产品优势

产品功能

数据资产

帮助企业“找得到”数据，“用得好”数据

  • 全域数据资产

    支持27种数据源，包括OLTP/OLAP/NoSQL/对象存储/数据湖；支持跨IDC、跨云厂商的数据源；提供免费、稳定、高效的数据库网关打通网络接入。

  • 快速查找数据

    支持物理元数据及业务术语；基于图谱能力，可快速搜索、发现可用数据。

  • 数据质量治理

    覆盖数据生产、集成、加工到消费的端到端血缘能力；支持定义数据质量规则，进行数据质量检测与校验。

  • 数据安全治理

    敏感数据自动分级分类；异常访问风险识别。

数据安全

助力企业轻松应对各种合规、等保审查

  • 企业管理实时联动

    基于OpenAPI实践，可有效保障企业员工流转时，域账号及权限的全自动化管理；避免账号清理不及时潜在数据泄露风险。

  • 细粒度权限管控

    支持实例、数据库、表、字段、数据行级不同粒度授权；面向个人账号授权（支持域账号对接），审计到人，避免账号混用的审计困扰；支持人员不接触数据库账号密码，权限到期自动失效回收；人员的入职/离职/转岗支持OpenAPI自动化联动权限管理。

  • 敏感数据保护

    多法律法规覆盖，数据分类分级全面覆盖中华人民共和国网络安全法、GDPR、SOX、PCIDSS、HIPAA等法律法规；精细分类与脱敏，内置40+分类识别规则，支持用户自定义；支持哈希、遮掩、替换、变换、加密等常用脱敏算法。

  • 合规审计支持

    企业上市合规审计、常规内审等，基于DMS统一纳管可全方位支持人员权限、数据库变更与访问的详细流水审计。

数据库设计与开发

保障安全的同时，提升企业研发效率

  • 稳定可控

    通过无锁变更、变更前备份及变更异常自动回滚等策略，保障开发过程中数据库稳定可控；基于CBO的智能诊断，研发可自助完成SQL质量审核与改进。

  • 安全可信

    内置阿里巴巴最新研发规范，规避无主键等不合理设计带来潜在风险，目前支持200+设计及审核规范，可按需调整。

  • 高效敏捷

    基于设计规范，研发人员全自助即可完成合规的数据库开发；效能上非生产环境可做到免审批，仅生产环境需要审核；保障安全的同时，实现跨部门之间的高效协同。

数据传输与加工

助力解决企业数据孤岛痛点

  • 丰富的数据源支持

    覆盖主流的关系型数据库、NoSQL数据库、数据仓库、消息队列的迁移、订阅与同步；支持多种引擎，客户通过统一的方式对这些引擎进行开发，无需考虑引擎的差异性。

  • 多场景与服务支持

    支持定期全量/增量的周期性集成（最细调度周期可低至5分钟间隔）、秒级实时集成；流批一体：支持流式数据加工、批量数据加工，数据实时性/处理效率高；覆盖数据加工/数据开发、数据血缘、数据质量、数据服务、数据可视化等众多功能。

  • 开发与运维简单

    低代码开发：只要懂SQL就能通过画布快速实现流/批数据处理任务，自带Flink/Spark计算能力实现高效数据处理；支持分布式集成架构，突破单机瓶颈，提供限流手段，按需限流保护数据源；一个平台管理所有开发任务，提供智能监控告警和任务的自动处理机制，实现极低运维门槛。

应用场景

  • 数据安全与研发效能
  • 历史数据管理
  • 上云迁移（同构/异构）
  • 容灾、多活
  • T+1 数仓建设
  • 实时数仓建设
  • 跨实例查询
数据安全与研发效能

所有数据库实例接入DMS，自定义安全规则、敏感数据，保障数据安全及稳定性；基于DMS定时任务及变更窗口，解决人工运维的困境。

能够解决

效率低下，运维变更全靠人肉沟通操作，运维人员成瓶颈的问题

稳定性受挑战，人工维护数百个实例，无法提前发现并预防故障发生的问题

优势

通过DMS管控大批量实例，真正实现研发全自助，提升效能

通过DMS，从0到1构建企业数据安全防护体系，保障企业数据安全

推荐搭配使用
  • 云数据库RDS MySQL版
  • 云数据库PolarDB
  • AnalyticDB MySQL
历史数据管理

利用DMS将在线生产库数据实时同步至RDS/PolarDB X-Engine、Lindorm或者OSS；X-Engine、Lindorm或OSS中保留完整历史数据，支撑上层账单、客服、审计及运营系统业务。

