方式指定完后，跟用戶權(quán)限綁定，僅讓有權(quán)限用戶看到明文數(shù)據(jù)，沒有權(quán)限的用戶看到是秘文數(shù)據(jù)。密文有多種表達(dá)方式，通過動(dòng)態(tài)數(shù)據(jù)脫敏實(shí)現(xiàn)了數(shù)據(jù)存儲(chǔ)本身沒有明文沒有加密，但前端根據(jù)不同的用戶權(quán)限控制數(shù)據(jù)的不同展現(xiàn)方式。

數(shù)據(jù)集成

下一代大數(shù)據(jù)平臺(tái)面臨的數(shù)據(jù)來源是多方面的，輸出也是多方面的，因此需要對數(shù)據(jù)進(jìn)行集成整合。為了兼顧實(shí)時(shí)處理，一種是通過流式方法加入，第二種是通過CDC的方式，第三種是通過批量數(shù)據(jù)加載，此外還可以通過DBlink方式加載。

多種方式接入到邏輯數(shù)據(jù)倉庫以后，能夠進(jìn)行在線庫跟離線庫的統(tǒng)一處理。處理完的結(jié)構(gòu)我們可以通過標(biāo)準(zhǔn)的開發(fā)結(jié)果的方式來提供給應(yīng)用程序，或通過文件方式給到下游，抑或提供給訪問者。無論輸入或輸出，GBase 支持多種的數(shù)據(jù)集成方式。

數(shù)據(jù)接入完成后的快速算法

云上邏輯數(shù)據(jù)倉庫支持新一代向量計(jì)算引擎，傳統(tǒng)按行來處理，面臨函數(shù)調(diào)用開銷比較大的問題，無法充分利用現(xiàn)在CPU的SIMD的指令集，要支持新一代的向量計(jì)算引擎，能夠按塊計(jì)算，從而提升數(shù)據(jù)的運(yùn)行能力。隨著國產(chǎn)化的推進(jìn)，GBase 現(xiàn)在基于NUMA架構(gòu)，在NUMA架構(gòu)的基礎(chǔ)上，發(fā)揮多種架構(gòu)的優(yōu)勢，提供多實(shí)例部署方式，原來是部署一個(gè)實(shí)例，現(xiàn)在根據(jù)NUMA綁定到多個(gè)使命，帶來的優(yōu)勢是避免了跨NUMA內(nèi)存訪問性能還是比較低的問題，提升了在多NUMA架構(gòu)上的運(yùn)算性能。

2020年底，GBase 只需要8臺(tái)物理機(jī)就可以達(dá)到894萬的Performance值。數(shù)據(jù)庫產(chǎn)品的核心要把硬件能力充分發(fā)揮出來，這也是作為基礎(chǔ)軟件要持續(xù)努力要做的工作。

集群規(guī)模也是GBase 一直追求的目標(biāo)，分布式要解決的問題也是數(shù)據(jù)的容量如何擴(kuò)大，從GB級到PB級，GBase 做了兩方面的測試，一是數(shù)據(jù)基礎(chǔ)能力測試，一個(gè)是性能測試。基礎(chǔ)能力測試覆蓋能各個(gè)方面，性能側(cè)在金融和電信兩個(gè)場景進(jìn)行了測試。截至目前，GBase 在國內(nèi)MPP規(guī)模最大，單個(gè)MPP集群達(dá)到4096個(gè)節(jié)點(diǎn)，并且通過了基于金融電信兩個(gè)模型的性能測試，是國內(nèi)首家。

