BigData 概念在上世紀(jì)90年代被提出，隨Google的3篇經(jīng)典論文（GFS，BigTable，MapReduce）奠基，已經(jīng)發(fā)展了超過10年。這10年中，誕生了包括Google大數(shù)據(jù)體系，微軟Cosmos體系，開源Hadoop體系等優(yōu)秀的系統(tǒng)，這其中也包括阿里云的飛天系統(tǒng)。這些系統(tǒng)一步一步推動業(yè)界進(jìn)入“數(shù)字化“和之后的“AI化”的時代。

同時，與其他老牌系統(tǒng)相比（如，Linux等操作系統(tǒng)體系，數(shù)據(jù)庫系統(tǒng)，中間件，很多有超過30年的歷史），大數(shù)據(jù)系統(tǒng)又非常年輕，隨云計(jì)算普惠，正大規(guī)模被應(yīng)用。海量的需求和迭代推動系統(tǒng)快速發(fā)展，有蓬勃的生機(jī)。（技術(shù)體系的發(fā)展，可以通過如下Hype-Cycle概述，作者認(rèn)為，大數(shù)據(jù)系統(tǒng)的發(fā)展進(jìn)入技術(shù)復(fù)興期/Slope of Enlightenment，并開始大規(guī)模應(yīng)用Plateau of Productivity。）

上圖來自Gartner

如果說，0到1上線標(biāo)志一個系統(tǒng)的誕生，在集團(tuán)內(nèi)大規(guī)模部署標(biāo)志一個系統(tǒng)的成長，在云上對外大規(guī)模服務(wù)標(biāo)志一個系統(tǒng)的成熟。MaxCompute這10年已經(jīng)走向成熟，經(jīng)過多次升級換代，功能、性能、服務(wù)、穩(wěn)定性已經(jīng)有一個體系化的基礎(chǔ)，成為阿里巴巴集團(tuán)數(shù)據(jù)中臺的計(jì)算核心和阿里云大數(shù)據(jù)的基礎(chǔ)服務(wù)。

“十年磨一劍”。MaxCompute去年做了哪些工作，這些工作背后的原因是什么？大數(shù)據(jù)市場進(jìn)入普惠+紅海的新階段，如何與生態(tài)發(fā)展共贏？人工智能進(jìn)入井噴階段，如何支持與借力？本文從過去一年的總結(jié)，核心技術(shù)概覽，以及每條技術(shù)線路未來展望等幾個方面做一個概述。

1.MaxCompute（ODPS）概述

1.1 背景信息：十年之后，回頭看什么是大數(shù)據(jù)

"Big data represents the information assets characterized by such a high volume, velocity and variety to require specific technology and analytical methods for its transformation into value".

用5個“V”來描述大數(shù)據(jù)的特點(diǎn)：

Volume-數(shù)據(jù)量：數(shù)據(jù)量非線性增長，包括采集、存儲和計(jì)算的量都非常大，且增速很快。

Variety-數(shù)據(jù)類型：包括結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，特別是最近隨音視圖興起，非結(jié)構(gòu)化數(shù)據(jù)增速更快。

