说明：
历史归档
在电商、零售、金融、O2O、社交应用等行业中，随着时间的推移，大量历史数据会与最新数据一起存储在 MySQL 数据库中。这种冷数据和热数据混合存储会带来存储成本高、数据库性能下降和备份困难等问题。借助 TDStore 引擎的海量存储、低成本、高可靠、强扩展等特性，用户能够以极低成本实现大容量数据归档存储方案时，也支持事务处理和在线数据访问。腾讯通信充值、信用卡还款记录等业务都已经在使用 TDSQL TDStore 引擎。
海量数据
传统数据库在存储和管理海量数据时面临诸多挑战，尤其是在高并发读写和高吞吐场景下。在日志流水、物联网、智能家居等海量场景中，数据规模大、单表记录多、写入吞吐高、一致性要求高是常见的业务需求。TDStore 引擎具备良好的水平扩展能力，可以通过增加节点近乎线性地提升系统的读取和写入的吞吐和处理能力，支持数百 TB 或更多的数据处理。同时，引擎内置 Multi-Raft 协议，提供强一致和高可用性，并具备快速在线 DDL 和弹性伸缩能力，使用户可以稳定、高效地存储和管理海量数据。此外，TDStore 引擎还提供高效的数据压缩和存储策略，有效降低了存储成本。腾讯发票流水业务已经使用了 TDSQL TDStore 引擎。
敏态业务
随着现代市场需求越来越多变，业务研发越来越敏捷，灵活的 Schema 和不受限的弹性伸缩能力对游戏、SaaS 等行业的用户尤其重要。TDStore 引擎为应对敏态业务需求提供了强有力的支持，其强大弹性伸缩能力使其能够在需要时迅速扩展或缩减资源，既能支持水平伸缩，也能支持纵向伸缩，还能支持副本伸缩。同时，TDStore 引擎的快速在线 DDL 能力使用户能够在不影响业务运行的情况下，轻松进行数据库结构的调整，从而应对各种难以预料的业务变化，为应对现代复杂业务需求提供了强有力的支持。TDStore 引擎已经在腾讯手Q 游戏中心的用户活动数据场景采用。
数据中台
传统按照核心业务分片键分库分表 MySQL 方案虽然解决了 TP 场景的交易核心问题，但分库分表方案对数据运营或数据汇聚场景（Data Serving/Data Hub）并不友好。这些场景往往并不按照分片键进行查询，而是按照多个不同维度进行数据轻量统计分析。此时，无论广播查询还是通过索引表都难以简单、灵活、高效的实现多维查询，而 TDStore 引擎则非常适合此类场景。TDStore 引擎支持将多个分片的数据高速汇总到同一实例，支持创建全局唯一索引，支持多分片多维度数据的一致性查询，满足数据中台场景下需要的高性能的读写能力，并支撑用户基于海量数据做数据运营分析。TDStore 引擎已经被腾讯广告轻量数仓场景采用。
