`
大涛学长
  • 浏览: 111046 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

云栖干货回顾 | 行业顶级NoSQL成员坐阵,NoSQL数据库专场重点解析!

阅读更多
> NoSQL数据库作为数据库市场最重要的组成之一,它的一举一动都影响着成千上万的企业。本专场邀请了行业顶级的NoSQL核心成员与大家共同展望NoSQL数据库的未来,**阿里巴巴、MongoDB、Redisson、斗鱼等**公司的技术大咖与大家共同分享了阿里云NoSQL数据库的企业级特性及行业解决方案。

### Redis & MongoDB云数据库技术剖析

阿里云智能事业群数据库产品事业部技术总监,MongoDB中国用户组杭州用户会杨成虎(叶翔)为大家深度剖析了Redis和MongoDB云数据库

**Redis企业级数据库服务** 
Redis作为企业级数据库需要关注四个方面:

>  分布式:需要满足企业快速成长和降低成本的需要,实现弹性扩容,以及从主从模式变为集群模式。  
>  兼容性:兼容性是永恒的话题,即使无法做到100%一致,但需要无限接近。  
>  安全审计:安全在云环境中越来越重要,Redis开源版的安全审计能力比较薄弱,阿里云Redis对于这一点进行了加强。  
>  数据同步:需要能够支持混合云部署,使得第三方云厂商、IDC与阿里云实现互通,以及数据迁移和转换,满足客户上云或者下云的灵活决策。

Redis原生的Cluster架构采用了Gossip协议实现路由表的同步,但这种架构在社区以及企业中并没有快速流行起来。虽然其有无中心架构、组件依赖少等优点,但也存在很多问题,如运维困难,路由存在不确定性,需要依赖Smart Client,并且不支持Multi-Key以及从主从模式迁移到集群模式,进而造成升级困难。 
![01.png](https://ucc.alicdn.com/pic/developer-ecology/3bc658a4fc3741c39ae0832fde4892e1.png)

为了解决上述问题,阿里云Redis数据库没有采用Gossip协议,而是引入了新的两个组件:Proxy和Config Server。阿里云Redis采用了配置中心对于路由表信息进行管理,可以通过Config Server进行智能化调度,Proxy则能够兼容非Smart Client,支持Multi-Key,并能够实现流量管理以及读写分离等。Proxy和Config Server虽然带来了架构的复杂性,但管理大规模复杂架构正是云厂商所擅长的。此外,这两个新组件所造成的额外成本也会被削平。通过这样的云服务架构使得用户能够将Redis从主从架构无缝迁移到集群版本。 
![02.png](https://ucc.alicdn.com/pic/developer-ecology/c94e2ca873c546a9810d8c933259947f.png)

随着Redis Cluster云服务架构的延伸,出现了一个新概念——Redis云数据库企业分布式矩阵。这个矩阵能从纵向和横向进行扩展,纵向能够随着Shard的添加进行分片,从而实现弹性扩展;横向则能够实现读写分离,并且做了Group分组隔离。全局来看,还支持Memcache和Redis双协议,并且能实现集群、主备之间的平滑切换。

阿里云Redis的Proxy引入了Connection Session的概念,能够对于Connection实现更细粒度的管理,并且通过连接池实现了长连接复用,不仅能够兼容多种协议,并通过C语言高性能代码也提升了短连接的性能。阿里云Redis的Proxy还具有热升级能力,能保证在服务不间断的情况下升级版本。

阿里云Redis在整个数据链路上进行了逐层加密处理,支持了SSL、白名单、权限管理以及关键命令的禁用和审计等,增强了Redis的安全审计能力。Redis还提供了一些免费的开源工具,如同步工具RedisShake以及数据校验工具RedisFullCheck等。

