高性价比

MatrixOne 是一款全新设计的数据库，其架构设计理念强调高性价比。MatrixOne 的高性价比主要体现在以下几个方面：

单集群支持混合负载 HTAP

随着大数据应用的快速普及与多元化发展，传统的数据处理方案越来越难以满足海量数据实时分析的需求。现代数据应用需求更加倾向于同时考虑高并发的 OLTP 事务型业务和大规模数据的 OLAP 分析型业务。

MatrixOne 是专门设计用来解决混合负载问题的数据库。MatrixOne 能够在同一个集群中同时支持 OLTP 和 OLAP，真正实现混合事务/分析处理（Hybrid Transaction and Analytical Processing，HTAP）。用户不再需要分别搭建 OLTP 和 OLAP 两个数据库系统，只需一个数据库就能支持混合负载。这样一来，不仅避免了建设和维护两套系统的成本，还避免了将数据从 OLTP 系统同步到 OLAP 系统的 ETL 过程。用户能够在同一个集群中方便地处理业务和分析。

单一存储引擎实现 HTAP

在数据库领域，实现 HTAP 通常需要将一个 OLTP 引擎和一个 OLAP 引擎封装到一个数据库产品中。虽然数据在两个存储引擎之间的转换过程对用户是隐藏的，用户只看到一个统一的 SQL 接口，但实际上数据在两个存储引擎各存一份，硬件和存储成本并未降低。

与上述引擎封装方式不同，MatrixOne 利用单一存储引擎实现 HTAP。如下图所示，MatrixOne 通过对不同计算节点 CN 进行分组，以及在负载的运行链路上进行区分，实现单引擎的 HTAP。当用户的应用请求进入 MatrixOne 集群时，Proxy 模块会将 OLAP 类的请求分发到专门处理 OLAP 的 CN 组。这些请求通常需要大范围地读取或写入数据，由 CN 节点直接与对象存储进行交互。而 OLTP 类的请求，如小数据量的 INSERT，UPDATE，DELETE，则会通过另一组专门处理 OLTP 的 CN 组，并由 TN 节点处理事务信息，并写入 LogService 的共享日志。TN 还会不断地将 LogService 中的少量事务类数据进行压缩和合并，再写入对象存储中。

总的来说，用户写入 MatrixOne 的数据只存在一份，并通过单一的存储引擎进行处理，大幅度降低了存储和计算硬件的成本。

灵活的资源分配提高机器利用率

在实际的数据应用业务场景中，系统大部分时间是服务于基于 CRUD 的事务型业务。然而，在特定的时间点，如晚上、月底或者年底，需要对一段时间内的总体数据进行分析。这时，如果用户只有一个数据库系统，就需要临时减少业务负载，或者在业务负载较低的时候进行 OLAP 分析任务。然而，这种情况下，通常会面临分析时间过长，不能影响业务运行的长时间等问题。如果用户为 OLAP 分析型业务单独部署一套数据库系统，但实际的分析型业务往往难以最大化利用，也会导致一定的资源浪费。

如上一部分所介绍的，MatrixOne 通过对无状态的计算节点进行分组，以及在底层通过不同的链路支持 OLTP 和 OLAP 业务，实现 HTAP。这种架构使得 MatrixOne 能够根据实际业务需求，灵活地调整资源分配，以此提高机器利用率，实现真正的高性价比。如果 CRUD 类型的业务需求较高时，你可以为 OLTP 分配更多的 CN 节点。相应地，当分析型业务需求升高时，你可以为 OLAP 分配更多的 CN 节点。这种调整均是全动态可配置的。

以下图为例，假设用户原先需要 3 个计算节点来处理 OLTP 业务，以及 3 个计算节点来处理 OLAP 业务，并且这些硬件资源是完全绑定的，即为 OLTP 服务的节点不能为 OLAP 提供服务，反之亦然，而且用户对机器资源的规划往往超出实际需求的上限。然而，在实际业务中，达到全峰需求的时间相当有限。如果设计使用 MatrixOne 集群支持这些业务，那么可以调整为总共 4 个计算节点，平时 3 个节点处理 OLTP 业务，1 个节点处理 OLAP 业务。然后，在月末等分析需求高峰时期，则可以调整为 1 个计算节点处理 OLTP 业务，3 个计算节点处理 OLAP 业务；高峰过后再恢复原始配置，这样可提高机器资源使用率 40%。

高效低成本的对象存储

在存储层面，MatrixOne 主要采用对象存储，该存储通过使用纠删码原理，仅需要低至 33% 的冗余度即可保证数据的高可用性。与行业内常见的通过多副本来保证高可用性的方案相比，纠删码在保持同等可靠性的前提下，其空间利用率优于多副本方案。

在 MatrixOne 集群中，以私有化部署的 Minio 官方推荐的最小配置（4 节点 × 4 磁盘）为例，MatrixOne 最少可以支持 4 块磁盘作为纠删码磁盘，以及 12 块磁盘作为数据磁盘的架构，其冗余度为 1.33。

此外，对象存储还支持 HDD 磁盘等低成本存储介质。对于集群计算性能要求不高，以存储为主的使用场景中，可以进一步降低使用成本。

列式存储带来的高数据压缩比

结构化数据在存储时，每一列的数据结构相同。在 MatrixOne 存储层，数据以列式存储，这样的特性让数据具有更好的压缩特性：

自由压缩算法：每一列单独存放，不同列自由选择其数据结构最适用的压缩算法。这些算法可以利用列数据的特点，例如重复值、有序性和数据类型特定的压缩技术，以获得更好的压缩效果。相比之下，传统的行存储数据库使用的压缩算法通常更加通用，无法充分利用列数据的特点。
列内数据高冗余：列存数据库将相同列中的数据存储在一起，这样相似的值就会聚集在一起，冗余度更高，使得压缩算法能够更有效地识别和压缩相同或相似的数据项，从而提高压缩比。

MatrixOne 总体的数据压缩率最低可达 1%，具体压缩率受实际数据的数据结构、数据冗余程度等多因素影响。

总的来说，MatrixOne 的列式存储方式将极大的压缩您的实际存储空间，极大的降低您的存储成本。

与 MySQL 的兼容性

MatrixOne 在语法、协议以及生态工具方面都保持了与市场上最流行的开源数据库 MySQL 的兼容性，这使得熟悉 MySQL 或者以前使用 MySQL 的用户能够以极低的成本进行迁移和学习。

关于 MatrixOne 与 MySQL 兼容性的详细信息，请参见 MySQL 兼容性章节。