在这个以数据驱动决策为核心的时代，OLAP 分析成为了企业大数据技术栈中越来越核心的方向。但是技术栈选择多、查询性能慢、数据不一致、多处维护、数据需求响应慢等难题极大限制了 OLAP 分析在企业中的应用落地。
常会使用多种技术产品来支撑业务，如 MySQL、CK、Doris 等，组件繁多。
业务需要更加灵活的 OLAP 分析，随时变动需求，受限于技术栈的复杂，需求响应时间长。
无法实时更新、写入，大数据量的复杂查询性能不佳，不能满足业务精细化运营需求。
Hologres 提供统一、实时、弹性、易用的一站式实时数仓引擎，分析性能卓越，一份数据可同时支持多维分析、即席分析、在线服务、向量计算等多种场景，替换各类 OLAP 引擎( ClickHouse/Doris/Greenplum/Presto/Impala 等)、KV 数据库( HBase/Redis 等)。
| 传统 OLAP | VS | Hologres |
操作复杂 使用开源工具，操作较为复杂，对同步的方式支持不一样，可能会用到多种同步技术栈。 | 数据同步 | 简单快捷 使用界面化工具 DataWorks 数据集成，包含单表、整库、分库分表的实时、离线、全增量的同步方式。 |
查询性能弱 查询场景丰富度不够，部分场景在性能上较弱。 | 查询性能 | 查询性能强 多表 Join 性能好、高 QPS 点查 TPC-H 30000GB。 |
容易互相影响 资源隔离性不佳，发生故障或者大查询时容易互相影响。 | 稳定性 | 互相隔离且稳定性强 计算组（warehouse）隔离，同时支持自动路由，保证各个实例查询稳定性，Serverless Computing 隔离大作业。 |
开发、运维等成本高 对于多种技术栈，上手难度高，运维也比较复杂，导致各种成本增加。 | 开发效能 | 成本低 一站式集成，快速上手，效率显著提升，同时多种 Serverless 弹性模式帮助降本。 |
DataWorks 数据集成可以将 Mysql、PG 等数据库中数据进行单表、整库、分库分表实时同步到 Hologres，也可以将 Clickhouse 等整体迁移到 Hologres。数据存储在 Hologres 中，通过 Hologres 强大的查询性能，可以直接对数据进行查询。除了 OLAP 分析，还可以同时满足即席查询、在线服务，向量计算等多种查询方式，构建一站式实时数据分析平台。
通过 Hologres 可以在零售电商海量交易数据下，进行实时多维分析，对接各类 BI 报表，快速完成业务分析需求。
Hologres 支持 JsonB 半结构化数据，提供漏斗分析、留存分析、路径分析、Roaring Bitmap 属性标签分析、BSI 行为标签分析等函数。
Hologres 同时支持多维分析以及各类点查服务，满足物流订单数据不同分析查询场景的需求，并提供高可用隔离保证可用性。
本方案是基于开放可控数据湖仓构建的大数据/搜索/ AI 一体化解决方案。通过元数据管理平台 DLF 管理结构化和半/非结构化数据，提供湖仓数据表和文件的安全访问及 IO 加速。支持多引擎对接和平权协同计算，通过 DataWorks 统一开发，并保障大规模任务调度。
在数据驱动决策的时代，一款性能卓越的数据分析引擎不仅能为企业提供高效的数据支撑，同时也解决了传统 OLTP 在数据分析时面临的查询性能瓶颈、数据不一致等挑战。本方案推荐通过 AnalyticDB MySQL + DTS 来解决 MySQL 的数据分析性能问题。