而Redis作为内存型的缓存服务也存在很多挑战,比如容量受限,成本较高以及持久化能力弱等。基于以上问题,阿里云提供了混合存储的Redis版本,其目的在于为用户提供持久化、可安全存储的Redis服务。其实现依赖于底层的RocksDB,通过不断同步冷热Key,使得内存处于可控范围之内。 
![04.png](https://ucc.alicdn.com/pic/developer-ecology/8ee352050e29452984134e2733ffd1d0.png)

#### MongoDB企业级数据库服务

MongoDB作为企业级数据库需要关注四个方面,即安全审计、备份恢复、数据同步以及弹性伸缩。MongoDB的安全审计与Redis基本一致,进一步增加了TDE加密。MongoDB增加了物理备份,使得备份和恢复效率都有了大幅度提升,并且通过增量备份能力使得数据能够恢复到任意时间点。此外,在备份的基础之上,阿里云MongoDB还提供了备份验证能力。 
![05.png](https://ucc.alicdn.com/pic/developer-ecology/d8e46e27895f44dba37484857a7f8134.png)

阿里云MongoDB还提供了诊断分析能力,并提供了MongoShake工具对数据进行同步。阿里云MongoDB基于RocksDB引擎实现了共享存储解决方案,可以实现存储弹性伸缩,秒级添加只读节点,并解决了oplog全局锁问题。当然,这样的方案也面对着几点挑战,如与WiredTiger的兼容性问题;Compaction带来的性能抖动;以及共享存储延迟稳定性。

#### 基于MongoDB的数据中台技术实现

MongoDB大中国区首席架构师唐建法为大家介绍了基于MongoDB的数据中台技术实现。

如果企业业务需要对接不同的客户数据,而这些数据的结构、类型各不相同,可能需要花费数周甚至数月。很多已有的解决方案就是实现数据统一平台,将所有数据通过ETL抽取到数据平台上,这种方式的共性是“T+1”的方式批量采集汇总,做成数据集,以交互方式提供下载。但这种方式存在着平台数据滞后、响应速度慢、交互方式粗糙等问题。

数据中台从技术的角度进行定义就是“数据统一平台+数据即服务能力”。数据来源于业务,需要按照“T+0”方式采集,提供及时的数据。数据需要以API的服务化方式交付出去,而非打包。这使得数据中台能够对企业赖以生存的操作型系统提供支持,相比于分析型业务,操作型业务更加核心,更加能够提高企业竞争力,这也是数据中台火爆的原因。

数据中台的定义就是包含企业实时全域数据的,主要面向操作型业务应用为主的数据服务技术平台。其概念起源自国内,存在众多流派,众说纷纭。咨询公司说数据中台是一种组织架构的转变,方案提供商则说数据中台是像Hadoop一样的技术平台产品,不同的组织有不同的出发点。

中国97%小微企业与数据中台基本不相关。腰部占3%的120万家大中型企业,可能有很多的开发人员但没有数据专家,另外还有少部分头部企业。对于腰部的大中企业而言,系统可能不多,而数据团队基本没有,无法快速构建完善的数据中台,但是数据孤岛的痛点、数据打通以及快速开发的需求却是真实存在的。这些企业可以选用技术型架构,具体需要考虑的能力包括数据汇聚、数据治理以及建模、数据API服务,以及最关键的存储、海量、多模和高性能。

RDBMS、MPP、Hadoop、NoSQL以及NewSQL数据技术各有长短板,在构建中台时也可以做一些参考,企业需要根据自身实际情况进行考量。 
![07.png](https://ucc.alicdn.com/pic/developer-ecology/bf641146549d48eeb80af0094fdefb19.png)

之前,MongoDB用于大数据离线分析并不是很好的选择,更多地是将其用于业务场景。而数据中台面向的就是业务应用场景,因此MongoDB成为了一个不错的选择,其具有较强的横向自动扩展能力,支持多模多态,并且API友好。此外,基于MongoDB实现建模所需要的工作远少于传统方式,能够降低成本。

