至顶网CIO与应用频道 11月22日 北京消息:腾讯云今日宣布新一代自研云原生数据库CynosDB正式发布。这是业界第一款全面兼容市面上两大最主流的开源数据库MySQL和PostgreSQL的高性能企业级分布式云数据库。
作为腾讯云在产品矩阵上的重量级布局,CynosDB融合了传统数据库、云计算和新硬件的优势,支持无限量存储、百万级查询和秒级的故障恢复,与高性能形成对比的是,CynosDB价格仅为市面上商业数据库的1/15。
“CynosDB的推出对于丰富腾讯云数据库产品矩阵,提升腾讯云的产品技术能力具有里程碑的意义,同时,良好的兼容特性和极致性价比,将大大推进企业的‘上云’进程。”腾讯云数据库产品总监祝百万表示。
完美支持企业无缝“上云”
目前,越来越多的企业正在通过上“云”实现数字化升级,Gartner 预测,到2023年,世界上3/4的数据库都会跑在云上。不过在这个过程中,传统数据库与云端数据库不一样的产品架构,给上云带来了很高的门槛。
CynosDB在产品架构上完全兼容开源数据库引擎接口,是国内首家兼容MySQL5.7和全球第一个兼容PostgreSQL10的云数据库产品。在世界范围内,MySQL和PostgreSQL是市面上最主流的两大数据库产品,因此,CynosDB完美的兼容性,让企业几乎无需更改代码,就可以轻松实现无缝“上云”。
此外,企业使用传统架构还面临数据回档慢、故障恢复慢、维护成本高、纵向扩展弱、资源利用利用率低等问题。
腾讯云技术团队对数据库内核深度定制,总共进行了近60多项优化。为了提升系统可用性,CynosDB以软件优化与新硬件结合为理念,采用了先进的计算和存储分离架构,同时实现了计算无节点状态,支持秒级故障切换和恢复,数据备份时间缩短到60秒之内,速度提升了180倍。
在此基础上,CynosDB可以达到单节点130万QPS读性能,超过业内目前最高100万QPS水平,全面领先国内其他同类产品。强悍的性能可以满足企业在高并发、高性能场景下的上云需求,保证关键业务的连续性。
企业“上云”成本将更低
得益于极简的设计理念,CynosDB既支持普通的网络和硬件设备,又能够最大程度释放硬件性能红利。同时,灵活的扩展功能和购买方式,减少了用户在计算和存储资源上的浪费,综合下来,CynosDB和同样高性能的传统商业数据库相比,价格只相当于它的1/15。
CynosDB在技术层面的多项创新,让其具备真正的公有云原生数据库高性价比、高可用性以及弹性扩展等诸多优势,助力企业大幅降低“上云”成本。
比如,采用“日志即数据库”技术方案,可以最大限度的减少网络数据输入/输出(IO)。该技术将日志转换为记录以及数据页的操作“下推”到存储层完成,将网络IO减到最少,从而大幅度降低使用流量。
自研的用户态分布式文件系统,减少了操作系统上下文切换以及数据在用户态和内核态之间拷贝引起的性能损耗,进一步优化了关键路径的系统性能,降低请求延迟,同时大幅度降低CPU使用率,为企业后期业务扩展留下空间。
另外,CynosDB 的“可计算智能存储”进一步满足企业的实际应用场景,让企业按实际使用量计费,自动扩缩容。在降低企业开支的同时,轻松应对突发的业务规模变化。
为“高性能”应用场景而生
CynosDB极致的性能,以及对于主流开源数据库的兼容,使其成为众多高性能企业应用“上云”的最佳选择。以传统企业来说,如何快速平滑、低成本“上云”,成为企业在选择云供应商时最主要的考虑因素之一,CynosDB在兼容和性能方面的优势可以轻松满足企业关键业务的“上云”需求。
另外,CynosDB敏捷、灵活的部署能力也是互联网和游戏行业的最佳选择。由于互联网和游戏行业先天拥有高并发和高性能要求,这类企业在选择数据库过程中要求极高。由于具备快速弹性升级、海量数据存储等优势,CynosDB在这些场景下的独特优势,可轻松帮助用户应对业务高峰,加速企业业务创新。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。