阿里云的表格存储，也就是Tablestore，在云原生数据库领域算是一个相当有分量的选手了。它是一款全托管、Serverless的NoSQL多模型数据库，对于海量结构化数据场景，提供了高性能、高可用的存储和实时查询能力。更讨喜的是，它对物联网场景做了深度优化，直接打包了一套一站式的IoTstore解决方案。

你可能会在什么地方用到它？海量的账单数据、IM消息、物联网设备数据、车联网轨迹、风控系统、推荐系统……但凡涉及到海量结构化数据的存储，它几乎都能派上用场。核心卖点很清晰：低成本存储、毫秒级的在线查询、再加上灵活的数据分析能力。

具体来说，它的核心优势可以归结为几点。首先是Serverless架构，这意味着你不用再操心底层服务器的运维了，系统会自动根据数据量和访问量做弹性伸缩，省心不少。其次，它支持多模型，一份数据可以同时用宽表、时序、消息三种模型来组织和访问，灵活应对不同业务。再者，性能和成本这对“冤家”被它处理得不错，读写延迟能保持在毫秒级，同时通过存储分层和冷热数据分离来控制成本。最后，它的索引和检索能力很强，多元索引支持全文检索、向量检索、模糊查询等多种复杂查询，这在AI应用场景里非常实用。

Tablestore提供了三种数据存储模型，你可以根据业务场景按需选择。宽表模型是最基础、最常用的，类似Bigtable或HBase的结构，适合大多数结构化数据。时序模型则是为时间序列数据量身定制的，像物联网设备监控、机器数据采集这类场景，它能提供高并发写入和PB级数据的低成本存储。消息模型，也就是Timeline模型，是为IM、Feed流这样的业务优化的。选择哪种模型，完全取决于你的业务需求。

2. 准备工作：开通服务与创建实例

上手使用前，先做一些准备工作。首先当然是开通Tablestore服务。如果还没开通，直接去阿里云控制台，在产品列表里找到表格存储Tablestore，按照提示操作就行。开通本身是免费的，后续按实际使用的存储量、读写吞吐量和外网流量付费。

服务开通后，下一步是创建实例。你可以把实例理解成数据库里的一个集群概念，它是资源管理单元。创建实例时，需要选择规格和计费模式。这里有两种实例类型：VCU模式（预留模式）和CU模式（按量付费）。VCU模式适合业务负载相对稳定的情况，通过预留计算单元来保障性能；CU模式则更适合业务负载波动大的场景，按实际使用量计费，更灵活。此外，还需要选择地域、配置网络（比如VPC或经典网络）、设置访问控制策略。

如果你要用的是时序模型，那么在创建实例时就要选择时序模型实例类型。目前，支持时序模型功能的地域包括华东1（杭州）、华东2（上海）、华北2（北京）、华北3（张家口）、华北6（乌兰察布）、华南1（深圳）、西南1（成都）、中国香港、日本（东京）、新加坡等。不过要注意，一些高级功能比如Lastpoint索引、时序分析存储、自定义时间轴标识等，目前仅在华东1、华东2、华北2和华北3这几个地域可用。

实例创建好之后，你需要获取它的访问地址，也就是Endpoint。格式通常是这样的：https://<实例名称>.<地域>.ots.aliyuncs.com。举个例子，如果你在北京创建了一个名为“myinstance”的实例，那它的Endpoint就是https://myinstance.cn-beijing.ots.aliyuncs.com。

3. 访问凭证配置与SDK安装

要访问表格存储，你需要有效的身份凭证。最常用的方式就是AccessKey（AK）。建议为阿里云账号或RAM用户创建AccessKey，并且遵循最小权限原则，只授予必要的操作权限。强烈建议使用RAM用户的AccessKey，而不是主账号的，这样可以降低密钥泄露的风险。创建好AccessKey后，为了避免在代码里硬编码这些敏感信息，推荐通过环境变量来配置。

不同操作系统下配置环境变量的方法略有不同。在Linux或macOS的Bash环境中，把下面这行配置追加到~/.bashrc文件里：

然后执行source ~/.bashrc让它生效。如果你用的是Zsh，就追加到~/.zshrc文件。在Windows的CMD里，可以用setx命令来设置环境变量：

配置完成后，记得重启IDE、终端或者其他应用程序，让新的环境变量生效。

表格存储为开发者提供了多种主流编程语言的SDK。Ja va SDK支持宽表、时序和消息模型的所有操作。Python SDK同样支持三种模型。Node.js SDK支持宽表模型操作。Go SDK支持宽表、时序和消息模型。此外还有.NET、PHP等语言的SDK。不过，不同SDK对不同功能的支持程度存在差异，比如通道服务目前只有Ja va和Go SDK支持，Python和Node.js SDK暂时还不支持。

下面是一些常用SDK的安装方式。如果你的Ja va项目使用Ma ven构建，在pom.xml里添加以下依赖：

对于非Ma ven项目，可以手动下载SDK的JAR包并导入到项目中。Python SDK通过pip安装：

Node.js SDK通过npm安装：

Go SDK通过go get安装：

4. 客户端初始化

安装好SDK之后，就要初始化客户端了。初始化时需要传入三个核心参数：Endpoint（实例访问地址）、AccessKey ID和AccessKey Secret。这里给出各语言SDK的初始化示例。