此外,MongoDB还具有数据采集、可视化建模、无代码化API、数据可视化等数据中台构建所必须的能力。

如下图所示的是较为完整的MongoDB数据中台解决方案参考架构,从下到上依次是采集、存储处理以及数据服务三层。 
![08.png](https://ucc.alicdn.com/pic/developer-ecology/ed87e3767fb24e15985496b459325702.png)

基于MongoDB构建数据中台具有这样几个核心优势,即无缝横向扩展能力、多类型结构数据模型、逻辑模型即存储模型、异构实时数据库同步能力、无代码快速API发布能力以及简单、轻量和快速。

### 图数据库GDB的设计与实践

阿里巴巴资深技术专家朱国云(宗岱)为大家分享了阿里巴巴图数据库GDB的设计与实践。

#### 什么是图数据库

图数据库是针对于图结构设计的数据库,而非图片数据库。什么是图结构呢?这是以社交网络模型为例介绍,该模型中存在人与人、人与论坛、人与帖子、帖子与论坛之间的关系,人、论坛、帖子就属于图中的点(即Vertex),点之间的关系就称之为边(即Edge),在点和边上会有一些属性(即Property)。

如今,一些优秀的社交应用会将多维数据存储到统一的图空间中来,进行存储、查询和分析,为用户带来更好的体验。近年来,数据量越来越大的同时,数据维度也逐渐增多,图数据库就是在这种背景下诞生的。

图数据库作为近年来数据库领域中发展最快的一类,与关系型数据库存在哪些差别呢?通常情况下,关系型数据库中需要通过建七八张表才能做到的模型,图数据库能够更加直观、自然地表现出来。此外,图数据库做关联查询的速度更快,还能够提供更多探索发现的能力。

前面提到的是属性图模型,在图数据领域还有一种RDF模型。两者的主要区别在于RDF的点和边上不可以有属性。 
![09.png](https://ucc.alicdn.com/pic/developer-ecology/5089ffe2cdd44c7997a22149cc2f2872.png)

图数据库发展速度很快,因此种类也是特别多,主要可以分成四类,即知识图/RDF、分析图、图数据库、多模型图数据库。这些图数据库系统使用的主流查询语言大致有三类,即Neo4j主推的最早使用类SQL查询语言的Cypher、用于RDF上的描述语言SPARQL和目前支持最广泛的基于属性图的查询语言Gremlin。

#### 什么是图数据库GDB

GDB是一种图数据库,其主要处理高度连接数据的存储和查询,其支持了属性图模型和开源的TinkerPop Gremlin查询语言。与其他数据库不同的是:GDB是云原生数据库,从一开始就建设在阿里云基础设施之上,因此能够做到弹性、实时和高可靠。

GDB脱胎于Tair Service中的TairGraph 子系统,后来其孵化出来,并放到阿里云上来专注地解决高度连接数据场景中的问题。基于Tair 10年的技术基础,GDB实现了高度优化的自研引擎,能够实现实时更新和秒级查询,并且完整地支持ACID事务,并通过多副本保障高可靠。此外,还做到了服务高可用,能够实现节点故障迅速转移;易运维,提供了开箱即用的能力;可视化,更利于分析数据的内在关系。

在架构层面,GDB为客户提供的是独享专属实例,这意味着资源独立,无须担心抢占问题。HA方面采用了最经典主备架构,并提供只读节点来提升实时查询能力。GDB支持了Gremlin开源的TinkerPop SDK,为了实现每秒百万级点边过滤,GDB定制了专属的图友好数据库引擎,并在查询优化和并行执行等方面做了大量优化,还支持了事务和自动索引。在数据通道部分,GDB还提供了多种数据源的高效导入支持。 
![10.png](https://ucc.alicdn.com/pic/developer-ecology/0114bab7b1ae4fa38467e9cdd0d0f887.png)

#### GDB的场景和案例

如今,GDB在社交网络、金融欺诈检测、实时推荐引擎、知识图谱以及网络/IT运营等场景中得到广泛应用,而且这些场景往往交织在一起。使用GDB能够将之前偏离线的场景做到实时或者准实时。

