俗话说:人强不如家伙强,多做不如精做好;工欲善其事,必先利其器。云技术的发展和云市场的成熟,让各行各业上云势头如日中天。应用上云、业务上云,最终都离不开数据上云。那么,如何方便快捷的对云上数据进行管理呢?近期,华为云推出一款客户端数据管理服务,帮助用户实现数据可视化直接管理,大幅提高工作效率。
华为云数据管理服务(Data Admin Service),简称 DAS,是一款专业的简化数据库管理工具,提供业界领先的可视化操作界面,直接对数据结构进行查询、变更操作,旨在让数据管理变得安全和简单。
华为云数据管理服务 DAS
众所周知,在云上创建数据库后,云上管理关系型数据库(RDS)数据结构,经常会面临需要安装客户端,才可以访问 RDS 的问题。不但安装麻烦,而且使用不便,给用户带来不少困扰。
DAS 通过可视化界面连接和管理数据库,在云端专用通道管理数据,并且借助华为云的高安全机制,严格控制数据库访问。在云上管理数据库的同时,实现了云研发测试、快速部署和访问数据库,大大提升研发效率。
*DAS 系统架构图(目前支持引擎: MySQL、SQL Server)
三大场景,助推企业用好数据库
DAS 提供了类似 Excel 的表格方式编辑数据,让不懂 SQL 查询语言的用户也能无障碍增删、改查表数据以及统计分析。此外用户还可以保存常用的 SQL,随时引用执行,使得工作效率更高效。
DAS 简化数据库结构设计,支持可视化的目录结构管理。例如导航树形结构,可清晰展示和管理各个对象,让数据管理更方便。此外,DAS 能在可视化页面实现 DDL 数据库模式定义,从而轻松完成数据结构变更。
3. 数据导入导出
DAS 提供了 Excel 或者 INSERT (用于向表格中插入新的行)语句类型的快速导出和导入数据功能,提供 SQL 模板,或自定义 SQL 窗口输入并执行计划,并根据输入的 SQL 语句导出记录,支持文档型、字符集数据导入。
值得一提的是,DAS 采用华为云专用的云端通道,严格控制访问,保障用户数据安全。在安全方面,华为云提供 VPC、子网、安全组、VPN、SSL 在内的一系列网络隔离与权限控制策略,搭配业界领先的DBSS数据库安全防护技术,多种行业安全合规、清晰的安全责任界定,安全架构可谓层层加固。
近期,DAS 上线了支持用户权限管理,用户连接、主机连接、数据库资源访问管理,事务管理,表结构DDL导出下载、表属性查看,表结构 DDL 对比等新功能。不但可在 Web 页面直接勾选,进行权限授权,而且可以对测试环境和生产环境进行差异比较,进一步满足用户的数据管理需求。
目前,DAS 已集成到华为云的管理控制台,用户创建 RDS 完成即可连接访问,实现可视化数据库管理操作。申请免费体验,请移步官网:
https://www.huaweicloud.com/product/das.html
配套数据库引擎免费试用请点击:
https://activity.huaweicloud.com/free_test/index.html
福利时间:华为云产品活动月,数据库产品全场 3.5 折起,安全产品全场低至 1 折;不限新老用户,下单即享折扣!
https://www.huaweicloud.com/product/aom.html
HUAWEI CONNECT 2018作为华为自办的面向ICT产业的全球性年度旗舰大会,将于2018年10月10日-12日在上海隆重举行。本届大会以“+智能,见未来”为主题,旨在搭建一个开放、合作、共享的平台,与客户伙伴一起共同探讨如何把握新机遇创造智能未来。欲了解更多详情,请参阅:
https://www.huawei.com/cn/press-events/events/huaweiconnect2018
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。