摘要:童年時候,我們會對著墻上掛著的中國地圖,來認識一處處山川河流和城市人文,如今,數字化時代下,傳統的地圖已經不能滿足人們的需求,如何獲取各種豐富的地理內容和實時動態資訊成為現代人普遍的地理資訊訴求,作為國家基礎地理資訊公共服務平臺,天地圖集成了來自國家、省、市(縣)各級測繪地理資訊部門,以及相關政府部門、企事業單位 、社會團體、公眾的地理資訊公共服務資源,以門戶網站、服務介面、前置服務等形式向政府、專業部門、企業、公眾等用戶提供在線地理資訊服務,此前,國家基礎地理資訊中心攜手華為云,基于天地圖平臺,共同打造云上智慧地圖,促進地理資訊資源共享和高效利用,讓世界觸手可及,
地理資料量增加,資料庫彈性迎挑戰
天地圖覆寫全國300多個地級以及地級以上城市0.6米解析度的衛星遙感影像等地理資訊資料,全庫資料量達到17TB,資料吞吐量巨大,巨大的吞吐量和高額運維成本,促使國家基礎地理資訊中心迫切尋求低成本、高可用、高性能、大容量的資料庫產品,同時希望可以將遷移時間壓縮到2天左右,
- 低成本:早期天地圖運營投入較多資金,包括資料庫在內的IT投入成本居高不下,業務有讀寫分離訴求,希望在保證性能的前提下,通過一套實體實作讀寫分離,從而降低資料庫成本,
- 高可用:社區版MongoDB一個shard多數節點故障,就會導致該shard成為只讀,因此希望提供無狀態的路由節點,實作快速故障轉移,
- 高性能:天地圖每天的訪問量在6億左右,隨著資料量和業務訪問量的增加,現有系統不足以支撐日益增長的業務需求,需要更高性能的資料庫來支撐日益增長的業務資料,
- 容量:隨著瓦片層級增加,資料量越來越大,現有MongoDB擴容難度大,需要一款資料庫支持不少于20TB的瓦片資料,支持在線擴容,
- 運維效率:運維人力有限,系統運維壓力越來越大,運維作業成本越來越高,現有社區版MongoDB難以支撐運維作業需求,希望能夠提供資料庫自運維能力,能為資料庫做技術兜底,降低運維成本,

天地圖&華為云
- 彰顯云上“數字中國”新魅力
天地圖業務資料復雜,資料種類多樣,結合客戶訴求和業務特點,華為云資料庫采用公有云對外服務為主,私有云對內測驗為輔的混合云架構,提供多種資料庫引擎方案,聯合打造高性能、高可用的數字底座,
華為云GaussDB(for Mongo)提供在線地圖的瓦片資料處理服務;華為云RDS for PostgreSQL提供矢量資料和三維資料處理服務;華為云RDS for MySQL提供用戶管理和專題圖層屬性服務,多款資料庫極速融合,共同發力,17TB的海量資料遷移僅僅用了2天,

- 高可用特性加持,業務穩定運行
天地圖作為國家級的服務平臺,資料的安全可靠可謂至關重要,華為云GaussDB(for Mongo)支持跨AZ高可用,擁有完善的跨區域容災策略,每天自動進行全量備份和增量備份,并定期進行恢復演練,驗證備份恢復流程的有效性,實作分鐘級備份恢復,同時提供無狀態的路由節點,支持秒級故障轉移,客戶業務無感知,業務運行穩定,
- 超高性能與大容量,再大流量也不怕
天地圖為30+部委機構和全國30多個省市提供地理資訊基礎平臺服務,日均API和服務呼叫超過6億次,訪問壓力極大,華為云GaussDB(for Mongo) 可實作分鐘級節點擴容和秒級存盤擴容,滿足敏捷業務彈性需要,對天地圖高達上億的訪問毫無壓力,回應能力快穩準,有效保障了天地圖在高負載情景下業務的正常運行,而且GaussDB(for Mongo)基于存算分離架構和rocksdb優化,相比開源MongDB性能提高3倍以上,最大支持96TB的資料處理能力,完全滿足天地圖海量業務請求,
- 降本增效不止一點點
GaussDB(for Mongo)完全兼容MongoDB協議,客戶業務無需任何改造,即可輕松切換資料庫,極大減少了改造成本;而且通過實時生成快照和洗掉快照的能力,GaussDB(for Mongo)實作一套集群即可提供讀寫分離的能力,資料庫成本節省至少50%,天地圖上華為云之后,基于資料庫服務自動化運維平臺,資料更新效率提升5倍,新業務上線速度提高2倍,還減輕了DBA繁重的運維壓力,讓客戶更聚焦業務層面,
自2019年2月上線以來,華為云資料庫已輕松支撐天地圖6億+的日均訪問量,保障業務平穩運行,實作零事故;同時為公眾提供了更為全面、精準、權威、 智能、人性化的地理資訊服務,讓全社會共享測繪發展成果,感受“數字中國”的獨特魅力,
Ps:【云資料庫特惠專場】新用戶4.5折起,助力企業效益增長,詳情請戳https://activity.huaweicloud.com/dbs_Promotion/index.html
點擊關注,第一時間了解華為云新鮮技術~
轉載請註明出處,本文鏈接:https://www.uj5u.com/ruanti/256357.html
標籤:其他
下一篇:imi在虎撲上億資料遷移實踐
