1、概述

阿里云原生数仓 AnalyticDB for PostgreSQL 与 AMD 新一代硬件深度优化，结合全自研计算引擎及行列混合存储实现性能升级，综合性能提升30%。结合丰富的企业级能力帮助企业构建离在线一体、流批一体综合数据分析平台，采用同一引擎即可满足离线批处理、流式加工，交互式分析三种场景，在开发运维、时效性及成本上具备更高的性价比。

2、性能优化路径

2.1 硬件架构优化

2.1.1 芯片性能提升

AMD 和阿里云联合打造的新一代硬件采用全新 CIPU 架构，处理器采用 AMD EPYC Genoa 处理器，可提供稳定的算力输出、更强劲的I/O引擎以及芯片级安全加固。

第四代 EPYC 较第三代 EPYC 性能提升显著，针对分析型数据库产品痛点在高算力、高内存带宽、低延迟等特点进行优化，可帮助企业用户在数据仓库、在线分析场景中具备更好的性能。

2.1.2 计算能效提升

在性能功耗比方面，新一代服务器在相同核心数量下（对比搭载两个64核AMD EPYC 9534和两个64核的AMD EPYC 7763的服务器）整数性能提升约24%，浮点性提升约52%。可以用更少的服务器来完成同样的工作，或者用同样数量的服务器在相同的时间内完成更多的工作。

2.1.3 安全性和隔离性提升

第四代 AMD EPYC 支持安全内存加密（SME）和安全加密虚拟化（SEV），将内存与拥有他的线程相关联，从而帮助击退旁路攻击；增加了SEV中加密上下文的数量，可以容纳更多的安全虚拟机。

通过 AMD 安全加密状态（SEV-ES）帮助保护虚拟机状态不受恶意或受损管理程序影响；还增加AMD安全嵌套分页（SEV-SNP）功能，以防止数据重放、内存重映射等攻击。

2.2 数据库内核优化

2.2.1 全自研计算引擎

AnalyticDB for PostgreSQL 全自研计算引擎为数据处理和交互式分析加速。它通过以下技术实现性能提速：

• 应用芯片向量化技术如 SIMD 指令集等把芯片的并行化计算能力利用到极致。
  
• 采用 LLVM JIT 即动态编译优化，加速计算以提高数据处理效率。
  
• 自适应内存模型，根据计算模式动态选择行存/列存内存模型。
  
• 针对典型场景提供加速方案，比如针对 Runtime Filter 加速Join分析，字典特性加速低基数字段计算场景等。
  

2.2.2 全自研行列混存

一份存储下即可支持实时高吞吐写入/更新和实时高聚合分析两种场景。

写入方面利用 Write Optimized Part 高效承接批量/流式数据并通过内部 Optimize 优化，将数据转化为更利于查询的 Read Optimized Part，从而实现高效的查询性能。利用 Metadata 实现高并发 Update/Delete。