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
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。