3月20日,OceanBase城市行首站落地深圳,这也是OceanBase独立运营后的首次亮相。
昨日,蚂蚁集团宣布,旗下蚂蚁国际、OceanBase和蚂蚁数科已成立董事会,独立面向市场。
OceanBase CEO杨冰表示,OceanBase致力于打造负载关键业务系统的一体化数据库,作为一款100%“根自研”国产数据库,“根自研”就是OceanBase负载关键业务系统的最大底气。未来,OceanBase还会保持初心,一以贯之地为客户提供优秀的数据库服务。
OceanBase是蚂蚁集团旗下的自研原生分布式数据库,成立于2010年,历经14年发展,在技术、商业化层面取得显著成绩。2019年、2021年接连打破“数据库世界杯”TPC-C、TPC-H的世界纪录。2020年,OceanBase正式商业化,客户数已超过1000家。
14年前,中国移动互联网爆发式增长,带来了前所未有的海量数据挑战,OceanBase选择了完全从根技术自研的道路来应对这一全球独一无二的海量数据处理问题。
据杨冰介绍,目前OceanBase已经做到了100%根自研,包括从0到1自研三百万行代码、自研代码开源主导产品和社区发展方向、构建自研技术生态。基于“根自研”和中国场景的打磨,OceanBase才得以推动树立分布式数据库在性能、容灾、高可用、架构上的新标准,立足中国服务世界。
尽管刚开始举步维艰,但不基于开源数据库二次开发、自建研发环境和流程,使得OceanBase具备对内核代码的完全掌控力和掌控权,避免了开源数据库可能遭遇的协议风险,也具备了更强的突破复杂业务场景和为关键业务系统兜底的能力。
2021年开源后,OceanBase同样引领产品发展和社区方向,除了开源最核心的数据库内核代码、分布式组件和接口驱动外,还逐步将产品工具开源。截止目前,社区拥有超300位贡献者,超500家客户将OceanBase社区版应用于实际的业务生产系统,OceanBase的技术和产品得到进一步打磨。
技术生态方面,OceanBase持续构建以“合作伙伴”为中心的产品技术文化,广泛与多基础设施、数据集成、数据治理、应用集成服务商围绕OceanBase进行产品适配和对接,有超过750个主流产品已加入OceanBase自研技术生态。
杨冰认为,OceanBase已经做到对代码、社区、生态的“根自研”,而100%“根自研”就是OceanBase负载关键业务系统、为客户需求兜底的最大底气。
随着企业走向现代数据架构,数据库上承IaaS层、下接SaaS层,是IT系统中最关键、最复杂的环节,也是“最难啃的骨头”。根据IDC分布式事务数据库市场追踪报告,分布式数据库正在成为新的数据库流行趋势,越来越多的企业正在使用分布式数据进行关键业务系统升级。
基于“一体化”产品理念,OceanBase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,以其高可用、高安全、高性能、高性价比,满足金融、政企、互联网等不同类型企业在关键业务系统升级上的需求。
在OceanBase1000多家客户中,已有30%将其应用于核心系统,其中不乏交通银行、中国移动、理想汽车等大型企业,场景涉及支付、金融、政务、新零售、互联网等。
据悉,在粤港澳地区,OceanBase已深耕多年,服务雄帝科技、金地集团、澳门通、工银亚洲、广东农信、顺德农商银行、招商证券、广发证券、安信证券、递四方、出行365、丽迅物流、洋葱集团等上百家企业。
其中,深圳公积金的公积金业务在线办理系统已在OceanBase上稳定运行超过1000天,平安银行的核心账务等数套关键业务系统已实现分布式升级,图匠数据两大核心业务“数货宝”、“数智柜”全面接入OceanBase的云数据库版本OB Cloud。
会上,杨冰也宣布,正式开启OceanBase 4.3 Beta版本邀测,4.3版本将推出全新的列式存储引擎,满足关键业务负载的实时分析场景诉求。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。