Velocity-數(shù)據(jù)存儲和計(jì)算的增長速度：數(shù)據(jù)增長速度快，處理速度快，時效性要求高。

Veracity-信噪比：數(shù)據(jù)量越大，噪聲越多，需要深入挖掘數(shù)據(jù)來得到結(jié)果。

Value-價值：數(shù)據(jù)作為一種資產(chǎn)，有1+1>2的特點(diǎn)。

總結(jié)下來，大數(shù)據(jù)具備如下的五個趨勢：

數(shù)據(jù)爆炸導(dǎo)致數(shù)據(jù)和計(jì)算量增速很高，很多時候超過業(yè)務(wù)增速。帶來成本壓力！

數(shù)據(jù)量變大，但單位數(shù)據(jù)的價值在下降，深度挖掘勢在必行，但反過來要求計(jì)算力的進(jìn)一步提升。

非結(jié)構(gòu)化數(shù)據(jù)處理，成為趨勢。

時效性，是能完成任務(wù)之后，用戶的新期待。

超大規(guī)模的數(shù)據(jù)和計(jì)算，對人工管理是一個挑戰(zhàn)。

上述趨勢，也會得出了作為大數(shù)據(jù)平臺，我們要發(fā)力的方向：計(jì)算力，智能化，生態(tài)系統(tǒng)。

1.2 MaxCompute 定位

阿里云大數(shù)據(jù)計(jì)算服務(wù)(MaxCompute，原名ODPS)是阿里云提供的一種安全可靠、高效能、低成本、從GB到EB級別按需彈性伸縮的在線大數(shù)據(jù)計(jì)算服務(wù)。

MaxCompute向用戶提供了豐富的大數(shù)據(jù)開發(fā)工具、完善的數(shù)據(jù)導(dǎo)入導(dǎo)出方案以及多種經(jīng)典的分布式計(jì)算模型。能夠最快速的解決用戶海量數(shù)據(jù)計(jì)算問題，有效降低企業(yè)大數(shù)據(jù)計(jì)算平臺的總體擁有成本，提高大數(shù)據(jù)應(yīng)用開發(fā)效率，并保障數(shù)據(jù)在云計(jì)算環(huán)境的安全。被廣泛的應(yīng)用于互聯(lián)網(wǎng)海量數(shù)據(jù)分析類場景。

MaxCompute是大數(shù)據(jù)云數(shù)倉的數(shù)據(jù)匯集點(diǎn)，存儲和管理EB級數(shù)據(jù)，支持彈性伸縮的高性能大數(shù)據(jù)計(jì)算服務(wù)：它不只是個單一的引擎，而是一個平臺。

“不是單一的引擎”體現(xiàn)在，MaxCompute原生支持SQL、MR、DAG編程語義和Graph、PAI機(jī)器學(xué)習(xí)計(jì)算，同時也通過聯(lián)合計(jì)算平臺支持任意第三方引擎，如Spark、Flink等。

“一個平臺”體現(xiàn)在，MaxCompute提供統(tǒng)一高效的數(shù)據(jù)存儲，可靠的元數(shù)據(jù)服務(wù)，跨地域多集群管理，和數(shù)據(jù)/計(jì)算調(diào)度能力。 MaxCompute以其可靠性、高性能、擴(kuò)展性、安全性和富生態(tài)被廣泛的用于互聯(lián)網(wǎng)海量數(shù)據(jù)分析場景，如海量數(shù)據(jù)分析與處理、大數(shù)據(jù)倉庫、產(chǎn)品維度報表、機(jī)器學(xué)習(xí)訓(xùn)練、等場景。

1.3 競品對比與分析

大數(shù)據(jù)發(fā)展到今天，數(shù)據(jù)倉庫市場潛力仍然巨大，更多客戶開始選擇云數(shù)據(jù)倉庫，CDW仍處于高速增長期。當(dāng)前互聯(lián)網(wǎng)公司和傳統(tǒng)數(shù)倉廠家都有進(jìn)入領(lǐng)導(dǎo)者地位，競爭激烈，阿里巴巴CDW在全球權(quán)威咨詢與服務(wù)機(jī)構(gòu)Forrester發(fā)布的《The Forrester WaveTM: Cloud Data Warehouse, Q4 2018》報告中位列中國第一，全球第七。

在CDW的領(lǐng)導(dǎo)者中，AWS Redshift 高度商業(yè)化、商業(yè)客戶部署規(guī)模領(lǐng)先整個市場，GoogleBigQuery以高性能、高度彈性伸縮獲得領(lǐng)先，Oracle 云數(shù)倉服務(wù)以自動化數(shù)倉技術(shù)獲得領(lǐng)先。 MaxCompute當(dāng)前的定位是市場競爭者，目標(biāo)是成為客戶大數(shù)據(jù)的“航母”級計(jì)算引擎，解決客戶在物聯(lián)網(wǎng)、日志分析、人工智能等場景下日益增長的數(shù)據(jù)規(guī)模與計(jì)算性能下降、成本上升、復(fù)雜度上升、數(shù)據(jù)安全風(fēng)險加大之間的矛盾。在此目標(biāo)定位下，對MaxCompute在智能數(shù)倉、高可靠性、高自動化、數(shù)據(jù)安全等方面的能力提出了更高的要求。

