至顶网CIO与CTO频道 07月09日 北京消息:7月8日,拥有60+全新特性,性能全面超越官方版本的腾讯云MySQL 8.0正式发布。在全新引擎的驱动下,在MySQL官方版本大幅度提升性能的基础上,腾讯云MySQL8.0数据库通过优化锁系统,事务系统等模块,进一步提升性能,使得QPS达到70w+。随着腾讯云MySQL 8.0的发布,将为电商、游戏、金融等行业带来更简化的业务开发模式、更安全的数据库管理服务、更丰富的应用场景,进一步加速客户产业升级。
打造MySQL 8.0全新引擎,性能跨越式提升
在当前新基建战略推动下,无论是政府、企业,还是其他组织机构都加快了上云的步伐,对云服务的高并发、高性能、高可用、高安全等要求也越来越高。腾讯云数据库MySQL8.0的内核可以百分百完全兼容主流MySQL分支。相比官方版本,无论是单机模式、异步模式还是同步模式下,读写性能都取得了大幅提升,可以满足绝大部分用户的性能需求。
同时,腾讯云数据库MySQL版(CDB) 还提供热备、冷备、跨可用区切换三重容灾体系,确保服务可用、数据不丢失。此外,还提供企业级的监控、备份回档、安全加密、弹性、审计、智能诊断优化等一系列便捷的数据库管理服务,使用户可以专注于业务的开发。
腾讯云数据库相关负责人表示,采用腾讯云数据库MySQL8.0内核的实例最高QPS可达70w+次/秒,可极大的降低业务开发和业务架构复杂度,并通过简化数据库运维难题,助力用户轻松实现数据库管理。
全面适配国产软硬件生态,提供完善解决方案
在专有云层面,腾讯云MySQL 8.0目前已应用于腾讯专有云TCE、腾讯云TStack、以及腾讯云金融级数据库TDSQL等,通过适配国产软硬件生态、资源混合部署、海量运维经验输出以及分布式能力扩展,为用户提供完善的解决方案。
比如,腾讯云MySQL 8.0除了适配鲲鹏、飞腾等国产芯片以及统信UOS、中标麒麟等国产系统之外,同时还适配了专有云的部署能力。用户通过3台服务器即可搭建一套MySQL系的云数据库服务,而且MySQL系的“MySQL、MariaDB、分布式数据库TDSQL”可混合部署在同一集群。以小型化部署和混合部署的方式,满足企业的专有云部署对资源高效利用的需求,为客户提供更低建设成本的云数据库服务。
值得一提的是,腾讯分布式数据库TDSQL也在近期实现了对MySQL 8.0的兼容。TDSQL在继承8.0的众多功能优势基础上,也完整的继承了分布式特性能力,在弹性水平扩展、高性能分布式事务、智能读写分离、故障平滑切换等方面取得大幅提升,助力客户更好的面对业务快速爆发的考验。
支持更多更复杂业务场景,助力客户产业升级
作为目前全球最流行的开源关系数据库,MySQL本身就具有分钟级别的数据库部署和弹性扩展等完备的管控服务,此次结合腾讯云MySQL 8.0的全新内核,腾讯云推出基础版、高可用版、三节点金融版、只读实例、灾备实例、分析型实例等多种产品形态,极大地丰富了其行业使用场景,助力更多的用户实现产业升级。
在电商场景,“中国会员电商第一股”云集与腾讯云MySQL合作打造全新的架构,针对电商秒杀场景,通过热点更新优化、SQL限流、动态线程池等方式,解决了高并发更新性能瓶颈,避免透传打垮MySQL,大幅提升高并发下的性能。
中国最大的独立手游发行平台乐逗游戏与腾讯云MySQL联合搭建了全球同服部署架构,利用腾讯内网能力,通过DTS跨地域数据迁移,实现玩家同服对战,全面提升用户粘度,进而带来收入的增加。
针对金融场景高安全、数据强一致、金融监管等需求,腾讯云MySQL 8.0则提供两地三中心跨Region、跨AZ容灾架构,并通过TDE+KMS数据加密功能保障数据安全。在与国内某大型金融客户的合作中,腾讯云MySQL将上海二区定为生产环境,广州三区为灾备,腾讯云提供7*24小时监控、运维服务。通过DTS,两地可以及时建立数据同步,快速验证灾备环境部署情况,实现异地灾备架构,为业务的可用性带来极大的保障。
近两年,腾讯云已经构建起涵盖业内主流数据库的完善产品布局,目前腾讯云数据库已有20多种数据库服务,包括云数据库MySQL、云原生数据库CynosDB、数据库智能管家DBbrain,以及国产金融级自主可控数据库TDSQL等,并且还在以每年发布5大产品、50多个新功能的速度递增。
腾讯云数据库相关负责人表示,无论是公有云还是私有云,腾讯云正在不断提升数据库产品的综合性能,为各行各业提供更加贴近行业、深度挖掘的数据库服务解决方案,助力客户产业升级。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。