全球最大的开源软件基金会 Apache 软件基金会(以下简称 Apache)近日宣布京东数科主导的 Apache ShardingSphere 毕业成为 Apache 顶级项目。
Apache ShardingSphere 是一款分布式数据库中间件,该项目在京东数科逐渐发展壮大,成为业界首个 Apache 分布式数据库中间件项目。Apache ShardingSphere 目前已被 130 家以上的公司采用,其中包括京东、中国电信翼支付、中通快递、中国民生银行、哔哩哔哩等。
它由 3 个子项目组成,首字母连接起来称之为“J.P.S”的数据库生态解决方案:
Apache ShardingSphere 的亮点包括:
图注:Apache ShardingSphere 核心功能
Apache ShardingSphere 孵化器的导师 Craig Russell表示: “自从进入 Apache 孵化器以来,ShardingSphere 社区采用了 Apache Way 的自治模式,大大增加了使用者、开发者和支持该项目的人数,满足使用该项目作为数据库基础设施的云企业不断增长的需求。”
作为Apache ShardingSphere 的使用者、合作方, PingCAP 创始人 & CTO,黄东旭表示:“我很骄傲国人能做出这样一个很好的开源软件。希望 Apache ShardingSphere 在未来的道路上越走越好!”
DaoCloud产品副总裁王天青则认为:“今天企业用户面对的客户数量和场景呈级数增长,因此应用架构需要从传统的单体架构向微服务架构转型,同时需要一种更加灵活的数据治理能力,既能沿用最熟悉的关系型数据库技术,又能满足数据量不断增长以及新的数据使用场景。关系型数据库中间件正是一种合适的方案,它能够让应用继续沿用关系型数据库访问方式,同时充分合理地在分布式的场景下利用多个关系型数据库的计算和存储能力。我们调研了很多类似的开源技术,最终选择了 Apache ShardingSphere 作为 DaoCloud 数据库治理的核心组件,原因是它的符合企业需求的功能特性、开放性,可扩展性以及活跃的社区。”
MariaDB 基金会成员,Oracle ACE Director,ACMUG 副主席彭立勋说:“又一个国人主导的开源项目从 Apache 孵化毕业。开源是世界软件发展的主流方向,很高兴看到中国的企业和开发人员越来越认可和投入开源,尤其是对基础软件开源生态的投入。”
中国电信天翼电子商务有限公司技术创新中心总经理张小虎说:“在过去的两年时间里,我们一起见证了 Apache ShardingSphere 项目从小到大,这是一个充满活力的社区,也有一群不断为之贡献的提交者。”
京东数科数字技术中心运维部负责人郑灏表示:“伴随着贡献者的成长,Apache ShardingSphere 推动了众多企业的 IT 架构快速发展。京东数科未来将进一步向行业开放可拓展的数据管理服务,满足行业不断增长的需求。”
Apache ShardingSphere 项目 VP,京东数科数字技术中心架构专家张亮表示,“在冠状病毒爆发的这段时间里,社区仍然以多元化的方式积极运作。我们非常高兴的看到,项目由来自世界各地的 120 多位贡献者参与开发。我们期待更加多元化的贡献者加入社区,共建一个自由和灵活的平台级应用。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。