2. 2018年MaxCompute技術(shù)發(fā)展概述

過去的一個財(cái)年，MaxCompute 在技術(shù)發(fā)展上堅(jiān)持在核心引擎、開放平臺、技術(shù)新領(lǐng)域等方向的深耕，在業(yè)務(wù)上繼續(xù)匠心打造產(chǎn)品，擴(kuò)大業(yè)界影響力。

效率提升

2018年9月云棲大會發(fā)布，MaxCompute 在標(biāo)準(zhǔn)測試集 TPC-BB 100TB整體指標(biāo)較2017年提升一倍以上。

得益于整體效率的提升，在集團(tuán)內(nèi)部 MaxCompute 以20%的硬件增長支撐了超過70%的業(yè)務(wù)增長。

系統(tǒng)開放性和與生態(tài)融合

聯(lián)合計(jì)算平臺 Cupid 逐步成熟，性能 與EMR Spark Benchmark 持平，支持K8S接口，支持完整的框架安全體系。Spark On MaxCompute已開始支持云上業(yè)務(wù)

Python分布式項(xiàng)目MARS正式發(fā)布，開源兩周內(nèi)收獲1200+ Star，填補(bǔ)了國內(nèi)在Python生態(tài)上支持大規(guī)模分布式科學(xué)計(jì)算的空白，是競品Dask性能的3倍。

探索新領(lǐng)域

MaxCompute 持續(xù)在前沿技術(shù)領(lǐng)域投入，保持技術(shù)先進(jìn)性。在下一代引擎方向（如Adaptive Operators、，Operator Fusion、ClusteredTable等），智能數(shù)倉 Auto Datawarehouse 方向上的調(diào)研都取得了不錯的進(jìn)展。在漸進(jìn)計(jì)算 (Progressive Execution)、Advanced Fail Checking and Recovery 、基于 ML的分布式計(jì)算平臺優(yōu)化、超大數(shù)據(jù)量Query子圖匹配等多個方向上的調(diào)研也在進(jìn)行中。

深度參與和推動全球大數(shù)據(jù)領(lǐng)域標(biāo)準(zhǔn)化建設(shè)

2018年11月，MaxCompute與DataWorks/AnalyticDB一起代表阿里云入選 Forrester Wave? Q4 2018云數(shù)據(jù)倉庫研究報告，在產(chǎn)品能力綜合得分上力壓微軟，排名全球第七，中國第一。

2019年3月，MaxCompute 正式代表Alibaba加入了TPC委員會推動融入和建立標(biāo)準(zhǔn)。

MaxCompute持續(xù)在開源社區(qū)投入。成為全球兩大熱門計(jì)算存儲標(biāo)準(zhǔn)化開源體系ORC社區(qū)的PMC，MaxCompute成為近兩年貢獻(xiàn)代碼量最多的貢獻(xiàn)者，引導(dǎo)存儲標(biāo)準(zhǔn)化；在全球最熱門優(yōu)化器項(xiàng)目Calcite，擁有一個專委席位，成為國內(nèi)前兩家具備該領(lǐng)域影響力的公司，推動數(shù)十個貢獻(xiàn)。

3.核心技術(shù)棧

大數(shù)據(jù)市場進(jìn)入普惠+紅海的新階段，如何借力井噴階段中的人工智能，如何與生態(tài)發(fā)展共贏？

基于橫向架構(gòu)上的核心引擎和系統(tǒng)平臺，MaxCompute在計(jì)算力、生態(tài)化、智能化3個縱向上著力發(fā)展差異化的競爭力。

