产品优势
-
兼容开放
完全兼容Apache Spark、Apache Flink生态和接口，线下应用可无缝平滑迁移上云，减少迁移工作量 -
批流一体
采用批流融合高扩展性框架，为TB~EB级数据提供更实时更高效的多样性算力，以支撑更丰富的大数据处理需求 -
性能卓越
产品内核及架构深度优化，综合性能是传统MapReduce模型的百倍以上，SLA保障99.95%可用性 -
成本更低
按使用时长计费，使用时收费，不使用不收费，定价单位是CU（1CU=1核CPU+4GB内存），CU单价为¥0.35/小时
主要功能
-
支持标准、复杂SQL运算
支持标准ANSI SQL 2003、CEP SQL支持标准ANSI SQL 2003、CEP SQL -
异构数据源融合分析
支持多类数据格式跨源分析，SQL on AI智能分析支持多类数据格式跨源分析，SQL on AI智能分析
-
标准ANSI SQL 2003标准ANSI SQL 2003可使用JDBC和SDK等接口运行标准ANSI SQL 2003，用户仅需编写SQL便可实现海量离线数据或在线数据的分析统计，异常检测，实时聚类，时间序列分析等场景，无需关心具体SQL引擎的部署和运维可使用JDBC和SDK等接口运行标准ANSI SQL 2003，用户仅需编写SQL便可实现海量离线数据或在线数据的分析统计，异常检测，实时聚类，时间序列分析等场景，无需关心具体SQL引擎的部署和运维
-
CEP SQLCEP SQLFlink作业可提供基于Match Recognize的模式匹配检测，帮助业务人员使用SQL实现基于复杂事件规则的异常检测业务。典型应用场景如欺诈检测、车辆异常行为检测、工业设备异常运行状态检测等Flink作业可提供基于Match Recognize的模式匹配检测，帮助业务人员使用SQL实现基于复杂事件规则的异常检测业务。典型应用场景如欺诈检测、车辆异常行为检测、工业设备异常运行状态检测等
-
异构数据源联邦分析异构数据源联邦分析支持多种数据格式（ CSV、JSON、Parquet、ORC、CarbonData等），云上多种数据源（OBS、DWS、CloudTable、RDS、CSS、 MRS OPENTSDB等）、ECS自建数据库以及线下数据库，数据无需搬迁，即可实现对云上多个数据源进行联邦分析，帮助企业快速完成业务创新和数据价值探索支持多种数据格式（ CSV、JSON、Parquet、ORC、CarbonData等），云上多种数据源（OBS、DWS、CloudTable、RDS、CSS、 MRS OPENTSDB等）、ECS自建数据库以及线下数据库，数据无需搬迁，即可实现对云上多个数据源进行联邦分析，帮助企业快速完成业务创新和数据价值探索
-
SQL on AISQL on AI将对图片、视频、语言的处理分析能力嵌入在SQL里，提供结构化与非结构化数据的融合分析能力将对图片、视频、语言的处理分析能力嵌入在SQL里，提供结构化与非结构化数据的融合分析能力
-
Serverless化服务
支持Serverless spark、无限扩展，按需计费提供高性价比服务支持Serverless spark、无限扩展，按需计费提供高性价比服务 -
企业级多租户
支持计算资源按租户隔离，保障作业SLA；支持数据权限控制到队列、作业，帮助企业实现部门间数据共享和权限管理支持计算资源按租户隔离，保障作业SLA；支持数据权限控制到队列、作业，帮助企业实现部门间数据共享和权限管理
-
Serverless SparkServerless Spark基于Apache Spark生态，提供Spark Streaming、Spark Batch等Spark全栈能力，能够基于Spark API轻松完成TB~EB级数据处理分析基于Apache Spark生态，提供Spark Streaming、Spark Batch等Spark全栈能力，能够基于Spark API轻松完成TB~EB级数据处理分析
-
无限扩展无限扩展支持海量数据存储和计算资源自动弹性扩容，可自如面对流量、数据等的突增。用户不感知，无需关心资源是否够用支持海量数据存储和计算资源自动弹性扩容，可自如面对流量、数据等的突增。用户不感知，无需关心资源是否够用
