真正的融合：从“形态并存”到“能力共生”——崖山融合集群深度解读

当底座选型天然带有技术局限性时，企业实际上是在用高昂的架构妥协去赌未来的业务确定性。尤其在大模型应用加速落地，海量、多模态的数据潮汐汹涌而来的当下，企业面临的不只是“稳定与扩展”的取舍，还有数据类型多元化、运维复杂度提升等新挑战，传统的单一路线技术已不适应新时期的发展。  

崖山融合集群架构，正是为了重构这一底层逻辑，更好适应业务发展诉求，陪伴企业共同成长。   

什么是真正的“融合”?

业界关于“融合”的探索从未停止，大多倾向于“产品形态的包容”——在同一产品家族中提供集中式和分布式的部署形态，由用户根据自身业务的阶段去选择其一。这在架构层面提供了选型的灵活性，通过形态的多元化覆盖不同的业务场景。

但从技术演进看，这更多是“部署形态的并存”，而非“内核维度的真正融合”。

形态并存的背后，往往是多套技术栈的拼装。当企业因业务变革需要从一种形态切换到另一种形态时，依然要面对应用重构、数据迁移、停机重启等不可控的高风险。但用户真正需要的，不是“有一天可以从集中式换成分布式”，而是“不管我选什么形态，都能获得我想要的架构能力”。

这也是崖山融合集群架构试图回答的问题：真正的融合，是从“形态的并存”，到“能力的共生”。

共生能力：从“共享”与“分治”的对立到统一

在传统架构设计中，“共享”追求数据高度一致，而“分治”追求体系的无限扩展，两者往往互为掣肘。崖山如何打破这种天然的对立？

崖山的解法是，让融合始终贯穿内核演进的全过程。

早在产品研发之初，崖山就确立了“统一内核”的技术路线，所有能力构建在同一套代码底座之上，避免架构分裂带来的维护成本与体验割裂。其后在统一内核基础上，崖山构建面向不同场景的产品能力矩阵，包括支持行式存储与列式存储、集中式事务与分布式事务、单行执行与向量化执行，满足业务多元化的技术诉求。随着场景实践的深入，崖山也意识到真正的技术答案不是“二选一”,而是深度融合。存储层原生行列融合、事务层统一底座向上横向扩展、计算层融合执行引擎智能调度——三个维度的融合叠加，使业务无需感知底层架构差异，按需选择最优路径,实现“一套系统,多维负载”。

图：崖山融合技术路线演进

这一理念在工程实现上带来了两大差异化能力：

• 计算模式灵活选择：
  

• 系统摒弃了整库一刀切的策略，支持以“分区对象”为单位，灵活调用“聚合内存（数据就近计算）”或“逻辑分片计算”模式。高频交易的小表获取极致低延迟，海量分析的大表榨干并行算力，不同的业务对象在同一个系统内各司其职。

• 系统支持无亲和模式下的多节点透明多写，业务零改造即获集中式体验；逻辑分片模式下按分区键自动分布数据，支持分布式计算。两种计算路径并非互斥，而是基于优化器智能协同，让业务既能享受集中式的开发便捷性，又能随时获得分布式的扩展能力。

• 物理底座的微秒级打通：
  

• 通过 RDMA 高速网络与 NVMe-oF 协议，计算节点间的缓存协同及跨节点数据访问绕过操作系统内核栈，实现微秒级传输；计算节点对远端存储的访问同样通过 NVMe-oF 高效完成，在执行效率上也达到了接近单机的一致性体验。
  

