PolarDB PostgreSQL版（以下简称 PolarDB-PG）是一款阿里云自主研发的企业级数据库产品，采用计算存储分离架构，兼容 PostgreSQL 与 Oracle。PolarDB-PG 的存储与计算能力均可横向扩展，具有高可靠、高可用、弹性扩展等企业级数据库特性。同时，PolarDB-PG 具有大规模并行计算能力，可以应对 OLTP 与 OLAP 混合负载；还具有时空、向量、搜索、图谱等多模创新特性，可以满足企业对数据处理日新月异的新需求。
三、遇到的问题【 业务数据量不断增加】
数据仓库的初衷需求，一个原因主要是数据空间不够用，一个原因是资源竞争，交易应用和分析应用都在一个容器，当任务分派对数据进行使用，两者就会发生竞争关系，导致互相影响，严重会发生交易失败或者分区进程无法获取足够的资源。
所以数据仓库 面对的问题是 业务中的数据需要一个独立的分析环境满足不断膨胀的业务需求。为了满足客户的需求和时代的节奏，数据仓库也演进迭代了多个版本，现在的数据仓库在数据采集、数据传输、数据转换、数据同步、数据存储有了自己的个性化的打造和成熟的技术实现方式。一直秉承传统没有变化的是，数据反复ETL，不停的进行ETL。随着数据进一步的增长，ETL方案的基础上产生了ELT。再随着数据再进一步的增长，产生了数据复制技术。下面我们图示三种技术的区别。
总结三种技术的共性，打通数据孤岛之间的壁垒，底层技术都是数据传输搬送，ETL是先把数据处理后再传输，而ELT是先传输后再处理，即使是数据复制，它能识别数据源的增量变化数据的，也要把数据放到管道 ，根据设定的程序，源源不断同步到目标端，确认数据持久化后才能进一步的处理。三种数据集成模式，各有各的特点和优势。在不同的业务场景，三种模式可以交替使用，互相弥补不足。
大数据时代，数据增长速度远超人们想像，我们说4V ，规模性、多样性、高速性、价值性。 传统的数据集成方式 数据传输和搬送毕竟存在损耗，而且处理流程启动笨重耗时。为了解决数据孤岛问题，把所有的孤岛都装入一个大岛里面，随着业务应用的增多，大岛又变成另外一个数据孤岛。
有没有一种系统架构简洁、访问入口统一、系统集成度更好的解决方案呢？中小企业更偏好什么样的数据库。
