数据库,是和芯片、操作系统并列的现代信息技术领域的三大核心基础之一,是基础软件“皇冠上的明珠”。
OceanBase作为蚂蚁集团100%自研原生分布式数据库,自2010年开始投入研发,目前已支持支付宝全部核心账务、核心支付系统,连续10+年稳定支撑双11。
11月16日,在OceanBase2023年度发布会上,OceanBase CEO杨冰宣布,OceanBase将持续践行“一体化”产品战略,为关键业务负载打造分布式数据库。
同时,会上发布一体化数据库的首个长期支持版本OceanBase 4.2.1 LTS,标志着OceanBase一体化数据库进入可规模化上线使用的长期支持阶段。
用一个数据库解决80%的问题
杨冰表示,从OceanBase诞生的第一天起,实践的就是“一体化”产品理念,把复杂留给自己、把简单留给客户。在OceanBase过去13年产品技术演进中,一体化的理念贯穿于整个发展历程,通过分布式架构底座将多个关键能力融合到一个引擎和一套数据库。
OceanBase注意到,在数据库的实际应用中,客户往往面临着业务规模增长、业务场景变多、IT架构应用渐趋复杂的难题,造成数据库越用越多、越用越复杂的现状,而一体化设计的数据库能有效解决相关问题。
OceanBase专注于OLTP场景,从2010年开始逐步实现工程一体化、TP/AP一体化、云上云下一体化、单机分布式一体化。目前通过一个数据库、一套架构、一份数据、一个技术栈、一个引擎的方式,打造了满足现代数据架构需求的多模态、多兼容模式、多租户、多工作负载、多基础设施等核心能力,用一个数据库满足客户80%的数据库场景需求,为用户提供简化复杂性的全新可能性。
“一体化”产品,追求分布式架构下的极致性能与最佳成本。既能实现同等硬件条件下,比主流单机数据库提供更好的性能,也能实现分布式架构下事务处理和实时分析的最佳性能。此外,统一的技术栈,也最小化了管理成本,大大降低架构成本、存储成本、运维成本、管理成本。
国际咨询机构Forrester《OceanBase总体经济影响报告》的数据显示,采用OceanBase后,企业数据存储空间节约70%、服务器资源节约85%、平均每注册用户数据库成本节约50%,且呈现逐渐成本节约递增的趋势,越用越便宜。此外,单机分布式一体化在单机形态、硬件成本以及迁移学习成本上也有着显著的优势。
杨冰指出,一体化数据库可以通过对不同场景的“求解公约数”找到相同问题,提供统一解决的办法,但在一些复杂场景下,专业版本的数据库仍会更有优势。
一体化数据库4.2.1 LTS发布
2022年8月,OceanBase发布了业内首个单机分布式一体化数据库OceanBase 4.0 小鱼,有效兼顾了分布式架构的扩展性与集中式架构的性能优势,首次突破了分布式数据库的单机性能瓶颈,既可以实现单机部署、又可以在单机部署下实现分布式部署的完整功能。在同等硬件条件下实现单机性能赶超集中式数据库,帮助用户极大地降低了分布式数据库的使用门槛。
此次发布会上,OceanBase继续沿着“一体化”产品战略思路,发布一体化数据库的首个长期支持版本——OceanBase 4.2.1 LTS。
OceanBase CTO 杨传辉介绍,4.2.1 LTS标志着OceanBase一体化数据库进入可规模化上线使用的长期支持阶段。4.2.1 LTS是面向OLTP核心场景的里程碑版本,具备OLTP的完整功能,相比3.2版本有更强的OLTP、OLAP性能,相比传统容灾提供更具性价比的仲裁无损容灾方案,可通过2个副本实现RPO=0。
此外,在列存能力上,OceanBase也带来了其最新进展。随着数字化转型进程的加速,越来越多企业在强调OLTP性能的典型HTAP场景中,迫切需要确保在高性能OLTP的基础上,获得更为迅速的实时分析能力,融合行存、列存、行列混存的一体化存储引擎正可以满足这一需要。
本次发布会上,OceanBase将列存实验室版本带到了现场,与业内一流的大宽表数据库ClickHouse现场进行了跑分PK。结果显示,在同等硬件条件下,OceanBase的性能达到了ClickHouse的同一水平。
杨传辉介绍,围绕“一体化”的产品战略,OceanBase未来还将持续推出针对列存、存算分离的一体化数据库版本,为客户提供更为完善的数据库服务。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。