實時歷史庫需求背景
在當今的數字化時代，隨着業務的迅速發展，每天產生的數據量會是一個驚人的數量，數據庫存儲的成本將會越來越大，通常的做法是對歷史數據做歸檔，即將長期不使用的數據遷移至以文件形式存儲的廉價存儲設備上，比如阿里雲OSS或者阿里雲數據庫DBS服務。
然而在部分核心業務的應用場景下，針對幾個月甚至幾年前的“舊”數據依舊存在實時的，低頻的查詢甚至更新需求，比如淘寶/天貓的歷史訂單查詢，企業級辦公軟件釘釘幾年前的聊天信息查詢，菜鳥海量物流的歷史物流訂單詳情等。
• 如果這時從歷史備份中還原後查詢，那麼查詢時間將會是以天爲單位，可接受度爲0
• 如果將這些低頻但實時的查詢需求的歷史數據與近期活躍存儲在同一套分佈式數據庫集羣下，那麼又會帶來以下兩大挑戰
- 存儲成本巨大，進而導致成本遠大於收益，比如釘釘聊天信息數據量在高度壓縮後接近50PB，很