3.1 計(jì)算力

首先我們從計(jì)算力這個角度出發(fā)，介紹一下 MaxCompute 的技術(shù)架構(gòu)。

a.核心引擎

支撐 MaxCompute 的計(jì)算力的核心模塊之一是其 SQL 引擎：在 MaxCompute 的作業(yè)中，有90%以上的作業(yè)是 SQL 作業(yè)，SQL 引擎的能力是 MaxCompute 的核心競爭力之一。在MaxCompute 產(chǎn)品框架中，SQL 引擎將用戶的SQL語句轉(zhuǎn)換成對應(yīng)的分布式執(zhí)行計(jì)劃來執(zhí)行。SQL 引擎由3個主要模塊構(gòu)成：

編譯器 Compiler: 對 SQL 標(biāo)準(zhǔn)有友好支持，支持100% TPC-DS語法；并具備強(qiáng)大都錯誤恢復(fù)能力，支持 MaxCompute Studio 等先進(jìn)應(yīng)用。

運(yùn)行時 Runtime: 基于LLVM優(yōu)化代碼生產(chǎn)，支持列式處理與豐富的關(guān)系算符；基于 CPP 的運(yùn)行時具有更高效率。

優(yōu)化器 Optimizer: 支持HBO和基于 Calcite 的 CBO， 通過多種優(yōu)化手段不斷提升 MaxCompute 性能。

（上圖中部分功能只在阿里集團(tuán)內(nèi)部發(fā)布，云上版本會陸續(xù)發(fā)布上線）

MaxCompute SQL 引擎當(dāng)前的發(fā)展，以提升用戶體驗(yàn)為核心目標(biāo)，在 SQL 語言能力、引擎優(yōu)化等多個方向上兼顧發(fā)力，建立技術(shù)優(yōu)勢，在SQL 語言能力方面，新一代大數(shù)據(jù)語言NewSQL做到了 Declarative 語言和 Imperative 語言的融合，進(jìn)一步提升語言兼容性，目前已100% 支持 TPC-DS 語法。過去一年中，MaxCompute 新增對 GroupingSets，If-Else分支語句，動態(tài)類型函數(shù)，等方面的支持。

b.存儲

MaxCompute 不僅僅是一個計(jì)算平臺，也承擔(dān)著大數(shù)據(jù)的存儲。阿里巴巴集團(tuán)99%的大數(shù)據(jù)存儲都基于MaxCompute，提高數(shù)據(jù)存儲效率、穩(wěn)定性、可用性，也是MaxCompute一直努力的目標(biāo)。

MaxCompute 存儲層處于 MaxCompute Tasks和底層盤古分布式文件系統(tǒng)之間，提供一個統(tǒng)一的邏輯數(shù)據(jù)模型給各種各樣的計(jì)算任務(wù)。MaxCompute的存儲格式演化，從最早的行存格式CFile1，到第一個列存儲格式CFile2，到第三代存儲格式。

支持更復(fù)雜的編碼方式，異步預(yù)讀等功能，進(jìn)一步提升效能。在存儲和計(jì)算2個方面都帶來了效能的提升。存儲成本方面，在阿里巴巴集團(tuán)內(nèi)通過新一代的列存格式節(jié)省約8%存儲空間，直接降低約1億成本；在計(jì)算效率上，過去的一個財(cái)年中發(fā)布的每個版本之間都實(shí)現(xiàn)了20%的提升。目前在集團(tuán)內(nèi)大規(guī)模落地的過程中。

在歸檔以及壓縮方面，MaxCompute 支持ZSTD壓縮格式，以及壓縮策略，用戶可以在Normal，High和Extreme三種Stategy里面選擇。更高的壓縮級別，帶來更高效的存儲，但也意味著更高的讀寫CPU代價。

2018年，MaxCompute 陸續(xù)推出了 Hash Clustering 和 Range Clustering 支持富結(jié)構(gòu)化數(shù)據(jù)，并持續(xù)的進(jìn)行了深度的優(yōu)化，例如增加了 Shuffle Remove，Clustering Pruning 等優(yōu)化。從線上試用數(shù)據(jù)，以及大量的 ATA 用戶實(shí)踐案例也可以看出，Clustering 的收益也獲得了用戶的認(rèn)可。

c.系統(tǒng)框架

資源與任務(wù)管理

MaxCompute 框架為ODPS上面各種類型的計(jì)算引擎提供穩(wěn)定便捷的作業(yè)接入管理接口，管理著ODPS各種類型Task的生命周期。過去一年對短作業(yè)查詢的持續(xù)優(yōu)化，縮短e2e時間，加強(qiáng)對異常作業(yè)（OOM)的自動檢測與隔離處理，全面打開服務(wù)級別流控，限制作業(yè)異常提交流量，為服務(wù)整體穩(wěn)定性保駕護(hù)航。

