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
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。