能够解决

随着数据量的增长，在线业务性能影响极大，导致核心业务稳定性受挑战的问题

优势

通过迁移历史库，优化线上数据库的访问性能及稳定性

历史数据存储成本最高可优化10倍

基于X-engine存储引擎，还可满足历史数据的低频访问

推荐搭配使用
  • 云数据库RDS MySQL版
  • 云数据库PolarDB
  • 云数据库Lindorm
上云迁移（同构/异构）

基于迁移评估，可以提供全面的分析报告，协助用户更好的完成上云迁移的准备，降低迁移成本；基于日志解析的模式，实现对源库数据的实时数据同步，帮助用户实现“零停机”上云迁移。

能够解决

异构数据库迁移改造的工作量较大，时间长的问题

数据库迁移，为了保证迁移数据的一致性，源库需要停写，会影响业务的问题

优势

提供全面的迁移评估报告和应用改造方案，降低用户异构数据库迁移的改造成本

基于实时的数据同步，源库可在不停机的前提下，实现数据的实时上云迁移，降低业务的影响

推荐搭配使用
  • 云数据库RDS MySQL版
  • 数据传输DTS
  • AnalyticDB MySQL
  • AnalyticDB PostgreSQL
容灾、多活

基于DTS实时日志解析技术实现数据库的异地容灾，保障数据库的高可用；基于DTS的双向同步技术，可以实现数据中心间数据库的双向同步，同时对上层业务提供读写能力，实现业务的多活。

能够解决

数据库单点故障，导致业务不可用和数据的丢失的问题

数据库容灾节点资源浪费，无法重复利用，投入成本高的问题

优势

支持16种数据源实时异地容灾同步；支持MySQL、PolarDB MySQL、PostgreSQL、阿里云MongoDB、Redis Tair的多活，可实现多种业务场景的多活架构

支持专线、VPN、CEN等多种网络方式下实现容灾和多活

推荐搭配使用
  • 云数据库RDS MySQL版
  • 云数据库PostgreSQL版
  • 云数据库PolarDB
  • 云数据库MongoDB版
  • 云数据库Redis版
  • 数据传输DTS
T+1 数仓建设

通过DTS实时将增量数据同步至AnalyticDB的拉链表中，该表包含源库表中所有记录的生命周期；结合DMS定时调度功能将拉链表中的数据按天/小时纬度生成快照；AnalyticDB中的快照分区按照自定义的保留时间对过期快照进行清理。

能够解决

传统T+1数仓建设每次涉及的计算量非常大，T+1增量变更数据需要以复杂逻辑与全量数据进行聚合，进而影响T+1数据的生成效率的问题

增量数据采用实时或者定时方式拉取时对业务系统影响较大的问题

无法支持任意时间点的数据切片的问题

优势

生命周期拉链表实时增量更新，生成小时/天快照效率较传统方案提升5倍

DTS无插件、日志解析的方式对生产系统消耗极少，不影响业务系统正常运行

支持任意时间点的数据切片

推荐搭配使用
  • 云数据库RDS MySQL版
  • 云数据库PolarDB
  • AnalyticDB MySQL
实时数仓建设

通过DMS流式ETL模块编排实时数据流的加工逻辑（JOIN、过滤、计算等）；启动链路后通过解析数据源日志的方式实时获取数据并经过加工完成入仓；通过DMS数据开发模块进行AnalyticDB实时数据开发工作，进而支持各类实时场景。

能够解决

传统离线数仓无法满足各类实时场景需求（如：ad-hoc、实时数据统计与分析、实时计算、敏捷风控等）的问题

实时数仓采用kafka+flink等方式建设，链路长且数据准确性难以保障的问题

需要熟练掌握各类实时数仓技术栈，学习和管理成本高的问题

优势

日志解析方式实时加工入仓，数据实效性高且对生产系统影响小

单一模块实现kafka+flink的功能，链路短效率高

界面可视化配置，100%兼容flink，serverless的计算引擎服务，降低学习和管理成本

推荐搭配使用
  • AnalyticDB MySQL
  • AnalyticDB PostgreSQL
  • 云数据库PolarDB
跨实例查询

跨实例查询为不同环境下的在线、异构数据源，提供及时的关联查询服务。支持MySQL、SQL Server、PostgreSQL、Redis等不同类型数据库；不论数据库实例部署在哪个region哪个环境，通过一条SQL就能实现这些数据库实例之间的关联查询。

能够提供

如：常见的商品库、订单库的实时关联查询，多region、多单元的汇总关联查询

如：数据从SQLServer迁移至MySQL，进行关联查询做一致性对比

如：本地IDC自建环境与跨云环境进行数据关联查询

推荐搭配使用
  • 云服务器ECS