总结而言,在数据维度越来越多、数据相互关联越来越紧密的今天,GDB提供了一种有效的图存储方式,能够将多维数据很好地连接起来,并通过图查询、图算法把数据隐藏的价值实时地、智能地挖掘出来。

### 从Java走向云原生,Redisson不停地探索

Redisson联合创始人顾睿为大家分享了Redisson从Java走向云原生的探索之路。

Redisson是架设在Redis基础上的一个Java驻内存数据网格。Redisson以Java接口方式而非命令的形式提供给大家,使用非常简单。其优势在于上手容易,只要能够使用Java基本就能够使用Redisson。此外,Redisson在设计时规避了多线程的问题,采用了线程安全的设计,同时引入了线程池和连接池的管理,在同步和异步的场景中都能选到适合的方式。

除了使用简单外,Redisson在功能上也提供了多种选择,能够支持31种分布式集合、14种分布式对象、8种分布式锁和分布式同步器以及5种分布式服务。

Redisson的架构主要分为两大块,包含Redisson客户端的连接管理、协议解析在内的基本功能和包括分布式结构、分布式中间件以及第三方功能支持在内的高级功能。

从Redisson架构角度来看,似乎和Redis的理念相冲突。Redis设计理念强调简单,而Redisson设计却比较复杂;Redis提供了9种数据结构,界限清晰,而Redisson提供了约60种,界限比较模糊;Redis以命令形式面向用户,而Redisson却以Java API形式面向用户。看似分道扬镳,实则殊途同归,都是为了将复杂隐藏起来,将简单的使用方式提供给用户。

只支持Java是Redisson的优点,也是缺点。Java是Redisson的一个牢笼,这对于应用程序开发者而言是优势,而对于程序库开发者而言就是劣势。因此,Redisson一直在思考如何走出困境,拥抱其他的生态。

2016年,Redisson首先尝试了使用Vert.x框架,Vert.x的特点是集群运行环境、多语言交互性和基于成熟技术,并且Vert.x对开发者的限制比较少。因此,Redisson做了相关的实验,实现了Redisson在其他语言中的运行。但是这种方案学习成本非常大,而实际收益却不高。

2018年,Redisson注意到ORACLE Labs推出的GraalVM,GraalVM的底层是Java运行层,包括GraalVM和SubstrateVM,可以让其他语言都能够编译融合并放入JVM中执行,同时保证相互沟通的桥梁。SubstrateVM是最吸引Redisson的点,它可以理解为用Java编写的嵌入式虚拟机,使得真正的跨平台和跨语言成为可能。 
![11.png](https://ucc.alicdn.com/pic/developer-ecology/f16c771063b94d2399840a2158bdc7cd.png)

于是,Redisson开始了“逃跑之路”,实现了redisson-native。对于Java、Java+Warm UP以及Native三种方式的性能进行对比,能够看出redisson-native的性能具有明显的优势。 
![12.png](https://ucc.alicdn.com/pic/developer-ecology/95c05f850d1e4074ad06aece83b8b761.png)

因此,这说明借助SubstrateVM逃离Java是非常好的解决方案,无需考虑JNI等相关问题,大部分操作只需要Java即可完成,学习成本较低,并且无需安装独立的JVM,生成文件也较小,云原生情况下性能较高,并且C调用非常简单。延伸开去,可以将Redisson带入到原生的二进制状态并进行二次封装,实现遍地开花。

### 基于企业级HBase的大数据存储与处理

阿里云智能事业群数据库产品事业部技术总监,Apache HBase PMC沈春辉(天梧)为大家分享了基于企业级HBase的大数据存储与处理。

进入大数据时代,数据量越来越多,数据种类也越来越丰富。数据量多这一点容易理解,而数据种类丰富则可以从三个维度来看:从静态维度,如今能够用数字化设备越来越多;从动态维度,设备、服务的运行状态越来越多;此外,还有数据再加工又产生了新数据,使得数据变得无穷无尽。面对这么多数量和种类的数据,如果没有价值就都是废墟。回顾这十年,大家对数据价值层面的认知越来越强烈,数据也越来越多地应用到生活中的各个场景。