MaxCompute 存儲著海量的數(shù)據(jù)，也產(chǎn)生了豐富的數(shù)據(jù)元數(shù)據(jù)。在離線元倉統(tǒng)計(jì)T+1的情況下，用戶至少需要一天后才能做事后的數(shù)據(jù)風(fēng)險審計(jì)，現(xiàn)實(shí)場景下用戶希望更早風(fēng)險控制，將數(shù)據(jù)訪問事件和項(xiàng)目空間授權(quán)事件通過CUPID平臺實(shí)時推送到用戶DataHub訂閱，用戶可以通過消費(fèi)DataHub實(shí)時獲取項(xiàng)目空間表、volume數(shù)據(jù)被誰訪問等。

元數(shù)據(jù)管理

元數(shù)據(jù)服務(wù)支撐了MaxCompute各個計(jì)算引擎及框架的運(yùn)行。每天運(yùn)行在MaxCompute的作業(yè)，都依賴元數(shù)據(jù)服務(wù)完成DDL，DML以及授權(quán)及鑒權(quán)的操作。元數(shù)據(jù)服務(wù)保障了作業(yè)的穩(wěn)定性和吞吐率，保障了數(shù)據(jù)的完整性和數(shù)據(jù)訪問的安全性。元數(shù)據(jù)服務(wù)包含了三個核心模塊：

Catalog完成DDL，DML及DCL（權(quán)限管理）的業(yè)務(wù)邏輯，Catalog保障MaxCompute作業(yè)的ACID特性。

MetaServer完成元數(shù)據(jù)的高可用存儲和查詢能力。

AuthServer是高性能和高QPS的鑒權(quán)服務(wù)，完成對MaxCompute的所有請求的鑒權(quán)，保障數(shù)據(jù)訪問安全。

元數(shù)據(jù)服務(wù)經(jīng)過了模塊化和服務(wù)化后，對核心事務(wù)管理引擎做了多次技術(shù)升級，通過數(shù)據(jù)目錄多版本，元數(shù)據(jù)存儲重構(gòu)等改造升級，保障了數(shù)據(jù)操作的原子性和強(qiáng)一致，并提高了作業(yè)提交的隔離能力，并保障了線上作業(yè)的穩(wěn)定性。

在數(shù)據(jù)安全越來越重要的今天，元數(shù)據(jù)服務(wù)和阿里巴巴集團(tuán)安全部合作，權(quán)限系統(tǒng)升級到了2.0。核心改進(jìn)包括：

MAC（強(qiáng)制安全控制）及安全策略管理：讓項(xiàng)目空間管理員能更加靈活地控制用戶對列級別敏感數(shù)據(jù)的訪問，強(qiáng)制訪問控制機(jī)制(MAC)獨(dú)立于自主訪問控制機(jī)制(DAC)。

數(shù)據(jù)分類分級：新增數(shù)據(jù)的標(biāo)簽能力，支持對數(shù)據(jù)做隱私類數(shù)據(jù)打標(biāo)。

精細(xì)權(quán)限管理：將ACL的管控能力拓展到了Package內(nèi)的表和資源，實(shí)現(xiàn)字段級的權(quán)限的精細(xì)化管理。

系統(tǒng)安全

系統(tǒng)安全方面, MaxCompute通過綜合運(yùn)用計(jì)算虛擬化和網(wǎng)絡(luò)虛擬化技術(shù), 為云上多租戶各自的用戶自定義代碼邏輯提供了安全而且完善的計(jì)算和網(wǎng)絡(luò)隔離環(huán)境。SQL UDF(python udf 和 java udf), CUPID聯(lián)合計(jì)算平臺(Sparks/Mars等), PAI tensorflow等計(jì)算形態(tài)都基于這套統(tǒng)一的基礎(chǔ)隔離系統(tǒng)構(gòu)建上層計(jì)算引擎。