Ja va SDK客户端初始化：

Python SDK客户端初始化：

Node.js SDK客户端初始化：

Go SDK客户端初始化：

客户端初始化成功后，就可以进行后续的数据表创建、数据读写等操作了。

5. 数据表操作

在表格存储中，数据表是数据存储的基本单元。创建数据表时需要定义表的主键结构。主键由一个或多个主键列组成，每列需要指定数据类型，比如STRING、INTEGER等。和关系型数据库不同，表格存储的数据表不需要预先定义属性列的schema，每行可以有不同的属性列，这为灵活的数据模型提供了极大的便利。

以下是Ja va SDK创建数据表的示例：

Python SDK创建数据表的示例：

Node.js SDK创建数据表：

创建表之后，你可以通过describeTable接口查询表的元数据信息，包括主键结构、预留吞吐量、Stream配置、加密设置和二级索引等。如果某张表不再需要，可以使用deleteTable接口删除它。

6. 基础数据操作

表格存储的基础数据操作包括写入、读取和删除。写入数据支持单行插入（putRow）、批量插入（batchWriteRow）和更新行（updateRow）。读取数据支持单行读取（getRow）、批量读取（batchGetRow）和范围读取（getRange）。

6.1 写入数据

单行插入就是往数据表里写一行数据。插入时需要指定完整的主键值，并可以设置任意数量的属性列。来看一个Ja va SDK的单行插入示例：

对应的Python SDK单行插入：

批量写入可以一次操作多行数据，非常适合数据迁移或批量导入场景。

6.2 读取数据

单行读取通过完整的主键值获取一行数据。读取时，你可以指定需要返回的属性列名称，或者指定只返回特定版本范围的数据。

范围读取则可以按照主键范围获取多行数据：

6.3 更新与删除

更新行可以添加、修改或删除指定行的属性列。更新操作支持原子性的条件更新，只有当你设定的条件满足时才会执行。删除行就简单了，指定完整主键即可删除整行数据。

7. 多元索引

多元索引是表格存储提供的一个高效查询能力，支持丰富的查询类型。通过多元索引，你可以实现全文检索、向量检索、模糊查询、范围查询、多条件组合查询等复杂操作。它的创建和使用非常灵活，你可以在已有的数据表上创建多个索引，每个索引可以包含不同的字段和查询配置。

多元索引的核心优势在于强大的查询能力和高效的检索性能。和传统的主键查询或二级索引不同，多元索引基于倒排索引和列式存储技术，能够在大规模数据集上实现毫秒级的复杂查询响应。在AI应用场景中，多元索引的向量检索能力尤为突出，支持基于向量相似度的语义检索。

创建多元索引时，需要指定索引名称、索引字段以及字段类型（比如KEYWORD、TEXT、LONG、DOUBLE、BOOLEAN、GEO_POINT、VECTOR等）。对于TEXT类型的字段，系统会自动建立分词索引，方便全文检索。对于VECTOR类型的字段，可以指定向量维度，用于向量相似度检索。索引创建后，数据表的新增、修改、删除操作会自动同步到索引中，你不需要手动维护索引数据。

8. 通道服务

通道服务是建立在表格存储数据接口上的一个全增量一体化服务。它提供了增量、全量、增量加全量三种类型的分布式数据实时消费通道。通过为数据表建立数据通道，你可以实时订阅表中的数据变更，从而实现数据同步、实时计算、事件驱动等应用场景。

这三种类型各有用途。全量类型用于消费表中已有的全部历史数据。增量类型只消费通道创建之后写入的新数据。增量加全量类型则先消费全量历史数据，然后自动切换到增量模式消费新数据。一张数据表上可以创建多个通道，每个通道独立消费数据。

使用通道服务时，需要留意一些限制。通道的增量日志保留时间与数据表中Stream的日志过期时长保持一致，最长是7天。当通道处于全量阶段时，如果全量数据在增量日志保留时间内没有完成消费，会触发OTSTunnelExpired错误。当通道处于增量阶段时，如果增量数据在7天内未能完成消费，通道可能会从最近可消费的数据处开始消费，存在漏消费数据的风险。通道过期后，表格存储可能会禁用该通道，如果禁用状态持续超过30天，通道会被彻底删除。

下面是用Ja va SDK创建通道的简要示例：

创建通道后，可以通过TunnelWorker来消费通道中的数据。TunnelWorker需要注册一个IChannelProcessor接口的实现，用于处理从通道中读取到的每条数据记录。

9. 时序模型

时序模型是表格存储针对时间序列数据特点专门设计的。在时序模型中，采用一张二维的时序表来存储时序数据。每行代表一个时间轴在某个时间点的数据，主键部分为时间轴标识和时间戳，数据列部分是该时间轴在该时间戳下的数据点。时序表的主键结构和数据列结构不需要用户预定义，灵活性非常高。

