
近日,腾讯云原生数据库TDSQL-C 迎来全面升级。新版本涵盖了基于英特尔® 傲腾™ 持久内存的二级缓存、全链路RDMA网络、7*24持续无锁备份等核心功能,在全缓存场景和大数据集场景中,性能对比传统云数据库性能提升200%,超越了业内其他的云原生数据库产品。与此同时,TDSQL-C的性价比也得到了大幅提升,其价格仅为商业数据库的1/10。
多方位优化产品架构,英特尔与腾讯联合创新
作为腾讯云自研的新一代云原生关系型数据库,本次发布的TDSQL-C新版本搭载了腾讯自研数据库内核TXSQL,TXSQL针对云原生数据库场景进行了大量优化,能够大幅提升数据库性能,更好地满足企业对于数据库性能的追求。
为进一步深入优化产品架构和技术实现,TDSQL-C与英特尔技术团队积极开展联合创新。结合最新一代英特尔® 至强® 可扩展处理器以及英特尔® 傲腾™ 持久内存(PMem) 的硬件特性重构二级缓存设计方案,新版本在IO bound场景中的读写性能提升了2倍以上。TDSQL-C还携手英特尔多方位优化存储方案设计,如加入轮询、算法优化、消除锁等机制,优化存储引擎等,并引入由英特尔提供的SPDK开发套件,优化NVMe固态盘的 IOPS和时延性能。
此外,TDSQL-C新版本还对网络架构进行了优化升级。采用英特尔® 傲腾™ 持久内存的全链路RDMA网络,依靠零拷贝、内核旁路、无CPU干预等特性,存储层、计算层和存储层多副本间关键路径的系统性能得到进一步优化,降低请求延迟最高达80%,使 I/O性能不再成为瓶颈。
多场景测试表现卓越,性能优势明显
在探究新版本实际性能的过程中,测试人员通过基准测试工具sysbench以及全仿真业务生产环境,分别针对只写、只读以及混合读写场景进行了性能测试。
报告显示TDSQL-C性能全面领跑市场同类产品,可全面满足企业对于数据库性能的要求。报告中的测试数据仅是单节点的结果,TDSQL-C MySQL 支持秒级扩展, 可帮助企业实现读性能提升至1500%以上。
另外,在电商业务及游戏业务的热点数据访问场景中,通常需要将全部数据放到缓存里,且查询过程中不需要读写磁盘更新缓存。测试报告显示,在全缓存场景下,实例规格越大TDSQL-C MySQL 的性能优势越明显,在32核规格之后,TDSQL-C MySQL 版能够在增加CPU的情况下进一步提高QPS。在资源利用率层面,TDSQL-C MySQL 版可以将计算节点的CPU利用率达到90%以上,在请求时延rtt上也几乎不会出现抖动。

相较于全缓存场景,大数据集场景在真实业务使用的出现频率更高。大数据集的只读场景中,在混合读写的通用场景下 TDSQL-C MySQL 版的性能均超出市场同类产品,而且随着规格增大,性能优势愈发明显。
云原生数据库TDSQL-C MySQL版采用“存储和计算分离”的设计理念,支持最大超400TB的单库海量数据存储。随着这个特性的应用,越来越多的企业不再使用分库分表的方式应对历史归档数据的存储,从而出现了“超级大表”的现象。在单表40亿条记录且数据存储空间达到1TB的场景下,TDSQL-C MySQL版依然表现卓越。
在混合读写的场景中,随着数据库规格的增大,TDSQL-C MySQL 版的性能比传统云数据库 MySQL 提升了200%,比其他云原生数据库也有明显优势。

助推技术落地,共建云原生生态融合
目前,在英特尔技术的加持下,TDSQL-C已为不同行业用户提供了稳定可靠企业级云数据库服务,具有备份、恢复、监控、快速扩容、数据传输等数据库运维全套解决方案,能够帮助企业简化 IT 运维工作,更专注于业务发展。
未来,腾讯云数据库内核团队将继续与英特尔及开源社区开展深度合作,持续贡献技术力量,为各行各业带来全新的业务价值与技术优势,不遗余力地推进产研共建与生态融合。
好文章,需要你的鼓励
Rivian分拆公司Also与亚马逊达成多年合作协议,将为这家电商巨头提供数千辆新型踏板助力四轮货运车TM-Q。该车辆载重超过400磅,体积小巧可使用自行车道。双方将合作定制车辆以满足亚马逊在欧美的配送需求,预计2026年春季投入使用。Also从Rivian内部项目发展而来,今年独立融资1.05亿美元,将利用可拆卸电池技术和专业物流软件为密集城区提供最后一公里配送解决方案。
Character AI联合耶鲁大学开发的OVI系统实现了音视频的统一生成,通过"孪生塔"架构让音频和视频从生成之初就完美同步。该系统在5秒高清内容生成上显著超越现有方法,为多模态AI和内容创作领域带来突破性进展。
知名投资机构Accel和Prosus宣布建立新的投资合作伙伴关系,专门支持印度初创企业从零开始发展,重点关注那些能够为南亚地区大众提供大规模解决方案的创始人。这是Prosus首次在企业成立阶段进行投资。双方将从创业公司最早期开始共同投资,专注于解决自动化、能源转型、互联网服务和制造业等领域的系统性挑战,初始投资金额从10万到100万美元不等。
这项由南洋理工大学研究团队开发的DragFlow技术,首次实现了在先进AI模型FLUX上的高质量区域级图像编辑。通过创新的区域监督、硬约束背景保护和适配器增强等技术,将传统点对点编辑升级为更自然的区域编辑模式,在多项基准测试中显著超越现有方法,为图像编辑技术带来革命性突破。