对一些行业关键核心业务应用来说，必须满足7×24小时的不间断服务。这就要求数据库必须具备高可用性以避免数据库节点的单点故障。数据库的高可用架构选择直接影响到业务应用服务可用性的等级。一般行业的关键核心业务要求具备极高可用性，即99.999%的可用性级别。Oracle在高可用架构上陆续推出了主机HA（Highly Available）、ADG（Active DataGuard）、RAC（Real Application Cluster）、OGG（Oracle Golden Gate）等多种形式。这些高可用架构可以单独使用，也可以组合使用，许多金融机构借助Oracle的多种高可用架构组合，构建了两地三中心的极高高可用业务服务。在国产化替代的背景下，国产数据库需要在高可用性技术上达到Oracle的同等水平甚至有所突破才能逐步实现千行百业的关键核心业务替换。目前，国产数据库大多已经借鉴Oracle构建了自己的完整高可用架构，以南大通用GBase 8s数据库为例，就有一整套对标Oracle高可用的技术栈来确保行业业务系统的高可用服务。<img src="https://cdn.gbase.cn/Uploads/p4dt_cEJmfoqR2jpErz8O/1.png">&nbsp;GBase 8s主备式集群GBase 8s提供了基于redo log实时同步和重做的主备式集群。主节点和备用节点之间的数据传输支持多路复用连接，可以减少网络资源的需求，提高服务器之间的通信效率。主备式集群支持HAC和RHAC两种集群方式。HAC是典型的一主一备的集群模式，可以根据网络传输条件选择全同步、近同步和异步三种redo log复制形式，完美对标oracle ADG的最大保护、最大可用、最大性能三种工作模式。全同步是交易在主节点上完成后，在提交之前，需要把交易的redo log复制到备用节点，备用节点在接受到redo log之后，进行日志重放，在备节点重放完成之后，主备节点一起提交。该方式最大的优点是保障交易的可靠性，只要交易成功，一定是在主备两个节点都写入redo log成功。近同步是交易在主节点上完成后，该交易的redo log需要通过网络发送给备用节点，当备用节点确认接受该交易的redo log之后，主节点上的交易即刻提交。异步是交易在主节点完成之后，就传送到备用节点，不需要等待备用节点回复任何消息，主节点都可以提交。但在检查点来临时，需要比对主备节点检查点的一致性，也就是说数据库允许在两个检查点之间是异步的，但是主备节点的检查点必须要一致。HAC集群的实际部署，推荐服务器双网卡配置，业务流量走南北向网卡，redo log同步的流量走东西向网卡。HAC集群的特点：1. 该集群模式部署简单，数据冗余； 2. 对应用程序来说，数据库透明访问； 3. 故障切换时间在30秒内完成； 4. 数据同步方式灵活多选； 5. 主备节点均可读可写。HAC集群的使用场景：1. 在同机柜、同机房、同城的时候推荐考虑，网络延迟是影响HAC集群的主要因素；2. 数据量建议在不超过10TB的时候可以考虑HAC，主要是考虑单服务器磁盘可用容量的限制。RHAC集群是GBase 8s集群的另外一种表现形式，从集群形态上支持一主多备，主要用于远距离传输、异地容灾的业务场景。RHAC是典型的异步传输机制，主节点负责接受和处理交易，并把交易的redo log源源不断地发送到目标节点，不需要等目标节点接受消息，也不需要等目标节点的检查点，只有目标节点在重做redo log之后才会向主节点返回redo log的位置信息。RHAC集群的特点：1. 通过数据库的redo log进行复制，在备用节点恢复的时候可以通过最后一个检查点自动追平redo log，保证主备节点的数据完整性和一致性； 2. 对主节点性能影响最小； 3. 对应用透明访问； 4. 故障切换时间在30秒内完成； 5. 