MaxCompute 還通過提供原生的存儲加密能力, 抵御非授權(quán)訪問存儲設(shè)備的數(shù)據(jù)泄露風(fēng)險. MaxCompute內(nèi)置的存儲加密能力, 可以基于KMS云服務(wù)支持用戶自定義秘鑰(BYOK)以及AES256加密算法,并計(jì)劃提供符合國密合規(guī)要求的SM系列加密算法支持。

結(jié)合MaxCompute元倉(MetaData)提供的安全審計(jì)能力和元數(shù)據(jù)管理(MetaService)提供的安全授權(quán)鑒權(quán)能力,以及數(shù)據(jù)安全生態(tài)中安全衛(wèi)士和數(shù)據(jù)保護(hù)傘等安全產(chǎn)品，就構(gòu)成了 MaxCompute安全棧完整大圖。

3.2 生態(tài)化

作為一個大規(guī)模數(shù)據(jù)計(jì)算平臺，MaxCompute 擁有來自各類場景的EB級數(shù)據(jù)，需要快速滿足各類業(yè)務(wù)發(fā)展的需要。在真實(shí)的用戶場景中，很少有用戶只用到一套系統(tǒng)：用戶會有多份數(shù)據(jù)，或者使用多種引擎。聯(lián)合計(jì)算融合不同的數(shù)據(jù)，豐富 MaxCompute 的數(shù)據(jù)處理生態(tài)，打破數(shù)據(jù)孤島，打通阿里云核心計(jì)算平臺與阿里云各個重要存儲服務(wù)之間的數(shù)據(jù)鏈路。聯(lián)合計(jì)算也融合不同的引擎，提供多種計(jì)算模式，支持開源生態(tài)。開源能帶來豐富和靈活的技術(shù)以賦能業(yè)務(wù)，通過兼容開源API對接開源生態(tài)。另一方面，在開源過程中我們需要解決最小化引入開源技術(shù)成本及打通數(shù)據(jù)、適配開源接口等問題。

a. Cupid 聯(lián)合計(jì)算平臺

聯(lián)合計(jì)算平臺 Cupid 使一個平臺能夠支持 Spark、Flink，Tensorflow、Numpy，ElasticSearch 等多種異構(gòu)引擎， 在一份數(shù)據(jù)上做計(jì)算。在數(shù)據(jù)統(tǒng)一、資源統(tǒng)一的基礎(chǔ)上，提供標(biāo)準(zhǔn)化的接口，將不同的引擎融合在一起做聯(lián)合計(jì)算。

Cupid 的工作原理是通過將 MaxCompute 所依賴的 Fuxi 、Pangu 等飛天組間接口適配成開源領(lǐng)域常見的 Yarn、HDFS 接口，使得開源引擎可以順利執(zhí)行。現(xiàn)在，Cupid 新增支持了 Kubernetes 接口，使得聯(lián)合計(jì)算平臺更加開放。

案例：Spark On MaxCompute

Spark 是聯(lián)合計(jì)算平臺第一個支持的開源引擎。基于 Cupid 的 Spark on MaxCompute 實(shí)現(xiàn)了與 MaxCompute 數(shù)據(jù)/元數(shù)據(jù)的完美集成；遵循 MaxCompute 多租戶權(quán)限及安全體系；與Dataworks、PAI平臺集成；支持 Spark Streaming,Mllib, GraphX, Spark SQL, 交互式等完整 Spark生態(tài)；支持動態(tài)資源伸縮等。

b. 多源異構(gòu)數(shù)據(jù)的互聯(lián)互通

隨著大數(shù)據(jù)業(yè)務(wù)的不斷擴(kuò)展，新的數(shù)據(jù)使用場景在不斷產(chǎn)生，用戶也期望把所有數(shù)據(jù)放到一起計(jì)算，從而能取得 1+1 > 2 這樣更好的結(jié)果。MaxCompute 提出了聯(lián)合計(jì)算，將計(jì)算下推，聯(lián)動其他系統(tǒng)：將一個作業(yè)在多套系統(tǒng)聯(lián)動，利用起各個系統(tǒng)可行的優(yōu)化，做最優(yōu)的決策，實(shí)現(xiàn)數(shù)據(jù)之間的聯(lián)動和打通。