应用场景
-
海量日志分析
-
异构数据源联邦分析
-
大数据ETL处理
-
地理大数据分析
运营数据分析
公司不同部门日常通过数据分析平台，分析每日新增日志获取所需指标，通过数据来辅助决策。例如：运营部门通过平台获取新增用户、活跃用户、留存率、流失率、付费率等，了解产品当前状态及后续响应活动措施；投放部门通过平台获取新增用户、活跃用户的渠道来源，来决定下一周期重点投放哪些平台
优势
使用Spark Streaming直接从DIS中获取数据，进行数据清理等预处理操作。只需编写处理逻辑，无需关心多线程模型
直接使用标准SQL编写指标分析逻辑，无需关注背后复杂的分布式计算平台
日志分析按实效性要求按周期进行调度，每次调度之间存在大量空闲期。DLI按需计费只在使用期间收费，成本较独占集群降低50%以上
建议搭配使用
车企数字化服务转型
面临市场新的竞争压力及出行服务不断变革，车企通过构建车联云平台和车机OS，将互联网应用与用车场景打通，完成车企数字化服务转型，从而为车主提供更好的智联出行体验，增加车企竞争力，促进销量增长。例如：通过对车辆日常指标数据（电池、发动机，轮胎胎压、安全气囊等健康状态）的采集和分析，及时将维保建议回馈给车主
优势
关系型数据库RDS中存放车辆和车主基本信息，表格存储CloudTable中存放实时的车辆位置和健康状态信息，数据仓库DWS中存放周期性统计的指标。通过DLI无需数据搬迁，对多数据源进行联邦分析
车企需要保留全量历史数据支撑审计类等业务，低频进行访问。温冷数据存放在低成本的对象存储服务OBS上，高频访问的热数据存放在数据引擎（CloudTable和DWS）中，降低整体存储成本
对CPU、内存、硬盘空间和带宽无特殊要求
运营商大数据分析
运营商数据体量在PB~EB级，其数据种类多，有结构化的基站信息数据，非结构化的消息通信数据，同时对数据的时效性有很高的要求，DLI服务提供批处理、流处理等多模引擎，打破数据孤岛进行统一的数据分析
优势
具备TB~EB级运营商数据治理能力，能快速将海量运营商数据做ETL处理，为分布式批处理计算提供分布式数据集
采用Apache Flink的Dataflow模型，高性能计算资源，从用户自建的Kafka、MRS-Kafka、DMS-Kafka消费数据，单CU每秒吞吐1千~2万条消息
P公司内部有N个子部门，子部门之间需要对数据进行共享和隔离。DLI支持计算资源按租户隔离，保障作业SLA；支持数据权限控制到表/列，帮助企业实现部门间数据共享和权限管理
建议搭配使用
地理大数据分析
地理大数据具有大数据的相关特征，数据体量巨大，例如全球卫星遥感影像数据量达到PB级；数据种类多，有结构化的遥感影像栅格数据、矢量数据，非结构化的空间位置数据、三维建模数据；在大体量的地理大数据中，通过高效的挖掘工具或者挖掘方法实现价值提炼，是用户非常关注的话题
优势
支持全栈Spark能力，具备丰富的Spark空间数据分析算法算子，全面支持结构化的遥感影像数据、非结构化的三维建模、激光点云等巨量数据的离线批处理，支持带有位置属性的动态流数据实时计算处理
提供地理位置分析函数对地理空间数据进行实时分析，用户仅需编写SQL便可实现例如偏航检测，电子围栏等地理分析场景
能快速将海量遥感影像数据接入上云，快速完成影像数据切片处理，为分布式批处理计算提供弹性分布式数据集
Serverless DLI与自建Hadoop对比
成本
按照实际扫描数据量/CU时收费，可变成本，成本节约50%
长期占用资源，资源浪费严重，成本高
弹性扩缩容能力
基于容器化Kubernetes，极致的弹性伸缩
无
运维可用
需要较强的技术能力去搭建、配置、运维
学习成本
低
10年、千个项目经验固化的调优参数。同时提供可视化智能调优界面
高
需要了解上百个调优参数
支持数据源
云上：OBS/RDS/DWS/CSS/MongoDB/Redis
云下：自建数据库/MongoDB/Redis
云上：OBS
云下：HDFS
新特性
视频教程
DLI服务产品介绍
02:47
DLI管理控制台介绍
03:10
DLI计费说明
02:52
SQL作业入门指导
07:36
Flink作业入门指导
04:26
Spark作业入门指导
02:54
