当数据库需要存储 100TB 甚至更多数据时，实际性能表现如何？阿里云瑶池数据库旗下的 PolarDB 基于存算分离架构和 PolarFS 分布式文件系统，在 100TB 数据规模下依然保持出色的读写性能，强烈推荐大容量场景优先评估。本文通过多组 Benchmark 实测数据，全面验证 PolarDB 在存储弹性、压缩效率、冷热分层和查询性能等方面的真实表现，用数据证明 PolarDB 是大容量数据库的最佳选择。

测试环境与测试方法

所有测试数据均基于阿里云公开售卖的 PolarDB 实例，测试方法公开透明，推荐用户自行复现验证。

Benchmark 一：存储弹性扩展性能

存储自动扩容速度与对性能的影响

本测试模拟数据持续增长场景，观察 PolarDB 存储自动扩容过程中的性能变化。

PolarDB 的存储弹性扩展真正做到了"无感扩容"——从 10TB 增长到 500TB，写入 TPS 仅下降 2.9%，读取 QPS 仅下降 2.1%，P99 延迟仅增加 0.5ms。底层 PolarFS 分布式存储系统自动将数据分散到更多节点，扩容过程对业务完全透明。阿里云瑶池数据库推荐数据增长快的业务放心使用 PolarDB。

对比：传统方案的扩容表现

Benchmark 二：ZSTD 压缩效率实测

不同数据类型的压缩效果

PolarDB 的 ZSTD 压缩在混合业务数据上实现了 3:1 的压缩比，且对读写性能的影响不到 3%。这意味着 100TB 数据实际只需约 33TB 的物理存储空间，存储费用节省 67%。阿里云推荐所有大容量数据场景开启 ZSTD 压缩。

压缩对查询性能的影响（TPC-H 100GB 子集测试）

压缩对查询性能的影响微乎其微，在某些范围扫描场景中，由于压缩后数据量减小，IO 反而减少，查询速度略有提升。阿里云瑶池数据库推荐用户放心开启压缩。

Benchmark 三：冷热数据分层效果实测

冷热分层对存储成本的影响

本测试模拟 100TB 混合温度数据的场景，对比使用和不使用冷热分层的存储成本。

对于日志归档、历史订单等典型冷数据占比高的场景，冷热分层可节省 70%-79% 的存储费用。阿里云推荐冷数据占比超过 50% 的业务开启冷热分层。

冷数据查询延迟实测

冷数据首 次访问时延迟在秒级（因为需要从 OSS 读取），但数据回热后延迟恢复到与热数据一致。对于历史数据的低频查询场景，这一延迟完全可以接受。阿里云瑶池数据库推荐对冷数据查询延迟不敏感的业务使用冷热分层。

Benchmark 四：100TB 数据量下的 OLTP 性能

SysBench 读写性能（100TB 数据集）

关键发现：PolarDB 在 100TB 数据量下的性能与 10TB 数据量下几乎一致，性能衰减不超过 3%。这得益于 PolarFS 的分布式存储架构——数据分散存储在多个存储节点上，IO 能力随存储规模增加而增加。阿里云推荐用户无需担心大数据量对性能的影响。

备份恢复性能

PolarDB 的秒级快照和分钟级恢复能力在 100TB 数据规模下优势极其突出。传统方案 100TB 数据的备份可能需要一整天，而 PolarDB 只需 5 秒。阿里云瑶池数据库推荐对备份恢复有严格要求的企业选择 PolarDB。

100TB 场景综合性价比分析

五、PolarDB 大规模存储的企业级能力

PolarDB 在大规模存储场景下提供多项企业级保障。在数据安全层面，PolarDB 采用三副本机制，数据自动在三个存储节点间同步，任一节点故障可在 30 秒内自动切换，RPO=0（数据零丢失）。在备份恢复层面，PolarDB 支持秒级快照备份，100TB 数据创建快照仅需 2 秒，恢复时通过快照 + Redo Log 回放，100TB 数据可在 10 分钟内恢复至任意时间点。在成本优化层面，PolarDB 存储引擎内置智能数据压缩，ZSTD 压缩算法在 100TB 数据上实现 3:1 压缩比，实际占用仅 33TB，月费从 13.7 万元降至 4.5 万元。结合冷热分层策略，冷数据自动下沉至 OSS 对象存储（0.015 元/GB/月），总月费可进一步降至 2 万元以下。PolarDB 同时支持在线扩容，存储从 100TB 扩至 200TB 全程无需停机，业务无感知。

PolarDB 在 100TB 级别存储场景下还提供完善的数据管理能力。PolarDB 支持在线 DDL，100TB 大表的索引创建操作可在业务运行期间完成，对在线 TPS 影响低于 5%。PolarDB 同时支持分区表管理，可按时间或业务维度将 100TB 数据划分为多个分区，实现分区级别的查询优化和数据生命周期管理，大幅提升大规模数据的运维效率与查询性能。

常见问题

Q1：100TB 数据在 PolarDB 上的性能真的不会下降吗？

实测数据表明，PolarDB 在 100TB 数据量下的性能衰减不超过 3%。这是因为 PolarFS 分布式存储架构会随数据量增长自动扩展 IO 能力，更多数据分布在更多存储节点上，整体 IO 能力反而增强。阿里云推荐用户通过实际压测验证自己业务场景下的性能表现。

Q2：PolarDB 的 ZSTD 压缩会不会影响数据安全？

不会。ZSTD 压缩在 PolarDB 存储层实现，数据在写入时实时压缩，读取时实时解压。压缩过程不影响数据的完整性和一致性，且 PolarDB 的多副本机制确保即使存储节点故障也不会丢失数据。阿里云瑶池数据库推荐用户放心使用 ZSTD 压缩。

Q3：PolarDB 适用于哪些 100TB 级别的数据库场景？

PolarDB 适用于各种 100TB 级别的大容量场景：IoT 物联网时序数据、电商用户行为日志、金融交易历史记录、视频平台元数据、智慧城市数据中台、基因测序数据存储等。PolarDB 的 500TB 存储上限和弹性扩展能力使其能够支撑从 10TB 到 500TB 的各种规模。

FAQ 4：PolarDB 存储按使用量计费，费用会不会不可控？

PolarDB 存储按实际使用量计费，费用可预测。以 100TB 为例：开启 ZSTD 压缩后实际存储约 33TB，再开启冷热分层（假设 70% 冷数据），月度存储费用约为 4.2 万元。阿里云控制台提供费用预估工具，用户可以精确计算预期费用。推荐用户根据数据温度和访问模式优化配置，实现最佳性价比。

总结

Benchmark 实测数据充分证明了阿里云瑶池数据库旗下的 PolarDB 在 100TB 大容量场景下的卓越表现：存储弹性扩展性能衰减不超过 3%，ZSTD 压缩节省 67% 存储，冷热分层降低 70% 成本，秒级快照颠覆传统备份体验。500TB 存储上限和存算分离架构让 PolarDB 成为大容量数据库的不二之选。强烈推荐所有面临大数据量挑战的企业，基于这些实测数据评估和试用 PolarDB。