（上圖為MaxCompute集團(tuán)內(nèi)和專有云能力，公共云已實(shí)現(xiàn)與OSS、OTS的數(shù)據(jù)互通）

MaxCompute 通過異構(gòu)數(shù)據(jù)支持來提供與各種數(shù)據(jù)的聯(lián)通，這里的“各種數(shù)據(jù)”是兩個維度上的： 1. 多樣的數(shù)據(jù)存儲介質(zhì)（外部數(shù)據(jù)源），插件式的框架可以對接多種數(shù)據(jù)存儲介質(zhì)。當(dāng)前支持的外部數(shù)據(jù)源有：OSS， TableStore(OTS)， TDDL，Volume。 2. 多樣的數(shù)據(jù)存儲格式：開源的數(shù)據(jù)格式支持，如 ORC、Parquet 等；半結(jié)構(gòu)化數(shù)據(jù)，如包括 CSV、Json等隱含一定 schema 的文本文件；完全無結(jié)構(gòu)數(shù)據(jù)，如對OSS上的文本，音頻、圖像及其他開源格式的數(shù)據(jù)進(jìn)行計(jì)算。

基于MaxCompute 異構(gòu)數(shù)據(jù)支持，用戶通過一條簡單的 DDL 語句即可在 MaxCompute 上創(chuàng)建一張EXTERNAL TABLE（外表），建立 MaxCompute 表與外部數(shù)據(jù)源的關(guān)聯(lián)，提供各種數(shù)據(jù)的接入和輸出能力。創(chuàng)建好的外表在大部分場景中可以像普通的 MaxCompute 表一樣使用，充分利用 MaxCompute 的強(qiáng)大計(jì)算力和數(shù)據(jù)集成、作業(yè)調(diào)度等功能。MaxCompute 外表支持不同數(shù)據(jù)源之間的Join，支持?jǐn)?shù)據(jù)融合分析，從而幫助您獲得通過查詢獨(dú)立的數(shù)據(jù)孤島無法獲得的獨(dú)特見解。從而MaxCompute 可以把數(shù)據(jù)查詢從數(shù)據(jù)倉庫擴(kuò)展到EB級的數(shù)據(jù)湖(如OSS)，快速分析任何規(guī)模的數(shù)據(jù)，沒有MaxCompute存儲成本，無需加載或 ETL。

異構(gòu)數(shù)據(jù)支持是MaxCompute 2.0升級中的一項(xiàng)重大更新，意在豐富MaxCompute的數(shù)據(jù)處理生態(tài)，打破數(shù)據(jù)孤島，打通阿里云核心計(jì)算平臺與阿里云各個重要存儲服務(wù)之間的數(shù)據(jù)鏈路。

c. Python 生態(tài)和 MARS科學(xué)計(jì)算引擎

MaxCompute 的開源生態(tài)體系中，對 Python 的支持主要包括 PyODPS、Python UDF、和 MARS。

PyODPS一方面是MaxCompute 的 Python SDK，同時也提供 DataFrame 框架，提供類似 pandas 的語法，能利用 MaxCompute 強(qiáng)大的處理能力來處理超大規(guī)模數(shù)據(jù)。

基于MaxCompute豐富的用戶自定義函數(shù)（UDF）支持，用戶可以在 ODPS SQL 中編寫 Python UDF 來擴(kuò)展 ODPS SQL。 MARS 則是為了賦能 MaxCompute 科學(xué)計(jì)算，全新開發(fā)的基于矩陣的統(tǒng)一計(jì)算框架。使用 Mars 進(jìn)行科學(xué)計(jì)算，不僅能大幅度減少分布式科學(xué)計(jì)算代碼編寫難度，在性能上也有大幅提升。