云上數(shù)據(jù)倉庫如何上云

上云是兩個(gè)方面，一是上私有云，二是上公有云。GBase 支持兩種方式，一個(gè)是私有云上的塊和對象存儲(chǔ)，第二個(gè)是公有云對象存儲(chǔ)。云上邏輯數(shù)據(jù)倉庫完全搬到公有云、私有云上，并且已經(jīng)有實(shí)踐案例。數(shù)據(jù)接入和運(yùn)維能力管理的核心是中間數(shù)據(jù)倉庫的虛擬倉庫層、計(jì)算層，實(shí)現(xiàn)了數(shù)據(jù)按照不同的邏輯有分成不同的虛擬倉庫，底層存儲(chǔ)層實(shí)現(xiàn)塊跟對象的兩種方式，公有云上主要是對象存儲(chǔ)，私私有云上可以是塊和對象存儲(chǔ)。

中間層，即虛擬倉庫層，邏輯上對用戶來說是上層通過統(tǒng)一的接入層實(shí)現(xiàn)了統(tǒng)一的調(diào)度管理；中間層，用戶根據(jù)不同的業(yè)務(wù)建立獨(dú)立的虛擬倉，支撐不同的關(guān)注業(yè)務(wù)。不同的虛擬倉庫之間，底層數(shù)據(jù)是共享的，最上層統(tǒng)一調(diào)度實(shí)現(xiàn)統(tǒng)一訪問，在不同的虛擬倉庫之間實(shí)現(xiàn)了故障隔離、資源的隔離，并且每個(gè)獨(dú)立的虛擬倉庫可以獨(dú)立擴(kuò)容，用戶運(yùn)維更加簡單。

湖倉一體核心有三個(gè)特性，第一點(diǎn)，既然是湖倉一體，它的存儲(chǔ)是共享的；第二點(diǎn)，湖倉一體多個(gè)引擎之間數(shù)據(jù)之間要融合打通，也就是數(shù)據(jù)聯(lián)邦能力，數(shù)據(jù)關(guān)聯(lián)運(yùn)算；第三點(diǎn)，一份數(shù)據(jù)面向不同的場景，有多種計(jì)算引擎要支持，需要多種計(jì)算引擎多模的能力。

云上邏輯數(shù)據(jù)倉庫能夠支持湖倉，數(shù)據(jù)共享，計(jì)算存儲(chǔ)分離，滿足了上述第一點(diǎn)；邏輯數(shù)據(jù)倉庫支持了多個(gè)計(jì)算引擎，滿足第二點(diǎn)；邏輯數(shù)據(jù)倉庫本身把多引擎數(shù)據(jù)、關(guān)聯(lián)計(jì)算、數(shù)據(jù)交換打通，滿足了第三點(diǎn)。

存儲(chǔ)層實(shí)現(xiàn)了一站式數(shù)據(jù)存儲(chǔ)。中間彈性計(jì)算層支持虛擬機(jī)、容器、裸金屬多種方式。最上層實(shí)現(xiàn)了一站式數(shù)據(jù)治理，使數(shù)據(jù)資產(chǎn)化。因此云上邏輯數(shù)據(jù)倉庫的能力，能夠完美支持湖倉一體下一代企業(yè)級數(shù)據(jù)倉庫建設(shè)。平臺(tái)部署在云上，整個(gè)數(shù)據(jù)存儲(chǔ)集成，數(shù)據(jù)管理、平臺(tái)管理都屬于PaaS，在這基礎(chǔ)之上提供SaaS層的數(shù)據(jù)服務(wù)。整個(gè)基礎(chǔ)架構(gòu)再加服務(wù)，以DaaS的方式對外提供服務(wù)。

張紹勇總結(jié)說，為了解決傳統(tǒng)數(shù)倉面臨的六大挑戰(zhàn)，我們提出了下一代企業(yè)級數(shù)據(jù)倉庫主要演進(jìn)的方向——云化、分布式、實(shí)時(shí)、智能、安全。通過邏輯數(shù)據(jù)倉庫提供分布式能力，融合處理、實(shí)時(shí)和安全能力，從而實(shí)現(xiàn)了全類型數(shù)據(jù)的融合，解決整個(gè)數(shù)據(jù)存儲(chǔ)和處理的問題。通過機(jī)器學(xué)習(xí) in Database AI的集成，實(shí)現(xiàn)了數(shù)據(jù)價(jià)值的挖掘。把整個(gè)邏輯數(shù)據(jù)倉庫搬到云上，以DaaS的方式對外提供服務(wù)，實(shí)現(xiàn)了DaaS、IaaS、PaaS的融合，繼而實(shí)現(xiàn)了上云的能力。