随着对数据的应用,系统会面临很多挑战。大数据提出了“4V”,具体对于开发者而言,数据体量非常大意味着系统需要高扩展性;数据种类非常丰富意味着系统需要具有高灵活性,能够很好承载随时随地产生的新数据种类;数据时效性意味着系统具有高实时性,具有数据在线化能力;数据价值则意味着需要能够商业化,系统需要降低数据的存储和计算成本。

十多年前,Google首先遇到大数据问题,因此发表了Big Table论文。而HBase则是基于该论文设计的高可靠、高性能、可伸缩的开源大数据NoSQL系统。HBase放弃了对于关系型数据库事务的支持,重点构建扩展性能力、灵活性能力、实时响应能力以及对大体量数据存储低成本的能力。 
![13.png](https://ucc.alicdn.com/pic/developer-ecology/59851a42c0fc453c921be4483b2252ec.png)

阿里巴巴从2010年开始调研HBase,如今已经走过了近十个年头。随着这十年的逐步探索,阿里巴巴也丰富了HBase的使用场景,如消息,订单,Feed流,监控,大屏,轨迹,设备状态,AI存储,推荐,搜索,BI报表等。阿里巴巴自己使用HBase已经达到了非常大的体量和规模,也在产品上有了很多积累和沉淀,形成了如今云HBase+X-Pack的架构。单独依靠HBase数据库无法解决业务场景下的复杂问题,因此X-Pack基于云HBase在计算、检索、多模型上进行了扩展,包含了Spark、Phoenix、Solr以及OpenTSDB等,形成了稳定、易用、低成本的一站式大数据NoSQL平台。 
![14.png](https://ucc.alicdn.com/pic/developer-ecology/1ff083082c9b461f81d5a60bdd0e4afa.png)

云HBase+X-Pack架构实现了低成本的数据存储,将HBase运行在OSS上面,并且让整体接口模型复用HDFS能力。并且同时克服了OSS在面向文件场景下的问题,将原本面向对象的存储系统当做类似云盘来使用,使得存储成本降低3到7倍。此外,还基于HBase做到了一体化冷热分离,并使得业务无感知。

除了低成本存储之外,阿里云HBase还投入了大量的精力来优化性能。相比开源版本,阿里云HBase在各个性能指标上都有较大的提升。在这背后是不断的优化,如原本将基于HDFS Pipeline日志三副本转变向LLC机制,并将串行改为并行;将原本串行获取锁的方式变为并行;并且实现了10倍的Java GC优化。

最后一点,HBase属于大数据领域,必须结合很多组件,因此易用性也是大家最为迫切需要的。阿里云HBase实现了HBase和Spark的数据联动以及在线和离线的高效融合。此外,阿里内部也提供了一套易用的数据迁移系统,能够实现平滑在线搬迁。

无论是从稳定性、易用性还是性能和成本上来说,阿里云HBase都有很大的提升。未来,阿里云HBase还会通过共享块存储等技术进一步降低成本,也将会推出Serverless能力,并且会通过新硬件来加速计算,降低成本。

### 斗鱼直播从0到1混合云架构演进

斗鱼技术总监马勇为大家分享了斗鱼直播的混合云架构演进之路。

斗鱼直播成立于2014年,是以游戏赛事为主的直播平台,平台签约国内Top100主播约50位,覆盖游戏主播Top10中8位,月活达1.5亿,2019年Q1付费用户约600万。斗鱼主要有三条业务特点:头部主播热点效应,流量水位波动较大,以及在线互动场景较多。目前的技术现状是每天业务调用量在千亿左右,Redis实例集群达2000以上,单个接口QPS达20万以上。

斗鱼直播从2016年开始保持每年25%以上的月活增长,目前面对的技术困境主要有三点:(1)“炸鱼”,头部流量拖死全站房间;(2)服务器资源利用率低,日常水位大量服务器闲置;(3)Redis维护和容灾成本高。

