Teryx是DATATOM基于GPDB开源数据库研发的为OLAP场景服务的数据库引擎。其具有高扩展性、高可用性、并行处理分析等特点。并支持便捷化的多数据源导入导出。并提供PostGis地图数据存取和分析，提供MADlib机器学习裤，让海量数据中隐藏的价值得到更深程度的挖掘与利用。
通过该架构，数据将被切片分布到各个数据节点。并且各节点间没有任何共享依赖，从而实现对海量数据高效处理与分析。
支持数据的行、列混合存储，及多层次的表分区。为数据的存储方案提供灵活而多样的选择。
支持多样的压缩方式，让需求性能和需求压缩比的方案都有相应的选择。从而节省存储空间，提升相应的I/O性能。
通过内置的工具，让Teryx引擎支持来自不同数据库的数据源，并能够便捷、高效的对数据进行装载。
Primary/Mirror镜像保护机制以及从主节点的机制，让系统的高可用性得到了保证。同时提供的数据备份功能，能够帮助用户回复丢失的数据。
拥有极佳的扩展性，支持上百台服务器作为数据节点，从而实现海量离线数据的高效处理与分析。
支持行、列混合存储
支持方便简单的扩容方式
支持各主流数据库的高效导入和导出
支持多种类的数据压缩方式
在任意外部数据源上并行运行常规SQL进行访问，并支持丰富的访问接口及第三方工具
高效并行的数据备份&还原
支持多级的分区表操作
支持最新至SQL2003标准，并包括 SQL 2003 OLAP 扩展项
支持PostGis地图分析，以及MADlib机器学习库等插件和库
teryx的MPP架构提供了一种对结构化/半结构化数据优秀的数仓解决方案。能够快速、精确的挖掘出海量数据中深藏的价值，为用户的提供可靠的数据分析结果，帮助用户施行决策方案。
MPP大规模并行处理架构，让teryx的每个数据节点都可以有独立的磁盘存储和内存系统。并且其非共享集群的特性，让各数据节点能够独立的对部分海量数据进行计算，帮助用户缩短数据运算时间。
随着物联网、共享单车等行业对地理信息的需求与应用程度逐渐提高，GIS开始越来越多的被应用到各行各业中。而搭配postgis扩展的teryx则可以快速的筛选所需地理信息，并且还可以从OLTP应用产生的历史数据中挖掘出类似于繁忙路段、人员流动趋势等具有重要价值的信息。
随着阿尔法狗、自动驾驶等的出现，人工只能开始越来越多的出现在我们的生活中。机器学习作为一个核心技术，除了核心的算法之外，生成算法需要大量的训练数据和测试数据。Teryx支持各类机器学习软件接入，可以作为存储、维护、管理这些海量数据的稳定存储环境。
.png)
