Отчёт по продажам за три года, скоринг клиентов, план-факт по филиалам, витрина для BI — всё это аналитическая нагрузка. Она устроена иначе, чем работа учётной системы: запросов немного, но каждый перебирает миллионы и миллиарды строк. Обычная транзакционная база с такими запросами справляется плохо, поэтому компании строят отдельное хранилище данных.
По данным ЦСР, на аналитические СУБД приходится 38% российского рынка систем управления базами данных. После ухода Teradata, Vertica, SAP HANA и Oracle Exadata этот сегмент заместили быстрее, чем многие ожидали. Российские вендоры предлагают MPP-хранилища, колоночные базы, lakehouse-платформы и гибридные системы для аналитики в реальном времени.
В обзоре — 12 российских решений для DWH и аналитики. Они сгруппированы по архитектуре, внутри групп — по алфавиту; это не рейтинг. Как соотносятся аналитические и транзакционные СУБД и какой класс выбрать под задачу, описано в хаб-статье о российских СУБД on-premise.
- Архитектуры аналитических СУБД: MPP, колоночные, HTAP, lakehouse
- Обзор российских аналитических СУБД
- MPP-хранилища данных
- Arenadata DB (ADB)
- RT.Warehouse
- Колоночные СУБД на основе ClickHouse
- Arenadata QuickMarts (ADQM)
- Platform V DataMarts
- RT.WideStore
- Lakehouse и разделение хранения и вычислений
- CedrusData
- Postgres Pro AXE
- Tengri Data Platform
- Аналитика в реальном времени
- Tarantool Column Store
- Tantor PipelineDB
- Аналитические СУБД в составе платформ
- LimeDB
- Platform V OLAP Analytics
- Сравнительная таблица
- Как построить DWH на российском стеке
- На что обратить внимание при выборе
- Заключение
Архитектуры аналитических СУБД: MPP, колоночные, HTAP, lakehouse
Все российские аналитические СУБД решают одну задачу — быстро считать по большим объёмам, — но делают это по-разному. Для заказчика архитектура важнее бренда: от неё зависят скорость запросов, стоимость масштабирования и то, насколько свежие данные попадут в отчёт.
| Архитектура | Как работает | Когда подходит |
|---|---|---|
| MPP | Запрос делится на части и выполняется одновременно на десятках серверов, каждый обрабатывает свою долю данных | Корпоративное хранилище на сотни терабайт, сложные соединения больших таблиц |
| Колоночная | Данные хранятся по столбцам: запрос читает только нужные поля, данные хорошо сжимаются | Витрины, дашборды, логи, телеметрия, быстрые агрегаты |
| HTAP | Одна система принимает транзакции и сразу строит по ним аналитику, без ETL | Антифрод, скоринг, оперативная отчётность |
| Lakehouse | Данные лежат в объектном хранилище в открытых форматах, вычисления масштабируются отдельно | Много команд аналитиков, неравномерная нагрузка, ML |
Авторы исследования «Отечественные СУБД для DWH — круг Громова 2026», которые проанализировали более 20 российских решений, фиксируют переход к HTAP, разделению хранения и вычислений и гибридным OLAP-архитектурам. Главным препятствием они по-прежнему называют миграцию с западных систем.
Обзор российских аналитических СУБД
В обзор вошли 12 продуктов, которые российские вендоры поставляют как самостоятельные аналитические СУБД или как ядро платформы данных. Мы разделили их на пять групп: MPP-хранилища, колоночные СУБД на основе ClickHouse, lakehouse-решения, системы для аналитики в реальном времени и аналитические движки внутри прикладных платформ.
Для каждого продукта указаны основа, ключевые сценарии и наличие сертификата ФСТЭК — эти параметры чаще всего определяют, попадёт ли система в шорт-лист. Характеристики приведены по данным вендоров, поэтому перед выбором их стоит проверить на пилоте с собственными запросами.
MPP-хранилища данных
MPP СУБД — классическая основа корпоративного DWH. Оба продукта группы выросли из Greenplum — открытой MPP-СУБД на базе PostgreSQL. В 2024 году Broadcom закрыл публичные репозитории Greenplum, и российские вендоры продолжили развитие самостоятельно.