3.3 智能化

隨著大數(shù)據(jù)的發(fā)展，我們在幾年前就開始面對數(shù)據(jù)／作業(yè) 爆發(fā)式增長的趨勢。面對百萬計(jì)的作業(yè)和表，如何做管理呢？

MaxCompute通過對歷史作業(yè)特征的學(xué)習(xí)、基于對數(shù)據(jù)和作業(yè)的深刻理解，讓MaxCompute上的業(yè)務(wù)一定程度實(shí)現(xiàn)自適應(yīng)調(diào)整，讓算法和系統(tǒng)幫助用戶自動、透明、高效地進(jìn)行數(shù)倉管理和重構(gòu)優(yōu)化工作，實(shí)現(xiàn)更好地理解數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)智能排布和作業(yè)全球調(diào)度，做到大數(shù)據(jù)處理領(lǐng)域的“自動駕駛”，也就是我們所說的Auto Data Warehousing。

Auto Data Warehousing 在線上真實(shí)的業(yè)務(wù)中，到底能做什么呢？我們以Hash Clustering的自動推薦來小試牛刀。Hash Clustering 經(jīng)過一年多的發(fā)展，功能不斷完善，但對用戶來說，最難的問題仍然在于，給哪些表建立怎樣的Clustering策略是最佳的方案？

MaxCompute 基于 Auto Data Warehousing，來實(shí)現(xiàn)為用戶推薦如何使用 Hash Clustering，回答如何選擇Table、如何設(shè)置Clutering key和分桶數(shù)等問題，讓用戶在海量數(shù)據(jù)、海量作業(yè)、快速變化的業(yè)務(wù)場景下，充分利用平臺功能。

4. 商業(yè)化歷程

從2009年云梯到ODPS，再到MaxCompute，MaxCompute(ODPS) 這個大數(shù)據(jù)平臺已經(jīng)發(fā)展了十年。回顧 MaxCompute 的發(fā)展，首先從云梯到完成登月，成為了一個統(tǒng)一的大數(shù)據(jù)平臺。

2014年，MaxCompute 開始商業(yè)化的歷程，走出集團(tuán)、向公共云和專有云輸出，直面中國、乃至全球的用戶。面對挑戰(zhàn)，MaxCompute 堅(jiān)持產(chǎn)品核心能力的增強(qiáng)，以及差異化能力的打造， 贏得了客戶的選擇。

回顧上云歷程，公共云的第一個節(jié)點(diǎn)華東2上海在2014（13年）年7月開服，經(jīng)過4年多發(fā)展，MaxCompute 已在全球部署18個Region，為云上過萬家用戶提供大數(shù)據(jù)計(jì)算服務(wù)，，客戶已覆蓋了新零售、傳媒、社交、互聯(lián)網(wǎng)金融、健康、教育等多個行業(yè)。專有云的起點(diǎn)則從2014年8月第一套POC環(huán)境部署開始，發(fā)展至今專有云總機(jī)器規(guī)模已超過10000臺；輸出項(xiàng)目150+套，客戶涵蓋城市大腦，大安全，稅務(wù)，等多個重點(diǎn)行業(yè)。

今天，MaxCompute 在全球有超過十萬的服務(wù)器，通過統(tǒng)一的作業(yè)調(diào)度系統(tǒng)和統(tǒng)一的元數(shù)據(jù)管理，這十萬多臺服務(wù)器就像一臺計(jì)算機(jī)，為全球用戶提供提供包括批計(jì)算、流計(jì)算、內(nèi)存計(jì)算、機(jī)器學(xué)習(xí)、迭代等一系列計(jì)算能力。這一整套計(jì)算平臺成為了阿里巴巴經(jīng)濟(jì)體，以及阿里云背后計(jì)算力的強(qiáng)有力支撐。MaxCompute 作為一個完整的大數(shù)據(jù)平臺，將不斷以技術(shù)驅(qū)動平臺和產(chǎn)品化發(fā)展，讓企業(yè)和社會能夠擁有充沛的計(jì)算能力，持續(xù)快速進(jìn)化，驅(qū)動數(shù)字中國。