日前，国内知名SaaS ERP服务商万里牛, 在电商ERP系统中引入了阿里云PolarDB MySQL数据库，借助PolarDB MySQL 一站式的事务处理和数据分析解决方案，同时利用In-Memory Column Index（IMCI）和并行执行提供的HTAP实时数据分析能力以及高压缩引擎X-Engine提供的低成本海量记录读写能力，实现了SaaS ERP系统的“降本增效”，解决了ERP SaaS平台客户数据快速增长后的复杂查询分析效率难题以及历史订单记录数增长带来的存储成本飙升难题，通过一站式的解决方案快速满足业务发展。

万里牛是湖畔网络旗下的产品品牌，万里牛以ERP为核心，形成包括WMS、跨境ERP、BI、门店零售、云订货等在内的产品矩阵，服务于开展国内电商、跨境电商和实体门店等零售业务场景的企业，经过多年发展，万里牛已成为国内电商ERP领域广受消费者信赖的SaaS服务提供商。

万里牛基于阿里云丰富的云产品体系构建其电商SaaS平台。在数据库方面，大量使用了OLTP型产品PolarDB MySQL, RDS MySQL，NoSQL使用了Redis和Lindorm等产品，在 OLAP使用了在线数仓和离线分析产品，通过产品和方案的组合来满足电商SaaS的各个业务模块对数据库的各种需求。

在电商领域，ERP系统可以帮助商家降低履约成本，提升作业协同效率，同时帮助提高企业管理效率，其涉及到电商业务流程的各个方面，覆盖订单处理、仓储管理、采购协同、分销管理、库存管理、售后工单、业财一体、数据分析等各个模块。

订单管理（OMS）

订单处理是万里牛ERP的核心模块，万里牛支持来自200多个国内外电商平台的订单通过实时同步的方式下载到ERP中。一旦订单被下载，系统会根据自动化匹配策略，选择最合适的仓库、快递和是否需要拆单，以确保最快的履约和最低的成本。超过90%的订单通常会自动进入下一步，通过智能策略进行处理，而其他订单则需要进行人工审核，通过客服与消费者的沟通来决定是否延迟发货或进入售后环节。如果消费者通过线上平台提交退款或退换货申请，订单会自动处理，无需人工介入。

仓储管理

订单经过人工或自动化审核后，会进入万里牛智能仓储系统的作业环节。这里，仓库工作人员会进行打单、分拣、打包、验货、称重和出库等全流程，以确保消费者能尽早收到自己心仪的宝贝。当然，系统也有多项智能策略来提高仓内作业效率。

每一个商品都按照标准的库位号、货架号、层数等整齐地存放在货架上，拣货员可以使用播种拣货模式，自动带入任务，依序将订单放入对应的播种框中，按照PDA提示到达指定库位，扫描条码将商品放入指定的播种框中。使用PDA指导，仓储作业人员可以通过单次“S”型路径，走更少的步数拿更多的货，快速高效地完成该波次下所有订单的拣货任务，省时省力。

数据管理

基于万里牛ERP中庞大的商品、订单数据，搭配万里牛ERP里的几十张多维度报表和BI工具，轻松实现高效、全面的数据分析和决策支持。其中，多环节报表集合能够实现全场景数据的覆盖，让用户一目了然地掌握企业各个环节的数据情况。预设数据分析模板则为用户提供了量化业务环节的核心指标，帮助他们更加全面地分析和把握企业的运营情况。

零代码自定义搭建数据看板是另一个非常实用的功能，它能够让用户轻松抓取核心业务信息，无需编写代码或者拥有专业的技能，通过拖拉拽的形式让用户能够快速建立自己的数据看板，实现高效的数据分析和管理。此外，账号自定义权限设置能够保障用户数据安全，让企业内部数据不被泄露或滥用。最后，销量预测、库存预警等智能分析能够灵活配合市场决策，让企业的决策更加准确和高效。

万里牛ERP数据库采用典型的SaaS多租户架构，某个商家的慢SQL可能影响同数据库上其他商家系统卡和慢，同时订单管理作为ERP的核心，也是数据密集型应用，对数据写入和分析实时要求高，在多租户架构下，慢SQL雪崩效应可能进一步放大，因此，解决慢SQL能够有效提升客户体验和降低系统运行风险。

