第八届数据技术嘉年华大会近日在北京举办。数据技术嘉年华大会的发起是由Oracle的ACE计划鼓励和遴选了一批技术专家,希望能与参会者一起探索、研究、分享来推动数据库技术和应用的发展。今年大会一如既往的聚集Oracle ACE众多专家,为大家呈现他们一年以来的所思、所想和所得。
从商业数据库时代到开源数据库时代再到云数据库时代。今天众多云企业、云厂商,基础在业上云上重构了数据库的运行、形态。同时今天的数据库环境面临着更多的问题,包括数据库运行过程中面临着环境复杂没有一个统一的标准的问题;数据库资源申请过程缓慢造成的资源浪费、响应时间长的问题;还有运维的问题,数据库运维水平低;以及在从商业软件到开源数据库等新技术使用时遇到很多不可预测的问题等等。
在第八届数据技术嘉年华大会上,至顶网采访到了云和恩墨产品研发部总经理熊军,他分享了今天的云数据库时代,企业如何构建基于PaaS平台的高可用数据环境。
熊军,是负责云和恩墨的整个产品研发,2015年荣获Oracle数据库领域的最高技术荣誉 Oracle ACE 总监,超过10年的Oracle数据库经验,独立研发Oracle数据库字节级恢复软件ODU已为国内外用户挽救超过1PB数据。
众所周知,今天数据库有四个最关键的要素,安全性、可用性、可靠性以及效率。
熊军分享了自己对于如何构建更高可用性的数据库的理解。首先基础架构上要做到标准化,从系统架构、数据架构设计到底层存储架构的设计规划,实现一个统一的标准;同时要构建从安装部署、高可用容灾到应用SQL的建设质量的高可用架构;同时要构建自动化和智能化运维系统。
对于数据库运维来讲,要实现数据库的基本特性有有很多的运维工作要做。包括安装部署、性能优化、维护管理、技术支持、每天巡检等,仅仅安装部署就包括安装生产数据库、安装开发测试库、开发测试导数据、打临时补丁、升级数据库、数据库迁移等多项工作。
所以今天迫切需要从传统手工转向自动化和智能化运维系统。基于此,云和恩墨推出zCloud平台是多种数据库的统一运维管理的云管平台,致力于帮助用户从前端应用到中层数据库、后端基础设施,能够全面的去改善基础运维工作,让整个基础运维工作,端到端的走向自动化和智能化。
zCloud多数据库统一管理通过标准化、自动化和智能化实现高可用数据库。
标准化,从管理一种数据库到管理十种数据库,用统一的方法、统一的界面、统一的工具去实现自动化。
第二,自动化,通过可配置的流程,然后自动的切换,可视化的同步管理和自动化的切换。自动安装部署数据库,自动安装补丁 升级数据库软件、通过最佳实践配置标准化安装,根据业务等级自动配置集群、容灾、多机房高可用等自动安装部署来实现标准化。
第三,智能化。智能化的数据库分析、索引、建议。当发现一个数据库存在一个问题的时候,会自动分析给出你应该创建什么样的索引,收集什么样的统计信息去促进它的执行效果。这是向智能分析智能优化方面的改进。
今天在数据架构上,数据环境不断复杂化,数据库多样化,熊军认为,今天在IT建设应该以平台化为基础,理应当打造一个能纳管多种多样数据库产品的PaaS平台, 所以云和恩墨采用分布式弹性扩展,通过分布式X86架构去以低价、高性能去加速、支撑高可用的数据环境。
“有了这样的基础之后,才能考虑如何通过整合分析去洞悉数据价值,去让数据流动起来,让数据的价值呈现出来,这也是云和恩墨未来的使命。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。