将运营分析和实时分析功能融合到一个数据库平台中，消除了开发人员使用多个数据存储带来的摩擦。
译自 Columnar Storage: A Developer’s Key to Real-Time Analytics，作者 Steph Rogers。
开发者正处于创建下一波实时、高度个性化客户体验的最前沿。他们正在构建自适应应用程序，这些应用程序可以根据用户偏好、环境条件、数据输入和不断变化的环境等各种因素调整其行为和功能。想象一下，在流媒体服务上不再收到无关的电视节目或电影推荐。
这些应用程序需要实时分析，并依赖于新鲜数据来生成及时准确的结果。然而，这种实时性要求对开发人员构成了挑战。
依赖于不同的交易数据库和分析数据库正在成为应用程序开发过程中的瓶颈。必须在系统之间移动数据会造成延迟，这使得开发人员难以跟上对实时体验和即时服务的需求。
概括：
- 实时分析为企业提供了更高的性能和敏捷性。
- 优先考虑在与运营工作负载相同的平台上使用列式存储数据库的组织将通过实时分析更快地从数据中获得价值。
- 将运营和实时分析应用程序融合到一个数据库平台中，为开发人员提供了两全其美的优势，并且还降低了总体拥有成本，因为组织无需承担单独平台的成本。
- 将分散的数据整合到一个集成的列式数据库的企业将凭借简化的架构获得竞争优势。
高度上下文化的应用程序可以实时适应和响应用户的需求，这是用户体验的下一个发展方向。如何才能实现这一点？快速共享和数据访问可以确保应用程序的性能不受任何延迟，从而创造流畅的客户体验。
无法提供无缝、智能和响应迅速的用户体验的公司将会落后。为了跟上步伐，工程团队正在开发能够在几毫秒内摄取数据并对其采取行动的应用程序。这得益于实时分析，它通过快速、无模式的数据摄取为企业提供了更高的敏捷性和性能。
不同的系统是实时应用程序的瓶颈
如今，许多开发人员使用多个单用途数据存储来处理不同的任务，如交易、运营和分析。这就像每次在一天中切换任务时都必须更换一套衣服。做早餐？戴上厨师帽和围裙。回复电子邮件？换上办公室 attire。去取邮件？穿上邮局制服。这种不断的更换浪费时间，造成衣柜非常混乱，并使简单的任务复杂化。
面对截然不同的环境，开发人员必须跨多个系统集成和传输数据，这非常耗时，并且会延迟洞察力。传输数据是一项繁琐的手动任务，本质上就像使用 ETL（提取、转换、加载）。它需要提取数据，对其进行转换，然后将其加载到各种来源。
系统之间这种来回的数据移动（也称为回写延迟差距）会延迟应用程序开发。难怪分析几乎从来都不是一项“实时”活动。根据Forrester Research 的说法，“将数据从交易系统移动到运营系统，然后再移动到分析系统，是更快做出更好决策的障碍。不同的数据堆栈也会损害向各种应用程序提供及时数据”。
要使应用程序真正具有适应性，它就需要是实时的。这就是开发人员转向能够处理所有问题的解决方案的原因，也就是利用在与运营工作负载相同的平台上利用列式存储的数据库，以便通过实时分析更快地从数据中获得价值。
这种整合减少了不同的层级，并由于数据源减少而大大降低了管理复杂性、降低了运营成本并提高了效率。这对开发人员来说似乎是一个理想的局面。
列式存储的优势：缩小回写差距
列式存储消除了多源摄取带来的障碍，使开发人员能够通过集成和组织多个数据源，将来自各种企业数据库的数据整合和查询到一个位置。借助统一摄取，开发人员可以轻松获得所需的一切，以满足实时聚合需求，从而交付实时、自适应的应用程序。
此外，列式存储为开发人员提供了易用性。通过在一个平台中工作，他们可以使用一种查询语言，而无需在不同的语言之间来回切换。传统结构的关系僵化会导致语言障碍和翻译需求，但列式存储可以自动将 JSON 结构转换为可供分析的列式格式，因此开发人员可以将操作性 JSON 数据无缝地整合到分析中。
将操作型和实时分析应用程序融合到一个数据库平台，为开发人员提供了两全其美的优势，并允许在应用程序扩展时进行工作负载隔离，从而消除延迟并提供高性能。
这也降低了总体拥有成本，因为组织无需承担单独平台的成本。此外，使用一个平台，就不需要复杂的转换过程。这样，应用程序可以提供更即时的反馈，为最终用户提供实时体验，例如 GPS 导航期间的实时交通更新。
赋能开发人员进行有效创新
随着用户对实时体验的期望越来越高，具有列式存储功能的多用途数据库可以成为数据世界的瑞士军刀，为开发人员提供支持下一代实时应用程序所需的可扩展数据基础设施。
将碎片化的数据整合到集成的列式强大平台中的企业将凭借简化的架构获得竞争优势，使开发人员能够构建响应迅速、分析驱动的应用程序体验，从而吸引最终用户。
结果呢？应用程序可以动态调整，为用户提供最新、最准确的信息，同时减少延迟、简化复杂性并降低成本。现在是时候让“实时”真正感觉像“现在”了。
想了解更多信息？了解您和您的团队如何利用Couchbase 边缘向量搜索和Couchbase 列式存储的实时分析功能构建人工智能驱动的自适应应用程序。