主备节点均可读可写。RHAC集群的使用场景：1. 长距离传输的业务场景或异地容灾的场景； 2. 网络的延迟和带宽都要求比较宽松。HAC和RHAC部署架构如下图所示：<img src="https://cdn.gbase.cn/Uploads/t5-g_EFHWi40R2mfcDfm6/2.png">&nbsp;连接管理器CM连接管理器CM（Connection Manager）是GBase 8s自带的数据库集群管理组件。该组件有两个功能，应用客户端向GBase 8s进行连接访问，用于数据库集群故障发现、故障转移。该组件可以单独部署，也可以和数据库部署在一起，为了避免单点故障，可以部署多个CM。&nbsp;GBase 8s基于共享存储的数据库集群对于大型业务系统来说，一般会采用基于共享存储的双节点或者多节点数据库集群来支撑业务的高可用。GBase 8s共享存储高可用集群SSC，采用共享磁盘方式实现节点高可用，数据仅存储一份，有效利用硬件资源，避免数据重复存储问题。共享存储支持磁盘阵列也支持分布式存储，IO设备支持裸设备也支持共享文件系统。集群为主控对等管理模式，查询时访问本地缓存，无网络开销，线性扩展性良好，集群节点数最多可达16个，所有节点均可读写。当主节点失效时，辅助节点可以升级为主控节点，保障系统的高可用。SSC集群的特点：1. 类RAC技术，支持共享存储，保证数据的强一致性； 2. 应用透明访问； 3. 集群中所有节点均可读写； 4. 集群故障切换在30秒内完成； 5. 在数据量低于100TB的业务场景中，相对于分布式数据库来说，性价比最高的数据库集群方案。SSC集群使用场景：1. 数据量超过10TB小于100TB的业务场景； 2. 单机能力或主备式集群处理能力不满足的业务场景。部署架构如下图所示：<img src="https://cdn.gbase.cn/Uploads/gZr_AxN61iDggPOvXSMVK/3.png">对SLA要求更加严格的关键核心业务系统，GBase 8s也有两地三中心高可用解决方案。部署架构如下图所示：<img src="https://cdn.gbase.cn/Uploads/RegKCKy1SsvtfpTYo56pw/4.png">如上图所示，主机房采用4节点的SSC集群架构，同城灾备机房部署一个HAC节点，异地灾备机房部署一个RHAC容灾节点，完美地构建了两地三中心的部署架构。应用程序通过CM访问数据库集群，应用程序无法知道数据库集群的部署情况，相对数据库来说更安全。当主节点发生故障时，一个SSC节点自动提升为主节点接管业务，其他节点自动向新的主节点看齐，并自动同步无需人工干预。当备用节点故障的时候，也不影响整个数据库集群的访问和业务的持续运行。&nbsp;GBase 8s&nbsp;数据实时交换共享集群GBase 8s内置以表为单位的数据实时同步能力，对标OGG。该能力的特点如下：1. 数据库可以有两个或多个节点，每个节点均可读、可写； 2. 每个表上的同步支持单向同步、也支持双向同步； 3. 可以支持完整行的数据同步，也支持特定字段的数据同步； 4. 支持全量同步、增量同步，支持断点续传； 5. 支持数据快速比对； 6. 当有一个节点故障的时候，业务系统可以在1秒以内切换到其他节点，最大化保障业务连续性； 7. 支持一键部署； 8. 可以在两个数据库集群之间使用表复制的能力连接起来，从而实现数据库集群双活的能力。<img src="https://cdn.gbase.cn/Uploads/k166nGqLoNOfaAJ10Tkmr/5.png">该能力的使用场景：1. 野外或无人值守环境，对数据库干预较少的场景； 2. 对数据库切换时间要求极短的场景； 3. 部省市县数据实时交换共享业务场景； 4. 平行单位之间数据实时交换共享场景。 &nbsp;

