以一家东南亚出行平台为例，展示新加坡节点数据架构实战。
1) 项目背景 某出行平台数据量大，需高效存储和分析。
2) 方案 多数据源架构：OLTP + OLAP + 缓存 + 搜索。
3) 配置 - OLTP：PostgreSQL 主从 - 缓存：Redis 集群 - 搜索：Elasticsearch - OLAP：ClickHouse - 消息：Kafka
4) 效果 | 指标 | 前 | 后 | | --- | --- | --- | | 订单查询 | 500ms | 50ms | | 数据分析 | 小时级 | 秒级 | | 日订单 | 10 万 | 100 万 | | 可用性 | 99% | 99.95% |
5) 分析 多数据源架构满足不同场景，查询从 500ms 降到 50ms。
6) 建议 - 按场景选数据库 - 缓存热点数据 - 搜索用 ES - 分析用 ClickHouse