斗鱼混合云架构历程主要分为三个阶段,在探索期做了独立业务上云的尝试;在成长期通过IDC+云的方式实现了横向流量扩容;在成熟期完成横向扩容之后实现对资源的最大化利用。 
![16.png](https://ucc.alicdn.com/pic/developer-ecology/067691128647426f8747301d372910a8.png)

探索期的主要背景是IDC硬件资源呈现为长期紧缺状态,研发支撑跟不上业务发展,而公有云逐步成熟。因此在这一阶段,斗鱼尝试性选取了广告业务作为上云试点,并且取得了较大收益,系统的吞吐量直线上升,依赖稳定性显著提升,计算成本也大幅下降。但是这一模式的适用范围较窄,无法直接复制到其他业务场景,而且这一模式只适用于单一数据中心的情况,于是就进入了成长期。

成长期的背景是需要解决IDC到公有云的数据通道构建问题。针对这一问题,斗鱼和阿里云共同构建了RedisShake数据同步工具,支持了Redis全量、增量数据同步、支持云上、云下不同数据中心的同步,还支持秒级数据监控。通过RedisFullCheck实现了数据多维度对比,基本能保证数据通路的数据一致性问题。这一阶段的收益在于实现了单一机房到多机房的数据扩展过程。这个阶段存在存在两点有待改进,即资源调度成本比较高和资源缺乏精细化运营。

成熟期的主要优化方向是职责分离和弹性伸缩,优化方案包括四个方面,即流量分级、数据冷热分离、弹性伸缩和流量调度。其中调度策略包括了手动调度、定时调度、资源消耗调度和Hook调度。

对于混合云架构而言,斗鱼也总结了三点经验:

>  充分合理评估:云上计算网络与IDC差异较大,需要结合业务实际情况进行测试,避免产生影响。  
>  投入产出比:混合云架构对资源冗余存在一定要求或者带来一定负面影响。  
>  延时问题:企业应通过评估业务的重要性决定是否做混合云,虽然从数据中心到云有专线,但也存在一定延时。

### Cassandra&X-Pack Spark云数据库技术剖析

阿里云智能高级技术专家曹龙(封神)为大家剖析了Cassandra与X-Pack Spark云数据库技术。

为什么选择Cassandra呢?Cassandra是一种完全没有中心的数据库,其每个节点都是主节点,如果Kill掉其中任何一个节点都不会影响集群的QPS以及延时。除了Cassandra使用的P2P-QUORUM机制之外,还有HA机制、Raft以及单内存副本+共享存储等机制,而只有Cassandra能够做到几乎没有感知时间,因此Cassandra的Slogan就是“Always Online”。 
![15.png](https://ucc.alicdn.com/pic/developer-ecology/74773d6f255943a491dd0f7c4186b5b8.png)

Cassandra能够实现平滑扩展,一方面可以增加节点数据量,甚至扩展多个DC。另一方面在云上还可以增加内存等。平滑扩展是Cassandra的重要特性,其他数据库往往难以做到。Cassandra还可以实现全球多DC,架构师可以根据业务自由适配。

对于学习成本而言,Cassandra提供类似于SQL语句的CQL,会MySQL的DBA或者开发人员基本上一天之内就能学会Cassandra。在安全方面,Cassandra和主流数据库一样提供了完善的认证以及鉴权体系。在多语言方面,Cassandra采用了非Thrift方式,采用客户端和服务端直连方式,并且支持主流的语言,并且具有良好的性能。最后一点,就是运维简单,Cassandra整体只有一个进程,没有Proxy、HA以ZK等角色节点。

Cassandra具有很多功能,比较特别的就是其索引支持物化视图、还支持SASI全文索引,并且集成了Lucene做更强的全文索引,以及支持CDC对接流式系统。 
![6.png](https://ucc.alicdn.com/pic/developer-ecology/66227ecadab148828a18801ccb980752.png)