使用时序模型时，首先需要创建时序表。可以通过控制台、命令行工具或SDK完成。创建时序表时，需要指定时序表的名称、时间轴标识字段和时间戳字段。创建完成后，就可以写入时序数据了。时序数据由元数据和数据两部分组成，如果未预先创建元数据，系统会根据写入的数据自动提取。

时序模型支持通过SDK进行时间轴检索和时序数据查询。时间轴检索可以根据条件筛选符合要求的时间轴；时序数据查询可以按时间范围、标签条件等检索特定时间序列的数据点。典型的应用场景包括物联网设备监控、服务器性能监控、工业设备数据采集等。

用一个Python SDK的示例来说明：

10. 与大数据生态集成

表格存储与阿里云大数据生态的集成能力相当不错。通过DataWorks数据集成，可以实现Tablestore与MySQL、Oracle、MaxCompute、OSS等多种异构数据源之间的数据迁移与同步。在DataWorks中，你只需要添加Tablestore数据源，就能配置数据同步任务，实现数据库迁移到表格存储、表格存储跨实例迁移、表格存储数据备份到OSS或MaxCompute等场景。

与实时计算Flink版的集成，可以实现对表格存储数据的实时采集与处理。实时计算Flink版内置了Tablestore连接器，你可以把它作为源表、维表和结果表使用。作为源表，可以实时消费表格存储通道服务中的数据；作为维表，可以在流式计算中实时关联查询表格存储中的维度数据；作为结果表，可以将流式计算结果实时写入表格存储。

一个使用Flink SQL操作Tablestore的示例：

此外，Tablestore还支持通过Spark计算引擎进行数据分析。通过Spark的DataFrame API，你可以对表格存储中的数据进行批量分析和流式处理。这种集成方式让Tablestore不仅是一个高性能的在线数据库，也能作为数据湖分析架构中的存储层。

11. 最佳实践

在实际使用表格存储的过程中，有一些最佳实践可以帮你显著提升系统的性能、可用性和成本效益。

主键设计是整个表设计中最关键的部分。表格存储会按分区键范围自动将数据切分到多个服务节点。如果分区键选得不好，很容易导致热点、数据倾斜或扩展瓶颈。建议选择离散度高、分布均匀的字段作为分区键。如果业务主键本身不具备良好的离散性，可以考虑将多个字段拼接成分区键。同时，建议表中同一个分区键值下的数据量不要超过10GB。

属性列设计方面，要避免存储过大数据，比如超过1MB的文本或二进制数据。这类数据建议存入OSS，然后用URL引用。对于经常用于查询过滤的属性列，可以考虑纳入多元索引，来提升查询效率。

成本控制方面，表格存储提供了多种优化手段。首先，合理设置预留吞吐量，避免过度预留造成浪费。其次，利用TTL（数据生命周期）自动过期删除不再需要的历史数据。对于时序数据这种冷热分明的数据，可以通过表格存储的冷热分层存储功能，将早期数据自动转移到低成本存储介质上。

安全性方面，始终建议使用RAM用户的AccessKey。通过RAM Policy可以实现细粒度的权限控制，包括对特定实例、特定表的访问控制。此外，还可以结合Network ACL和Instance Policy等多层安全机制，构建全方位的安全防护体系。

12. 常见问题解答

问：表格存储和传统关系型数据库的主要区别是什么？

答：表格存储是NoSQL数据库，采用Schema-free设计，不需要预先定义所有列，每行可以有不同属性列。它天然支持水平扩展，适合海量数据和高并发场景。而传统关系型数据库需要预先定义表结构，在数据量极大时扩展性受限。

问：如何选择VCU模式和CU模式？

答：VCU模式（预留模式）适合业务负载相对稳定的场景，通过预留计算单元保障性能，成本可预测。CU模式（按量付费）适合业务负载波动较大的场景，按实际使用的读写吞吐量计费，更灵活经济。

问：多元索引和全局二级索引有什么区别？

答：全局二级索引是基于主键的索引，主要用于加速基于非主键列的查询，查询结果返回完整的行数据。多元索引支持更丰富的查询类型，比如全文检索、向量检索、范围查询、多条件组合等，基于倒排索引实现，查询能力更强，但索引创建和更新有一定延迟。

问：通道服务的数据消费延迟大概是多少？

答：通道服务的数据消费延迟通常在秒级以内，具体取决于数据量、网络条件和消费端的处理能力。但需要注意，通道的增量日志保留时间最长为7天，如果消费不及时可能导致数据丢失。

问：表格存储支持跨账号访问吗？

答：支持。跨账号访问Tablestore实例时，如果使用VPC地址访问，需要与Flink等计算引擎位于同一地域，且AccessKey需要填写Tablestore实例所在账号的AccessKey。也可以通过RAM角色的跨账号授权方式实现。

问：如何监控表格存储的使用情况和性能？

答：表格存储提供了丰富的监控指标，包括存储量、读写吞吐量、请求延迟、请求次数等。可以在阿里云控制台的云监控服务中查看这些指标，也可以设置告警规则，在指标异常时及时收到通知。