万里牛ERP最初使用MySQL作为核心数据库，在早期数据体量较小，业务模式相对简单的情况下，MySQL支撑了业务发展，但随着公司规模扩大、客户体量逐年增加，业务场景变得越来越复杂，日单超数十万的客户数量也不断持续增加。随着直播等新的业态发展，原生MySQL已经无法完全满足各种复杂查询和承受突发的爆单压力。

为解决复杂查询的效率和技术问题，万里牛技术团队采用了PolarDB MySQL提供的In-Memory Column Index功能。

PolarDB一站式HTAP数据库产品解决方案

使用IMCI技术方案，万里牛ERP系统可以在无需额外技术研发投入和业务功能调整的前提下，快速解决众多数据库痛点。

以下举例介绍万里牛ERP如何使用IMCI的。

灵活查询的高效响应

电商ERP面向各个商品类目客户群体，每个类目的业务细节和业务需求多样且差异较大，体现在ERP系统里，订单查询页面就需要实现各种查询项来满足用户使用，同时数据需要进行实时汇总查询，例如库存、快递成本。

审核页面查询项

以选择订单修改快递为例，快递公司会高频的调整快递费用计算规则，计算规则由包裹重量，最大单边长度，收件地区等因素决定，商家需要基于此类条件，快速的查询出对应的订单，调整快递申请电子面单，否则就会影响发货时效和成本。在使用PolarDB In-Memory Column Index之前，主要依赖于MySQL行存索引能力，但对于类似如下的复杂SQL，如果交易trade存量在1000万以上，查询延时会急剧增加，不能有效保证客户的页面响应时间。

在引入PolarDB IMCI之前， 对应的订单管理系统SQL监控如下，会存在大量订单查询慢SQL：

使用MySQL慢查询监控

在引入使用PolarDB MySQL之后，我们在原有PolarDB集群上配置一个带列索引的节点，然后在复杂查询的表上创建了列存索引。之后将前述复杂的订单查询请求通过hint注解，直接打到IMCI节点。在trade单量超过1000万数记录条目的场景下，PolarDB IMCI能够大幅度提升查询速度，同时也极大的降低了普通业务读写节点的压力。

如下图所示，在使用PolarDB IMCI之后，平均执行时间和最大执行时间都有了大幅降低。在一个8C的计算节点上最大执行时间也都能控制在10S以下，在大促时间通过Serverless弹升计算节点规格，查询时间还能进一步降低。

使用IMCI之后的SQL响应延时监控

一站式事务处理和实时数据分析

在使用PolarDB IMCI之前， 受限于MySQL的复杂查询效率限制，如果需要在处理日常OLTP业务的同时运行复杂查询和实时报表，通常无法满足报表查询的时延要求。此时则需要引入其他专门的数仓或者检索系统并将数据同步过去，然后使用两套系统的组合方案，会遇到两个挑战：

数据一致性问题：通常OLTP系统和下游的数仓或者检索系统会通过Binlog进行数据复制， 这个数据同步延迟只能控制在秒级别，且偶尔会出现延迟抖动，导致用户在下游数仓系统查询的数据与ERP系统的OLTP数据中数据不一致性，极大地影响用户体验。 一个典型场景，当上下游数据延迟时， 商家在ERP系统中对某一批订单做发货处理之后，去刷新监控大屏页面查看当前订单的发货统计信息，会发现刚已经发货的那批订单还处于未发货状态。

数据冗余及维护：ERP系统本身非常复杂，涉及到非常多的系统组合，因此存在很多库和表。对于万里牛还有个数据量大的难题，引入多套存储系统就会产生重复数据和多套代码实现，不仅浪费开发资源，还会导致高昂的存储成本。

传统多套系统组合的HTAP方案

因此传统方案无法有效的满足万里牛的需求，PolarDB HTAP是一站式的事务处理和数据分析解决方案，首先在现有PolarDB集群中通过添加列索引即可以让复杂查询提速百倍，免去了维护多套系统的麻烦，其次PolarDB的列存分析节点通过Redo物理日志与写入节点进行实时数据同步，平时同步延时在亚毫秒且高峰期不超过5ms，再结合PolarDB Proxy的事务一致性读配置可以实现强一致读写分离。万里牛ERP系统在切换到PolarDB后，借助PolarDB 一体化的IMCI ，以很低的开发成本解决了对实时数据做复杂查询的效率问题，不再需要额外的数仓系统。在减少成本的同时，避免了开发资源的浪费，并且提高了用户体验。