Cassandra的功能和生态比较丰富,其可以和其他组件进行搭配,比如Spark、Kafka、ES、Lucene、RocksDB等。

Cassandra在宽表领域排名全球第一,即使在国内缺乏宣传的情况下排名也是靠前的。Cassandra的发展目前已经经过了十年,其将AWS的DynamoDB和Google的BigTable两者的长处融合在一起形成的。阿里巴巴也在2019年公测并发布了阿里云Cassandra数据库服务,并且对原生的Cassandra进行了多方面提升,比如实现了自动化运维、兼容DynamoDB、全链路优化性能提升100%等。

总结而言,云数据库Cassandra版是在线可靠的NoSQL可调一致性的分布式数据库服务,支持类SQL语法CQL,提供强大的分布式索引能力,提供安全、多活容灾、监控、备份恢复等企业级能力,兼容DynamoDB协议。

X-Pack Spark不仅仅支持Cassandra,还能够支持HBase、Phoenix、RDS和MongoDB。X-Pack Spark不仅具有强大的连接能力和归档能力,还能够通过ElasticNode降低计算和存储成本。

Cassandra+Spark能够应用于非常广泛的业务场景中,比如用户画像、Feed、小对象存储以及推荐平台等。

总结而言,将Spark与Cassandra的优点结合在一起能够满足多种业务场景的需求,能够实现Always Online、扩展性强、好用、功能和生态丰富以及Spark数据闭环。 
![17.png](https://ucc.alicdn.com/pic/developer-ecology/55d76c993b7b462ca2a111b88d8f8b40.png)

 

 

 

 

[原文链接](https://yq.aliyun.com/articles/721071?utm_content=g_1000084194)

本文为云栖社区原创内容,未经允许不得转载。
分享到:
评论

相关推荐

    云栖大会人工智能专场PPT

    在本次“云栖大会人工智能专场PPT”中,专家们深入探讨了人工智能这一前沿科技在各行各业的应用及其模型。云栖大会作为阿里巴巴主办的全球顶级科技盛会,汇集了众多业界精英,共同分享最新的技术和研究成果,而人工...

    2017年云栖大会ppt

    7. **技术架构与服务**:深入解析阿里云的技术架构,如云安全、网络、数据库等,以及提供的各类云服务,如CDN(内容分发网络)、RDS(关系型数据库服务)等。 8. **大数据与AI应用**:讨论大数据处理技术与人工智能...

    2016杭州·云栖大会 域名专场

    1-8 - 2016杭州·云栖大会 - “域”罢不能:创新改变行业 1-9 - 2016杭州·云栖大会 - “域”感:域名投资从入门到精通 1-10 - 2016杭州·云栖大会 - “域”数临风:域名大数据的应用 1-11 - 2016杭州·云栖大会 - ...

    2018数据架构选型必读:9月数据库产品技术解析完整版

    综上所述,2018年九月份的数据库行业呈现出多点开花、百花齐放的景象,无论是传统关系型数据库还是新兴的NoSQL、NewSQL数据库,都在技术和市场层面呈现出新的活力和发展方向。而对于国内数据库厂商而言,这是一个...

    计算机行业研究周报:从云栖大会观察云计算融合发展新趋势.pdf

    云栖大会是阿里巴巴集团主办的一个旨在探讨云计算、大数据、人工智能等前沿技术发展的大会,每年都会吸引行业内的广泛关注。2019年云栖大会以“数·智”为主题,展现出云计算技术与数字化、智能化趋势的深度融合,从...

    藏经阁-2016年云栖大会PostgreSQL专场技术-yqdh_58086c479c7...1508943621.pdf

    总结来说,2016年云栖大会的PostgreSQL专场揭示了该开源数据库系统在创新和技术实力上的持续进步,尤其是其在全文搜索、扩展性和NoSQL支持方面的强大能力,以及其对用户自定义需求的高度适应性。这些特性使...

