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
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
DeepSeek-AI团队通过强化学习技术开发出DeepSeek-R1系列推理模型,无需人工标注即可自主学习复杂推理。该模型在数学、编程等领域表现卓越,在AIME 2024中达到79.8%准确率,编程能力超越96%人类选手。研究团队还通过知识蒸馏技术将推理能力传递给小模型,使7B参数模型也能超越GPT-4o。这项突破为AI推理能力发展开辟新路径。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
微软研究院推出rStar-Math系统,通过创新的"深度思考"训练方法,让小型AI模型在数学推理能力上达到甚至超越OpenAI o1水平。该系统采用代码验证、过程偏好模型和四轮自进化训练,将70亿参数模型的数学能力从58.8%提升至90.0%,在美国数学奥林匹克竞赛中达到前20%水平,证明了精巧方法比模型规模更重要,为AI发展开辟了新路径。