您好,登錄后才能下訂單哦!
曾幾何時“流量為王”,流量是互聯網企業的核心競爭力。隨著中國互聯網進入數據時代,各大互聯網企業從流量入口爭奪逐漸向數據入口爭奪轉變,如何高效的管理、分析數據已經成為了越來越多互聯網企業的核心。
談新一代數據庫之前,我們先來簡單回顧一下數據庫的發展歷史。從數據庫系統發展的幾十年期間,經歷了第一代共享存儲型數據庫、第二代MPP型數據庫以及第三代采用存儲與計算分離架構的數據庫。
·共享存儲型數據庫,為節省資源、降低開發者成本,出現了共享存儲型數據庫,不同的用戶可以按各自的用法使用數據庫中的數據;多個用戶可以同時共享數據庫中的數據資源,即不同的用戶可以同時存取數據庫中的同一個數據。傳統的Oracle數據庫等屬于共享存儲型數據庫,也是最早的交易型數據庫。
·MPP型數據庫,是目前大量公司在使用的數據庫,包括Teradata和Vertica等。因為操作系統和文件系統等底層基礎不是很成熟,Teradata使用的是專有硬件,主攻軟硬件一體機,并且更改了大量的操作系統以及文件系統代碼。2000年左右出現了基于x86架構的MPP型數據庫,包括Vertica,Greenplum等。這些基于x86架構的MPP型數據庫使用的是普通服務器,沒有專有硬件做支持,所以軟件架構方面還是和Teradata類似。
·存儲與計算分離架構數據庫,這類數據庫典型的代表有HAWQ和Hive等。第三代數據倉庫的優點是可擴展性好,但是大部分引擎比如Hive等性能較差,兼容性不是很好,所以客戶用起來很困難。
偶數科技的CEO常博士表示,傳統的分析型數據庫在對數據進行在線統計、在線分析、隨即查詢等發掘信息數據價值的工作時有一定優勢。但在人工智能場景中,面對海量數據分析型數據弊端逐漸顯現,無論是反饋時長還是對設備性能嚴苛的要求,都已無法勝任人工智能場景的要求。因此對數據庫進行迭代升級迫在眉睫。
在這樣的大背景下,由偶數科技打造的基于HAWQ的分析型數據庫應運而生,在人工智能海量數據處理上擁有得天獨厚的優勢。
隨著大數據和人工智能應用的層出不窮,對數據庫的海量數據處理能力以及分析能力提出了更高的要求。無論是安防、金融亦或是制造業等等都對數據庫性能提升產生了十分迫切的需求,而隨著第四代分析型數據庫的誕生,這個難題迎刃而解。
在人工智能的應用場景下,如安防領域,第四代數據庫可以通過圖像識別、人臉識別等進行更深層面的認知和推理;在人員身份的識別、人類軌跡分析等方面,可對視頻、圖片、電子車牌等不同種類的數據進行快速分析、碰撞、發現潛在聯系,抽取有價值的信息,并對可疑行為發出預警對案件進行關聯,協助提高公安部門案件的偵破效率。
針對實時數據等實際案例,如企業內部百萬級別甚至千萬級別的實時物聯網傳感器數據,第四代數據庫完全摒棄了繁瑣的Storm等方案,解決了大量編程和不能夠完全適應物聯網傳感器數據的問題。
在金融領域中,銀行原本需要對企業進行核查,然后再通過評委會進行評估,這些審核過程需要全人工操作操作。如果是小微貸款,由于信息較易獲取,難度較小。而一旦涉及公司業務,那么銀行就需要將該企業的所有外部數據以及內部數據按主題進行整合,不僅費時費力,還給人工分析時帶來了巨大難度。
借助第四代數據庫的技術優勢,偶數科技可以利用數據存儲、管理、分析以及人工智能算法建模,輕而易舉的幫助客戶構建模型流程以及模型的管理和上線,簡化以前繁雜的審核過程,較少人工參與,縮短審核時間。
常雷認為,不僅是剛剛提到的三個領域,在諸如電力、通信等眾多基礎領域也呈現出對于數據挖掘的巨大需求。同時,數據庫應用需求的巨大變化預示著在數據庫領域一場巨大的變革即將到來。
偶數科技在這個契機點推出了兩款核心產品Oushu Database和LittleBoy,兩者都基于業內領先的HAWQ技術研發,前者將滿足數據庫升級基礎需求,而后者則將數據庫技術推向了AI人工智能應用的未來。
在采訪的最后,常雷博士表示“微軟加速器第11期·北京對偶數科技幫助很大。一方面,研發上微軟加速器第11期·北京和偶數科技已經達成了一些合作,偶數科技已經將產品移植到微軟加速器第11期·北京的Azure公有云上;另一方面,微軟加速器第11期·北京引薦了很多不同行業的客戶資源,并且在管理、財務、招聘、PR 等方面的培訓也對偶數科技進行了指導。”
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。