GBase 8s高可用集群架构介绍

9月25日-27日被誉为“ICT行业风向标”的2024中国国际信息通信展览会将在北京·国家会议中心召开&nbsp;聚焦信息通信全场景GBASE南大通用将携全栈GBase数据库产品与电信行业最佳应用实践精彩亮相诚邀您莅临指导<img src="https://cdn.gbase.cn/Uploads/RAkt8O8RPdetPhc4n27yA/通信展预热海报.jpg"> &nbsp;

PTEXPO 2024｜GBASE南大通用邀您共赴中国国际信息通信展，探索信息通信新纪元

<blockquote>“大模型技术的创新与应用扩展了向量数据库的应用场景，也凸显了向量数据库部署的必要性。通过携手英特尔，我们为用户提供了软硬件协同优化的向量数据库方案，能够帮助用户有效应对海量向量数据处理带来的性能压力，为大模型时代构建高性能的数据库基础设施。”— 关连坡 南大通用GBase 8a产品经营部总经理</blockquote>&nbsp;<blockquote>“向量数据库和多模态数据处理等创新技术意味着，数据库领域正在发生更多的变革，带来更高的复杂性，以及对于多元算力的苛刻要求。英特尔正在利用创新的软硬件技术组合，推进基础设施的重构及优化，以构建新一代的数据库解决方案，帮助用户充分释放硬件潜力，加速数字化、智能化转型。”——唐炯 英特尔（中国）软件技术合作事业部总经理</blockquote>人工智能 (AI)、深度学习等技术的发展，催生了向量数据库的繁荣。通过向量数据库，用户能够像处理结构化数据一样地高效地处理海量的非结构化数据，赋能检索、推荐等应用。与此同时，向量数据库由于涉及到向量数据的索引、检索、生成，需要大量的矩阵计算，对于数据库的性能也带来考验。在此背景下，GBASE南大通用推出了基于第五代英特尔®至强®可扩展处理器的向量数据库系统 (GBase 8a MPP Cluster，GCVD)，该方案具备向量数据库的高维度支持、相似度搜索、支持多个向量字段、快速插入和更新、多模型联合分析、与大模型结合、易扩展、稳定可靠等特性，并能够利用内置的英特尔®高级矩阵扩展（英特尔® AMX）加速引擎，提升向量检索中矩阵计算的性能，实现了超过2倍的数据库整体性能提升。向量数据库是一种专为管理向量数据而设计的数据库系统，其核心功能是理解和处理高维数据的相似性。通过向量数据库，用户能够更好地对图片、视频等非结构化数据进行分析，赋能检索、内容推荐等应用。而伴随着大模型等AI技术的崛起，企业对于向量数据库的需求显著提升，其作为典型AI系统的重要组成，得到了场景化落地。向量数据库的关键场景包括：检索增强生成（RAG）在向量数据库中进行相似性搜索，并获得返回的top-K个与用户问题最相似的结果。最后，合并返回结果与原始问题，以便大模型给出更准确的回答。推荐系统通过使用向量数据库进行向量相似性搜索，比较和计算用户向量和产品向量之间的距离，从而召回 Top-K个最相关的结果，为用户推荐匹配度更高的产品。多模态检索使用向量数据库可以实现多种不同模态的数据(如文本、视频、音频、图片等)进行联合相似性搜索。此外，向量数据库的发展在推动AI等应用创新的同时，也为数据库基础设施带来了巨大挑战，这些挑战包括：数据库性能出现瓶颈由于向量数据规模的快速增长以及对实时性需求的日益凸显，企业对向量数据库的处理性能期望也越来越高，但其性能往往受到CPU性能、数据库架构等方面的严重制约。数据库总体拥有成本 (TCO) 压力为了应对日益增长的数据压力，企业往往需要在向量数据库基础设施建设、运维和实施等领域进行大量投资，带来了巨大的TCO压力。&nbsp;基于第五代英特尔®至强®可扩展处理器的向量数据库GCVD南大通用向量数据库系统GCVD在GBase 8a MPP Cluster架构基础上实现了向量数据库的功能，是继承了集群高可用、高可扩展性、高安全性以及运维管理能力的分布式向量数据库。GCVD通过存储数据向量并使用向量的相似度度量，实现高效、准确的数据搜索和分析，适用于各类 AI 驱动的应用场景，包括图片检索、视频分析、自然语言处理、推荐系统、定向广告、个性化搜索、智能客服、欺诈预防、基因检测等。<img src="https://cdn.gbase.cn/Uploads/qf-lDZwIiFYkBD6s0Mj1x/1.png">GCVD 架构图GCVD 采用存算分离架构，各层均可独立扩展。整个分布式集群系统能够同时支持业务智能、报表分析、决策支持等传统分析业务和图像处理、推荐系统、自然语言处理、机器学习等向量数据业务，并具备高纬度支持、相似度搜索、多向量字段支持、快速插入及更新、多模型联合分析、大模型调优、易拓展、性能稳定等特性。&nbsp;采用第五代英特尔®至强®可扩展处理器提升数据库性能<img src="https://cdn.gbase.cn/Uploads/fY3uLTur3fkFGBoNRzw5g/2.png">第五代英特尔®至强®可扩展处理器为化解性能瓶颈，GCVD采用了拥有更可靠的性能、更出色的能效的第五代英特尔®至强®可扩展处理器。在实现工作负载显著每瓦性能增益的同时，提供更高的算力和更快的内存，并完全兼容上一代适配的软硬件，大幅减少测试和验证工作。此外，GCVD充分利用处理器内置的英特尔® AMX加速器加速矩阵计算，高效地处理各类 AI任务所需的大量矩阵乘法运算，提升其在训练和推理时的工作效能。<img src="https://cdn.gbase.cn/Uploads/t7l-yqZo7jg1tHRknShKf/3.png">英特尔®AMX 架构及GCVD 优化前后的性能GBASE南大通用与英特尔携手在三节点集群上，验证了GCVD在使用英特尔® AMX 优化前后的性能表现。测试数据显示，使用英特尔® AMX优化后，GCVD的检索性能提升高达2.44倍。&nbsp;用户收益GBASE南大通用基于第五代英特尔®至强®可扩展处理器的向量数据库GCVD能够为用户带来如下收益：<ul><li>加速数据库运行，为推荐系统、大模型、多模态检索等应用赋能：有效地化解了高性能向量数据库的CPU性能瓶颈，结合软件优化措施，在性能上有优秀的表现，能够应对海量业务带来的压力。</li><li>降低&nbsp;TCO，提升向量数据库系统的投资回报率：支持用户以更低的服务器规模实现目标性能，这有助于降低相应的服务器扩展、能耗、数据中心空间等成本，提升投资回报率。</li></ul>&nbsp;未来展望大模型等AI技术的应用将驱动着向量数据库的不断落地、壮大，也凸显了化解性能瓶颈的重要性。GBASE南大通用携手英特尔为用户提供了高性能的向量数据库方案，能够帮助用户在保护基础设施投资的同时，更好地利用向量数据库在处理高维数据方面的优势，拓展大模型等新型业务场景。面向未来，双方将进一步深化合作，探索更多软硬协同的联合解决方案，为企业用户的数字化转型提供支持。 &nbsp;