• 存算分离架构让计算与存储独立部署，计算节点支持秒级扩缩容，无需数据重平衡，轻松应对业务潮汐流量与突发算力需求。

崖山融合集群五大硬核竞争力

（一）架构级融合：集中式与分布式在内核维度共生

崖山融合集群的核心壁垒在于架构级融合——集中式集群与分布式集群在内核层面深度融合，一套内核同时提供透明多写与分布式弹性扩展能力。

这并非在统一产品中简单提供两种部署形态，而是从代码根基上消除“共享”与“分治”的对立，这也是支撑上层双路径计算、弹性扩展以及混合负载等能力的底层基础。

基于此，小客户可使用无亲和路径，多节点共享一份数据，获得单机体验；大客户可采用逻辑分片路径，数据按规则分布，独占计算节点，实现稳定隔离。同一份数据、同一套集群，计算模式随业务需求灵活切换，无需单独部署多套环境，彻底终结技术选型内耗。

（二）双路径计算：一份数据，两种加速路径

系统能够根据对象级粒度，灵活调用两种截然不同的访问模式：

• 聚合内存模式（数据就近计算）：多个计算节点之间通过崖山自研的聚合内存技术高效共享缓存数据，数据块在节点间内存直接传输，避免重复磁盘I/O。应用不需要做分布式改造，不需要指定分片键，就能获得接近单机数据库的事务处理性能。这是共享存储集群的核心优势，也是崖山区别于多数国产数据库的关键能力。

  
  

• 分布式计算模式（计算就近数据）：面对大规模数据源时，系统可以对性能要求不高的表进行数据分片，计算节点靠近数据所在节点执行，利用多节点的并行计算能力获得接近线性的扩展收益。

这两种计算模式可以在同一系统中并存。在一个复杂的企业级系统中，小表走聚合内存获取低延迟，大表走分布式计算榨干算力——真正实现了“鱼与熊掌兼得”。更重要的是，业务无需提前为未来做出单一路径的架构押注，底层可以根据业务特征灵活选择执行方式。

（三）复杂查询：多节点并行计算与混合调度

系统支持串行、批量、并行多模式混合调度，可调动多节点算力协同完成大规模数据扫描与聚合，查询性能随集群规模线性提升。计算层融合执行引擎智能调度，使在线事务与实时分析互不干扰。同时，依托存算分离架构，计算节点可快速弹性扩展，面对海量数据复杂查询时，能动态增加计算资源，避免单节点瓶颈，让分析查询获得近似无限的算力扩展。

（四）海量存储：PB级共享分布式存储

当采用崖山自研分布式存储系统（YFS）统一管理，支持集中式存储、分布式存储与本地盘等多种形态，突破单机容量上限，满足企业核心交易与海量分析的数据增长需求。存储层支持在线扩容，数据自动均衡，扩容过程不影响在线业务。同时，通过多副本冗余与条带化技术，确保存储高可用，局部节点故障不丢失数据，为上层融合能力提供坚实底座。

（五）多模态与混合负载：面向AI时代的数据底座

内核原生支持向量、JSON、时序等多数据类型，非外挂插件式实现，确保性能与一致性。在此基础上，构建TP、AP、AI混合负载能力，各负载互不干扰、性能独立达标。无论是传统交易、实时分析，还是大模型应用下的向量检索与多模态处理，均能在同一系统内完成，实现“一份数据，多维负载”，帮助企业以统一底座应对业务万变。

写在最后

今天的企业数据库，面对的早已不是单一场景下“够不够用”的问题，而是能否在业务持续变化中始终保持灵活：架构能够兼容不同发展路径，计算能够按业务需求选择最优方式，资源能够随业务规模弹性扩展，存储能够承载持续增长的数据，底座也能够进一步接入多模态与AI等新型负载。过去，企业往往通过不同架构、不同系统的组合来满足这些需求，但也因此承担了更高的建设与演进成本。

崖山融合集群希望解决的，不只是集分选择题，而是让今天的选择不成为明天的边界。同一内核同时提供极致事务一致性与扩展能力，业务可平滑演进;计算与存储独立按需伸缩，成本精准可控;一套高可用机制覆盖全部容灾场景，行列混合存储自动优化数据生命周期，实现从信创深水区的核心替代、业务爆发的平滑扩展、乃至面向AI时代的持续演进。

以统一底座的“不变”应对业务需求的“万变”，才是企业面向未来最核心的技术通行证。