AnalyticDB PostgreSQL版典型的使用場景如下所示：

  1. 數據通過實時寫入或批量加載方式入庫，形成ODS（Operational Data Model）層。典型的數據源包括：MySQL/SQL Server/PostgreSQL/Oracle等OLTP業務數據庫，業務App產生的日志數據，在OSS/Hadoop上的歸檔數據，以及來自Kafka/Flink等系統的流式數據。
  2. 在庫中對ODS層數據進行加工，形成CDM（Common Data Model）和ADS（Application Data Service）層。典型操作包括INSERT INTO SELECT, CREATE TABLE AS等。
  3. 按業務需求對庫中數據進行查詢分析，或供下游系統消費處理。典型的查詢分析場景包括數據類業務應用，交互式分析，BI報表等。
典型使用場景

數據寫入加載

AnalyticDB PostgreSQL版的數據入庫支持低延時的實時寫入和高吞吐的批量加載。

實時寫入
實時寫入的具體操作包括insert（on conflict）, delete，update，具備高并發低延時特性。典型場景為OLTP數據庫（MySQL, SQL Server等）通過阿里云DTS實時同步；業務App實時寫入到AnalyticDB PostgreSQL版；Kafka/Flink等消息中間件/流數據系統將數據實時Sink到AnalyticDB PostgreSQL版。AnalyticDB PostgreSQL版通過攢批覆蓋寫特性和近線性的水平擴展能力，集群整體實時寫入性能可達百萬級TPS。
批量加載
批量加載的具體操作包括“copy from CSV文件”, “insert into select from OSS/HDFS/MaxCompute外表”。其中copy操作單并發下可達50MB/s吞吐，支持多并發。而外表導入通過Segment直接讀取外部數據源進行加載，整體吞吐可達500MB/s。

數據查詢分析

AnalyticDB PostgreSQL版既通過索引排序等特性支持高并發低延時的多維度點查范圍查場景，也通過向量化引擎，CBO優化器，列式存儲支持大數據量多表關聯聚合的復雜分析場景。例如，數據類業務應用對ADS層數據進行快速查詢；交互式分析可直接對ODS層，CDM層數據進行即席關聯分析；BI報表，大屏展示可利用物化視圖等特性加速查詢結果。