近来,数据库安全问题频发,如何保障业务数据可靠、可用、可恢复性再次被业界提上议程。华为云数据库也适时推出表数据快速恢复功能,支持表级别的时间点数据恢复,帮助用户快速恢复 MySQL 数据库中某张表的数据,解决用户误删、误 drop 数据问题。
该功能适用于更细粒度的数据恢复。当用户在某个时间点删除了某个表,或者修改了某个表的一些记录时,只需对该表进行恢复,而不用将整个实例进行恢复,可以大幅节省恢复时间。
通过表级时间点恢复备份,用户可以根据需要恢复库表,且不会导致实例数据被覆盖。系统会自动生成以时间戳为后缀的库表名,也支持自定义恢复后的库表名,相当便利。
目前,该功能仅支持 MySQL 数据库。值得一提的是,自华为云 MySQL 搭载 HWSQL 内核后,增强连接池特性,并发量 5000 时性能依然稳定,QPS 超过 17万+,性能远超社区版。这对于高并发场景显著的行业,例如游戏行业而言,无啻于福音。
我们知道,游戏行业动辄百万级玩家同时在线,并发数达到 3000+,单实例 QPS 峰值 10万+,对数据库性能要求高。此外,由于玩家在线数量不确定,扩容开服、缩容合服的情况频繁,资源使用弹性大;行业竞争激烈,恶意攻击且攻击方式复杂多变,安全性要求也高。
华为云数据库 MySQL 的性能,单区足以支撑千万级用户在线,且支持一键 CPU/内存/存储空间扩容、添加只读副本,满足资源弹性伸缩需求。在安全性方面,华为云数据库提供了VPC、安全组、防 DDoS,防 SQL 注入,数据加密、SSL 加密连接等多维度安全策略,并获得了可信云、安全等保、CSA STAR 等多种权威认证,为数据库提供全方位高安全防护。
华为云 MySQL 在性能和安全上的突出表现,离不开技术的支持和功能的持续优化。
早前,华为云 MySQL 就引入了线程池功能,支持更多连接,对于大并发性能提升明显。并对 MySQL5.6 引入真正的多线程复制,大大降低社区版单线程复制导致的复制延迟。存储引擎 MyISAM 自动转换为 InnoDB,完全支持事务,同时避免表级锁,提高并发性。
此外,华为云 MySQL 还对 RDS 进行权限控制,对能影响实例稳定运行的命令进行权限控制,保障实例稳定可靠,提供更高安全保障。
近期,华为云 MySQL 上线了一系列新特性,不但对数据库性能进一步提升,而且首家彻底解决用户迁移上云要修改应用程序,以及传统数据库备份遭遇事务阻塞的问题。
本次 MySQL 推出的新功能,还包括配置了长时间超时事务,避免业务处理异常、造成超长事务带来的系统影响;支持动态开关线程池,针对高并发、小并发不同场景选择不同状态,且无需重启数据库。以及支持 root 账号 kill 掉其他 user 线程,提升用户体验等。
华为云数据库 MySQL 免费试用,请移步官网:
https://www.huaweicloud.com/product/drs.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
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。