    分析型数据库标准发展与行业观察.pdf

    分析型数据库作为一种新型数据库类型,是对传统关系型数据库、NoSql型数据库和时序型数据库之外的新补充,针对数据仓库和大规模数据分析场景,提供更专业的数据处理能力。 分析型数据库的核心特征在于其高效率的...

    2016杭州·云栖大会 电商专场

    1-14 - 2016杭州·云栖大会 - 阿里电商云介绍与实践 1-15 - 2016杭州·云栖大会 - 同程带您云端翱翔 1-16 - 2016杭州·云栖大会 - 电商端到端数据精细化运营 1-17 - 2016杭州·云栖大会 - 数字营销助力传统企业通往...

    计算机行业周报:云栖大会在杭召开,云计算产业发展迅速.pdf

    计算机行业周报所涵盖的知识点十分广泛,包括云栖大会、云计算产业的最新发展、行业投资评级、投资建议以及相关的经济指标分析。下面详细说明这些内容。 首先,云栖大会是阿里巴巴集团主办的一个年度技术大会,是...

    云栖大会开发者报告

    阿里,2017年行业报告,技术分析汇总。 云栖大会开发者报告。 云栖大会开发者报告 云栖大会开发者报告 云栖大会开发者报告 云栖大会开发者报告。

    2019杭州云栖大会PPT-part1.zip

    2019杭州云栖大会70+份顶级大咖演讲PPT分享!https://yq.aliyun.com/articles/720857?spm=a2c4e.11153940.0.0.553ac88czBCeJf part2:https://download.csdn.net/download/kingreatwill/12461601

    云栖大会部分公开的ppt

    【云栖大会部分公开的PPT】是一次技术分享盛宴的精彩回顾,主要涉及的是在云栖大会上公开的关于自然语言处理(NLP)领域的相关内容。云栖大会,由阿里巴巴主办,是全球知名的科技盛会,汇聚了众多顶尖的科技人才和...

    2017杭州云栖大会部分大咖精彩讲义分享

    送上一份重量级的干货学习包含多位顶级大咖完整版PDF分享免费开放给大家。 此份学习包覆盖了许多精彩的论坛比如阿里开源峰会、大数据分论坛、阿里云大数据计算服务MaxCompute专场SQLSERVER专场……

    2017云栖大会-云数据库Redis版的开源之路

    2017云栖大会的“云数据库Redis版的开源之路”,技术内容不是特别深,可以作为了解

    2017云栖大会.docx

    2017云栖大会主要内容

    2019杭州云栖大会-云时代数据库容灾解决方案

    2019杭州云栖大会是一场聚焦云计算领域,尤其是云时代数据库容灾解决方案的高级技术盛会。在这次会议中,阿里云智能的资深技术专家关羽作为主讲人,深入探讨了在云时代背景下,灾备建设的重要性以及面临的机遇。 灾...

    藏经阁-开发者专场-三红 kingsum Dragonwell云栖最终版.pdf

    文档"藏经阁-开发者专场-三红 kingsum Dragonwell云栖最终版.pdf"似乎是一个技术分享或研讨会的资料,主要关注Java相关的开发工具和技术。虽然没有提供详细的内容,但根据部分文字,我们可以推测其中可能涵盖了以下...

    2017云栖大会各行业大佬演讲部分ppt

    2017云栖大会各行业大佬演讲部分ppt《如何让云计算加速传统商业-苏炎》,《人工智能在媒体领域的研究和应用- 黄传能》,《新技术助力电子商务到新时代-俞翔》,《人工智能时代下的视觉合成-禾朔》,《阿里云机器学习...

    云栖大会ppt

    ### 云栖大会PPT知识点解析 #### 一、云栖大会概述 云栖大会作为阿里巴巴集团主办的一场大型科技盛会,旨在展示云计算、大数据、人工智能等前沿技术成果及其在各行各业的应用案例。本次分享主要围绕“CDN助手”这一...

Global site tag (gtag.js) - Google Analytics