Arenadata DB (ADB)
Arenadata DB — MPP-СУБД группы Arenadata на основе Greengage DB, открытого форка Greenplum, который компания запустила в 2024 году под лицензией Apache 2.0. Архитектура shared-nothing: мастер-узел, резервный мастер и сегменты с зеркалами. Поддерживаются строчное и колоночное хранение со сжатием, многоуровневое секционирование и SQL, совместимый с PostgreSQL.
По данным вендора, на поддержке более 300 кластеров общим объёмом свыше 300 ПБ. ADB позиционируется как аналог Greenplum и замена Teradata, Vertica, Oracle Exadata, Netezza и SAP BW. Сценарии — корпоративные хранилища, CRM-аналитика, скоринг, прогнозная аналитика и машинное обучение. Продукт сертифицирован ФСТЭК по 4-му уровню доверия.
RT.Warehouse
RT.Warehouse — MPP-СУБД платформы TData группы «Ростелеком» на основе Greenplum 6. Вендор заявляет хранение до десятков петабайт, параллельный обмен с внешними системами через Platform eXtension Framework и интеграцию с Oracle, MS SQL, PostgreSQL, MongoDB, SAP HANA, Hadoop и S3.
В продукт встроены средства безопасности: шифрование на уровне таблиц и столбцов, ролевой доступ с ограничениями по строкам и столбцам, контроль парольной политики и целостности процедур. RT.Warehouse сертифицирован ФСТЭК по 4-му уровню доверия и может применяться в КИИ и ГИС. Управление кластером — через RT.ClusterManager.
Колоночные СУБД на основе ClickHouse
ClickHouse изначально разрабатывался в «Яндексе», но сейчас правообладатель — американская ClickHouse Inc., и в реестр российского ПО он не входит. Поэтому заказчики, которым нужна колоночная СУБД с российской поддержкой и сертификатом, выбирают коммерческие сборки на его основе.
Arenadata QuickMarts (ADQM)
Arenadata QuickMarts — кластерная колоночная СУБД на основе ClickHouse. От открытой версии её отличают средства мониторинга ADQM Control и ADQM Notebook, автоматизация развёртывания через Arenadata Cluster Manager, установка в закрытых сетях и поддержка 24/7 с эскалацией на разработку.
Сценарии — быстрые витрины и BI, временные ряды, анализ логов и событий, данные финансовых рынков и промышленного интернета вещей. Есть бесплатная Community Edition и коммерческая Enterprise. ADQM сертифицирована ФСТЭК по 4-му уровню доверия.
Platform V DataMarts
Platform V DataMarts — аналитическая СУБД «СберТеха» на основе ClickHouse, которую в мае 2026 года открыли для внешних заказчиков. Продукт рассчитан на обработку больших объёмов в реальном времени: мониторинг операций в высоконагруженных сервисах, многомерную финансовую и коммерческую отчётность, поведенческую и продуктовую аналитику.
Упор сделан на эксплуатацию: установка, обновление, откат, проверки состояния и резервное копирование автоматизированы. По данным вендора, продукт соответствует требованиям финансового сектора к безопасности и ориентирован на банки, ритейл, страховые и телеком-компании, промышленность и госсектор.
RT.WideStore
RT.WideStore — колоночная СУБД TData («Ростелеком») на основе ClickHouse для широких датасетов, потоков событий и телеметрии. Как и RT.Warehouse, продукт получил встроенные модули безопасности — контроль паролей и проверку целостности процедур и конфигураций.
RT.WideStore сертифицирован ФСТЭК по 4-му уровню доверия и подходит для КИИ, ГИС и систем с персональными данными. В связке с RT.Warehouse он закрывает два типовых слоя: MPP-хранилище для сложных расчётов и быстрые витрины для оперативной аналитики.
Lakehouse и разделение хранения и вычислений
Новая группа решений: данные хранятся в объектном хранилище в открытых форматах вроде Apache Iceberg и Parquet, а вычислительные мощности добавляются независимо. Это удобно, когда нагрузка неравномерна и над одними данными работают десятки команд.
CedrusData
CedrusData — движок запросов компании «Кверифай Лабс» на основе Trino, заметно переработанный в ядре: часть операторов переписана на Rust, улучшен оптимизатор, добавлены управляемые материализации и кэширование. Продукт выпускается как CedrusData Engine и CedrusData Platform.
Главная возможность — федеративные запросы: один SQL-запрос может читать данные сразу из нескольких источников, включая Greenplum и Teradata. Это полезно при миграции и в lakehouse-архитектуре на Apache Iceberg. Продукт входит в реестр российского ПО и разворачивается в Kubernetes.
