1. 序言

DaaS 数据即服务是一种服务模式，即将数据以服务的形式，向客户提供价值，参与到客户的业务中，它也是软件即服务的一种细分领域。同时DaaS 拥有云计算的通用特点，包括以租代买，按需付费、按用付费。

本文介绍 DaaS 的架构及实现选择，对于拥有大量优质数据资源的企业，可以参考构建起数据业务线，进而实现数据的资产化、价值化。需要说明的是本文中的各种图例仅是逻辑示意，均做了简化。

2. 基础架构

系统由四部分组成，包括：

• 客户基于 API 自研应用，从而实现访问数据的目的。
• API 为数据接口，封装和抽象了数据的定义和许可的数据访问模式。
• 数据服务是 API 功能的具体实现。
• 数据库则存储了原始的数据，当然还有非结构化的数据，如一些图片、视频、专有文件等。

这种架构适合两种情况，一是可信的环境内，二是前期的商业验证阶段，优势是结构简单，实施成本低。

3. +官方应用

很多情况下，客户没有应用开发能力，需要接口上叠加一个轻量级的图形化工具，比如网页、小程序。

4. +应用认证

增加 App认证鉴权之后，能缓解对于API 接口安全的焦虑。借助线下、线上的授权，许可特定的应用来访问特定的接口。

5. +模型

基于对于应用场景的理解，将原始数据进行一定的加工，生成模型数据（间接数据），对外提供模型数据。这将简化客户 app 的开发，同时也在一定程度上保护了原始数据。

6. +脱敏

一些数据不能直接对外，需要一些脱敏处理，可以采用动态脱敏或者静态脱敏。动态脱敏是访问时现进行计算，静态脱敏则是提前完成。

7. +库内计算

传统数据库提供了一些计算能力，比如常见的统计函数、存储过程等。现在的新型数据库的算力越来越强，与其将数据传来传去，受限于带宽，还不如把计算下放到数据库中。同时，这也减少了出库的数据，降低了数据安全风险。

8. +计费

计费有很多种方式，这里提两种，一是在 api 层同步或异步进行计费业务，另一种则是以离线的统计日志数据，生成费用。前者计费及时些，但对于工程能力要求高，同时也会造成接口访问效率的降低；后者系统更健壮，但存在滞后问题，这也可以通过商业措施来解决。

9. +开发

当考虑到开发场景，会增加其他的需求，比如测试环境、生产环境，比如 SDK、开发文档。但最考验技术的还是接口的版本问题。

推荐

阿里云 API 网关是个非常好的学习对象，对于想实现一个 DaaS 系统的朋友，其有很好的借鉴意义。当然与其重复造个*，不如享用当下成型的产品，将精力聚焦于核心业务的开发中。

思考

• 如何做访问加速？
• 如何做高可用？
• 如何做弹性？
• 隐私计算、联邦学习、多方安全计算、可信计算、机密计算是什么？
• 引入这些之后，DaaS架构会如何演进呢？