万里牛ERP订单系统数据库实例拓扑

万里牛ERP从22年开始将订单和交易数据存储在PolarDB MySQL上，充分利用了其强大的HTAP能力，针对相关业务代码的调整，只需要在SQL中增加Hint注解即可实现，无额外新增开发成本投入。

在整体使用PolarDB IMCI之后，在单集群8C16G数据库配置，以OMS典型业务场景为例，每小时压测指标如下：

整体而言，大幅加快了ERP业务系统的处理速度，从商家侧来看，万里牛头部某服饰商家反馈说：“万里牛的ERP系统经过近期升级后，给我们感觉更快了，比如说，审单、发货、物流推送等相关业务流程提速明显，对我们商家来说，可以大幅提升经营效率！”

作为国内领先的电商ERP SaaS系统开发商，万里牛所管理的数据具有两个特点：

数据体量大：考虑到交易订单按时间积累的特征，交易订单库单个表的行数往往达到千万甚至亿级别， 耗费大量的存储成本。

周期性明显：交易数据通常在7天、30天和90天后出现明显的使用热度下降，但考虑到售后等因素，这些数据又不能完全冷归档，对于很多类目产品，如大家电类等售后有效期长的产品需要对历史数据进行修改。

万里牛在使用PolarDB期间，PolarDB研发团队针对历史交易记录/聊天记录等数据量大且访问周期性特征明显的数据存储问题，提出了在线/归档一体化的混合引擎架构， 即在PolarDB 标准版本集群中，除了InnoDB这一事务引擎之外，同时支持实现了X-Engine高压缩引擎。

通过X-Engine这一LSM-tree引擎冷热分层，压缩率高(一般业务在5倍左右) 的特性来满足海量数据存储的降本诉求。 而X-Engine的事务支持，SQL兼容性与InnoDB基本一致， 对业务开发没有适配成本。用户可以在同一个PolarDB集群中，根据不同表的数据量和访问特点，灵活地选择InnoDB引擎或者X-Engine引擎。并且可以使用DDL语句在这两种引擎之间自由转换。

通过将已发货完结订单存储到同一个Polardb实例的X-Engine高压缩引擎中，实现了数倍的存储成本压缩, 而未发货订单继续使用InnoDB引擎。万里牛基于ERP系统不同请求的访问特点，使用了两种访问模式：一种是在页面交互开始时直接区分在线和历史订单查询，另一种是在代码中实现冷热订单的混合查询。最终在用户体验基本不变的情况下，如下图所示，我们调整后的存储总量减少了十几T，每个表的平均压缩比可达1/4，甚至有部分表可以压缩到1/10的大小，总体来看存储成本下降80%。

万里牛ERP部分表使用X-Engine压缩效果

为了进一步降低存储成本，PolarDB可以使用PSL4（PolarStore Level 4）的磁盘，PSL4采用采用阿里巴巴自研的硬件压缩盘（Smart-SSD）技术，在物理SSD磁盘层面压缩、解压缩存储的数据，在保持性能影响可控的情况下，使单位容量数据的存储价格更低。

万里牛ERP在订单管理场景下使用PolarDB一站式的事务处理和数据分析解决方案，不仅提升了产品用户体验而且降低了数据层面的研发和维护成本，后续，将进一步推广到其他多数据密集型的ERP系统中，扩大PolarDB for SaaS中的使用范围。

近年来，国家政策的鼓励和扶持推动了中小企业、跨境电商、数字等领域的数字化转型需求. 而企业管理和业务流程的标准化和复杂化，为SaaS企业提供了丰富的应用场景和市场。而中国的SaaS服务开发商受益于云计算技术的成熟和普及，从诞生之日起即充分利用云计算平台提供的底层基础设施，以降低开发和运维成本。

PolarDB MySQL的HTAP能力和高压缩引擎能力即是两个典型适用于头部SaaS客户的功能，高压缩致力于让客户以更低的成本存储更多的数据并从数据中发现商机，而HTAP能力让SaaS企业无需使用复杂架构即可提升对海量数据局的查询分析效率，为客户提升更好的体验，助力提升SaaS企业商业化能力，进而帮助客户带来自身业绩的增长。