Postgres Pro AXE
Postgres Pro AXE — аналитическая СУБД Postgres Professional на ядре PostgreSQL для объёмов от терабайт до петабайт. Она работает с колоночными таблицами и файлами Parquet, интегрируется с объектными хранилищами и может разворачиваться рядом с Postgres Pro Enterprise, забирая тяжёлую аналитику с рабочих серверов.
Вендор заявляет ускорение сложных запросов до 20 раз относительно Greenplum и до 30 раз относительно обычного PostgreSQL при полной совместимости с его протоколом и инструментами. На момент подготовки обзора продукт готовится к выходу на рынок: условия лицензирования уточняются, доступ предоставляется для тестирования.
Tengri Data Platform
Tengri Data Platform — аналитическая платформа Postgres Professional с раздельными хранением и вычислениями. Данные хранятся в S3 в формате Apache Iceberg, вычисления выполняет эластичный пул серверов в Kubernetes, SQL совместим с PostgreSQL.
Платформа рассчитана на компании, где сотни аналитиков и систем отчётности конкурируют за ресурсы одного хранилища. Она поддерживает подход Data Mesh: команды владеют своими наборами данных и прозрачно делятся ими внутри компании. Tengri включена в реестр российского ПО.
Аналитика в реальном времени
Классическое хранилище обновляется раз в сутки или несколько раз в день. Для антифрода, скоринга и оперативных решений этого мало. По данным CNews, спрос на системы, которые обрабатывают транзакции и аналитику в одной базе, растёт.
Tarantool Column Store
Tarantool Column Store — гибридная колоночная in-memory СУБД VK Tech для транзакционно-аналитической обработки. Данные хранятся в памяти с гарантией сохранности, поддерживаются SQL с агрегатами, оконными функциями и соединениями, шардирование и доступ через Arrow Flight SQL и HTTP API.
Вендор называет сценарии антифрода по истории от часов до месяцев, мгновенного кредитного решения по матрицам из более чем 100 000 вариантов предложений и управленческих дашбордов на объёмах от 10 ТБ. Продукт работает на Astra Linux и РЕД ОС и входит в реестр российского ПО.
Отдельный сценарий — данные для ИИ. Ассистенты и RAG-системы работают точнее, когда опираются на свежие транзакции и статусы, а не на вчерашнюю выгрузку.
Tantor PipelineDB
Tantor PipelineDB — расширение для потоковой аналитики в PostgreSQL и СУБД Tantor. Вместо ETL-конвейера данные агрегируются «на лету» с помощью непрерывных представлений — SQL-запросов, которые постоянно выполняются над входящим потоком и сохраняют только результат.
Поддерживаются окна по времени от секунд до месяцев, соединение потоков с историческими таблицами и вероятностные структуры вроде HyperLogLog для подсчёта уникальных значений. Типовые задачи — подсчёт показов и уникальных пользователей, атрибуция конверсий, перцентили задержек, анализ сетевого трафика.
Аналитические СУБД в составе платформ
Последняя группа — аналитические движки, которые поставляются не отдельно, а как часть прикладной платформы. Их не выбирают как ядро корпоративного хранилища, но они закрывают аналитику внутри конкретного класса задач: процессной аналитики или многомерного планирования.
LimeDB
LimeDB — аналитическая СУБД компании «Инфомаксимум», компонент платформы процессной аналитики Proceset наравне с ClickHouse. Она хранит и обрабатывает данные мониторинга бизнес-процессов и действий сотрудников для BI-отчётности.
Основной сценарий — встроенный аналитический слой для Process Mining и Task Mining: реконструкция реального выполнения процессов, анализ трудозатрат на уровне отдельных действий, автоматизация рутинных решений. Платформа разворачивается только on-premise, работает в изолированном контуре и интегрируется с AD и IAM.
Platform V OLAP Analytics
Platform V OLAP Analytics — решение «СберТеха» для многомерного анализа данных. Оно работает с OLAP-кубами, позволяет рассматривать показатели в разных разрезах, спускаться до деталей и моделировать сценарии «что если» в привычном Excel-подобном интерфейсе.
В обновлении 2026 года кубы и метаданные перенесли в S3-хранилище, добавили прямые запросы к реляционным базам без предварительной агрегации и поддержку ClickHouse. Продукт ближе к аналитическому слою над хранилищем, чем к самостоятельной СУБД, и ориентирован на финансовые, коммерческие и логистические подразделения.