綜上，云上邏輯數(shù)據(jù)倉庫為數(shù)字行業(yè)信息化找到了支點(diǎn)，解決了傳統(tǒng)數(shù)據(jù)倉庫面臨的六個(gè)挑戰(zhàn)以及下一代企業(yè)級大數(shù)據(jù)庫應(yīng)該解決的六個(gè)方面的問題，GBase 能夠完美支撐下一代企業(yè)級大數(shù)據(jù)倉庫。

GBase 支持多云、混合云，支持海內(nèi)外的公有云、私有云，通過統(tǒng)一的接口層實(shí)現(xiàn)對塊存儲(chǔ)、對象存儲(chǔ)數(shù)據(jù)的統(tǒng)一訪問，通過計(jì)算引擎實(shí)現(xiàn)了緩沖管理，對象存儲(chǔ)的性能比較低，需要進(jìn)行多級緩沖管理加速執(zhí)行性能，為用戶提供接入的調(diào)度層實(shí)現(xiàn)統(tǒng)一資源的調(diào)度。有了上述幾層能力之后，就能夠?yàn)橛脩籼峁┰品?wù)的整個(gè)訂購、服務(wù)的入口和統(tǒng)一的管理。

關(guān)于南大通用公司

南大通用到目前已經(jīng)成立17年，專注于數(shù)據(jù)庫跟大數(shù)據(jù)產(chǎn)品的研發(fā)，是國內(nèi)目前唯一一家在金融電信行業(yè)得到規(guī)模化應(yīng)用的數(shù)據(jù)庫企業(yè)，在金融電信領(lǐng)域擁有大量客戶，形成了主流的三款大數(shù)據(jù)產(chǎn)品。

南大通用入圍2017、2018年Gartner分析型數(shù)據(jù)庫魔力象限，2019年Gartner發(fā)布的全球19款數(shù)據(jù)倉庫產(chǎn)品排名，GBase GCDW排名全球第七，是國內(nèi)唯一上榜產(chǎn)品。

南大通用在中國市場取得了巨大成功，在金融電信領(lǐng)域部署MPP倉庫，提供邏輯數(shù)據(jù)倉庫解決方案，也業(yè)內(nèi)相處于領(lǐng)先地位，并覆蓋除電信金融外的其他各行業(yè)，總節(jié)點(diǎn)超過3萬。

GBase GCDW助力中國農(nóng)業(yè)銀行總行建設(shè)了集中化的大數(shù)據(jù)平臺(tái)，總的節(jié)點(diǎn)數(shù)超過2000，穩(wěn)定運(yùn)行超2000天。

GBase GCDW在中國銀行，中國人民銀行、招商銀行等大國有銀行和股份制銀行也都有應(yīng)用，并覆蓋大量城商銀行、農(nóng)信社。

在電信行業(yè)，南大通用助力中國移動(dòng)集團(tuán)總部部署了集中經(jīng)營分析系統(tǒng)，也超過了上千節(jié)點(diǎn)，覆蓋了中國移動(dòng)全國31個(gè)省中的22個(gè)省，覆蓋率超過80%。

在其他的行業(yè)，如保險(xiǎn)、電力、政務(wù)、黨政這些行業(yè)，南大通用也得到了大規(guī)模的應(yīng)用。無論線下還是上云，GBase GCDW都能夠支撐企業(yè)下一代的數(shù)倉、大數(shù)據(jù)平臺(tái)建設(shè)。

未來，南大通用將繼續(xù)專注于數(shù)據(jù)庫軟件產(chǎn)品和服務(wù)，致力于成為用戶最信賴的數(shù)據(jù)庫產(chǎn)品服務(wù)商。