高并发点查数据库
ParkerDB 是一个面向大规模数据表的在线点查服务，核心场景是将 Hive/Snowflake 等数据仓库中的大表，以 Parquet 形式发布到 AWS S3，再由 ParkerDB 拉取并优化为低延迟、高并发的主键查询服务。它试图替代传统“Spark 读取仓库—Kafka 限流—写入 Cassandra/数据库—缓存加速”的复杂反向 ETL 流程。
官方给出的关键指标较激进：单台中等服务器可处理 20,000 QPS，P99 延迟低于 1ms，且不依赖缓存层。其原理是要求表按主键排序并保存为 Parquet，ParkerDB 构建内存索引，实现 O(1) 磁盘访问。它支持水平扩展，Parker Admin 可负责数据刷新、分区、复制、高可用和负载均衡。查询侧提供 gRPC API endpoint，部署侧提供 Docker、HTTP/gRPC 端口和健康检查说明。
ParkerDB 支持 BYOC，用户可在自有云或本地云运行 Parker 实例，凭证和表数据不发送给 ParkerDB；云端 Parker Admin 主要用于管理实例和数据组织。现有集成集中在 AWS S3、Snowflake COPY INTO、Hive 目录和 Parquet，文档还提到 Iceberg、Delta Lake、Hudi 仍是 TODO。文档结构完整，含架构和配置示例，但 API/SDK 细节、生产 SLA、权限边界和案例仍偏少。
产品处于 beta 阶段，需邮件联系开通和报价；价格按数据规模、查询速率、延迟要求确定，并声称约为同等 DynamoDB 按需容量成本的 20%。BYOC 可申请 30 天临时 license。主要限制是暂不支持实时更新，增量更新也尚未完成；查询模式只适合 key-value/主键点查，不适合复杂检索或多维查询。
它适合拥有大型用户特征表、机器学习特征表、每日/每小时批量更新数据，并需要在线低延迟按 ID 查询的工程团队。若业务需要实时写入、复杂查询或成熟托管 SLA，DynamoDB、Cassandra 或数据库加缓存方案更稳妥。中国访问情况正文未说明；由于依赖邮件开通、AWS S3 和 gRPC 服务，国内团队需额外验证网络连通性、云区域和支付/合同流程。
本测评基于公开资料整理,不构成购买建议,请以 parkerdb.com 官网实际信息为准。
面向大数据低延迟查询，适合技术选型关注。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。