阿里云实时数仓 Hologres 在最新的 TPC‑H 3TB 测试中。以约 3000 QphH 的成绩位列官网榜单第一，领先第二名约10%。怎么说呢，Hologres 的性价比为CNY/千QphH 仅 0.05 元远低于同类程序。让公司在获得极速查询速度的同时显著降低了运营成本。

这份成绩经过 TPC 官方认证审计员、InfoSizing 的 Doug Johnson 独立审核。完整披露报告已在 TPC 官网公开，任何人均可查阅与复核。

图：TPC‑H 3TB Performance Results 页面截取于 2025 年 7 月。

从再度登顶来看，公开可复核的性能验证

这并不是 Hologres 第一次站上榜首。早在 2021 年，它就以≈4000 QphH 成绩夺得全球第一，在 TPC‑H 30TB 测试中领先第二名约15%. 四年后在更贴近公司实际部署规模的 3TB 大小上 登顶。将优势从15%扩大到25%. 对于主要分析业务数据量级落在此区间的大多数公司而言，这一差距代表着更快的数据处理、更低延迟和更少的硬件投入。

使用者痛点一这方面。传统数据仓库往往需要购买大量服务器才能满足大规模并发查询，却无法保证资源利用率；使用者痛点二：高延迟导致实时报表难还有时更新，影响业务决策。

说到方法，资源调度和算子并行度提高。使得相同硬件配置下查询速度提高至少半个身位以上，同时保持单位成本最低。

说到从性能到成本，让分布式计算更高效

从痛点三来看。复杂 SQL 执行过程中无效数据扫描占用大量网络与 I/O 带宽； 话说回来，痛点四：实时写入与高并发查询共存时容易导致资源争抢。引发程序不稳定，按理说，

计算资源利用率

Pandas-style 列式批处理让算子间的数据流动更轻量化。大量计算直接在轻量编码的数据上完成；

减少无效数据处理

Aggressive Runtime Filter 与 TopN 下推机制提前剔除不必要的数据扫描；老实说，调整器利用历史执行真实分布修正代价估算。为复杂查询自动挑选最优执行计划，从而降低网络交换和中间结果膨胀带来的开销。

降低多负载干扰

Synchronized Query Thread Pool 与 Resource Group 分离。多集群横向 与负载自动调度相结合，为实时写入、经营大盘、固定报表及即席分析提供独立执行空间，即使在高并发环境下仍保持程序稳定。

从榜单回到真实业务

痛点五的观点是。测试环境中的跑分常常与生产环境差距大，很难判断实际收益；痛点六：缺乏统一且可复核的性能基准，使得评估过程缺乏透明性。

Hologres 在多表关联、多维聚合和报表分析方面所带来的显著延迟降低和吞吐量提高——同等条件下可实现 **25%** 的速度加速，并将成本压至 **CNY/千Qph** 最低水平。怎么说呢，

写在最终

自从 2021 年 30TB 测试以来Hologres 一直保持处于前列。并继续调整执行引擎、调整器与并发架构，为实时数仓、交互式分析和湖仓一体化场景提供坚实技术支撑。两次经得起审计验证的成绩，不仅证明其强劲性能。更凸显了对 **低延迟、高吞吐、低成本** 的承诺，是公司数字化转型的不二之选。

• 已服务超千家公司，包括手游开发商、牧原集团、曹操出行、乐元素、众安保险、零跑科技等领域领袖。