Сравнительная таблица
Данные собраны по материалам вендоров на сентябрь 2026 года.
| Продукт | Вендор | Основа | Архитектура | Сертификат ФСТЭК |
|---|---|---|---|---|
| Arenadata DB | Arenadata | Greengage (Greenplum) | MPP | да, УД4 |
| RT.Warehouse | TData («Ростелеком») | Greenplum | MPP | да, УД4 |
| Arenadata QuickMarts | Arenadata | ClickHouse | колоночная | да, УД4 |
| Platform V DataMarts | СберТех | ClickHouse | колоночная | нет |
| RT.WideStore | TData («Ростелеком») | ClickHouse | колоночная | да, УД4 |
| CedrusData | Кверифай Лабс | Trino | движок запросов, lakehouse | нет |
| Postgres Pro AXE | Postgres Professional | PostgreSQL | колоночная, lakehouse | готовится к выходу |
| Tengri Data Platform | Postgres Professional | собственная | lakehouse | да, УД4 |
| Tarantool Column Store | VK Tech | Tarantool | HTAP, in-memory | да, УД4 |
| Tantor PipelineDB | Тантор Лабс | PostgreSQL | потоковая | да, УД4 |
| LimeDB | Инфомаксимум | собственная | встроенная в платформу | нет |
| Platform V OLAP Analytics | СберТех | собственная | OLAP-кубы | да, УД4 |
Как построить DWH на российском стеке
Одна аналитическая СУБД редко закрывает всю задачу. Типовое корпоративное хранилище данных состоит из нескольких слоёв:
- источники — учётные системы, CRM, биллинг, внешние данные;
- загрузка и интеграция — ETL или ELT, потоковая передача через Kafka;
- озеро данных — сырые данные в Hadoop или S3-совместимом хранилище;
- ядро хранилища — MPP-СУБД или lakehouse с моделью данных;
- витрины — колоночная СУБД для быстрых запросов BI;
- потребители — BI-системы, OLAP, модели машинного обучения.
Для хранилища данных крупные вендоры предлагают весь стек внутри своей экосистемы: у Arenadata это ADB, ADQM, Hadoop и Kafka, у TData — связка RT.Warehouse и RT.WideStore, у Postgres Professional — AXE и Tengri. Единая экосистема упрощает поддержку, но повышает зависимость от одного поставщика, поэтому стоит заранее проверить, насколько открыты форматы данных и интерфейсы.
На что обратить внимание при выборе
| Задача | Что проверить |
|---|---|
| Замена Greenplum, Teradata, Vertica | Совместимость SQL и типов данных, инструменты переноса, опыт вендора в похожих миграциях |
| Витрины и дашборды | Скорость агрегатов на ваших объёмах, сжатие, поддержка вашей BI-системы |
| Аналитика в реальном времени | Задержка от события до отчёта, поддержка UPDATE и DELETE, нагрузка на запись |
| Много команд аналитиков | Разделение хранения и вычислений, изоляция нагрузки, учёт ресурсов по командам |
| КИИ, ГИС, персональные данные | Сертификат ФСТЭК, работа на сертифицированной ОС, установка в закрытом контуре |
Общий чек-лист для любого OLAP-проекта:
- Объём данных сейчас и через три года, число одновременных пользователей;
- Требования к свежести данных: сутки, часы или секунды;
- Совместимость с ETL-инструментами и BI-системой компании;
- Стоимость масштабирования: добавление узлов, память, объектное хранилище;
- Наличие сертификата и поддержки 24/7;
- Пилот на реальных запросах и выгрузке продуктивных данных.
Заключение
Российские аналитические СУБД закрывают все типовые сценарии: MPP-хранилища для ядра DWH, колоночные базы для витрин, lakehouse для больших команд аналитиков и HTAP-системы для решений в реальном времени. Выбор определяется не тем, какой продукт «лучше», а тем, какой слой хранилища нужно построить и насколько свежими должны быть данные в отчётах.
Если нагрузка связана не с аналитикой, а с миллисекундным откликом онлайн-сервисов, стоит посмотреть на статью о highload и специализированных СУБД. А какая задача сейчас главная для вашего хранилища — замена Greenplum, ускорение отчётов или аналитика в реальном времени?