GBASE南大通用携手英特尔发布面向大模型未来的向量数据库解决方案

一图读懂GBase 8a管理工具GDS

作为一款企业级的数据库产品，南大通用GBase 8s数据库具备杰出的数据处理能力。日常数据处理中，无论是报表制作还是数据分析，我们经常会遇到将行数据转换为列数据的需求。Pivot函数的存在完美解决这一问题，轻松实现行数据到列数据的转换，帮助我们从不同的角度审视数据。本文将详细介绍如何使用Pivot函数进行动态行转列操作，并提供具体的操作示例。&nbsp;GBase 8s Pivot函数的概述Pivot，即行转列，是一种将表中的行数据转换为列数据的过程。通过Pivot操作，我们可以将数据表中的一列或多列的数据转化为多列的形式，以便更好地进行横向统计和分析。Unpivot，即列转行，与Pivot相反，Unpivot则是将表中的列数据转换为行数据。以便更好地进行纵向统计和分析。Pivot和Unpivot是数据转换中非常有用的两个函数，它们可以根据需要改变数据的呈现方式，使得数据更易于理解和分析。在数据库查询、数据分析、报表制作等领域中，都有着广泛的应用。我们将在下一篇文章介绍Unpivot函数。&nbsp;GBase 8s pivot的语法详解Pivot 转换数据的过程：多行被聚合，然后转换成列，每一列表示聚合数据的不同范围。语法如下：<img src="https://cdn.gbase.cn/Uploads/Z__-TiSBtxOLtpDHnJmD8/1.png">pivot紧跟from，位于from和where之间。【一句话来说明】：pivot(聚合函数1 as 别名1，聚合函数2 as 别名2 ...) for 需要转为列的字段1,字段2.... in((字段1值1，字段2值1) as 别名1,(字段1值2，字段2值2) as 别名2...)&nbsp;GBase 8s Pivot示例注意：以下所用示例使用的数据库版为:GBase8sV8.8_TL_3.5.1_x86_64下面示例都是对pivot语法的简单演示，使用emp表，在转换前，先看一下基础数据：<img src="https://cdn.gbase.cn/Uploads/f6Sf9Lj2igF9-DP5Q_tpw/2.png">--用例1：单列转换这里将通过deptno和job来汇总sal1，然后转换对deptno的汇总到它们各自的列上需要聚合的列：sal1需要转换的列：deptno转换的列需要过滤的值：10,20,30,40<img src="https://cdn.gbase.cn/Uploads/TDT1noNliKfRT7Zp5E6Ov/3.png">关于这个例子需要注意的地方：pivot操作实际执行了隐式的GROUP BY，使用的列是没有出现在pivot_clause中的列（本例为job和deptno），大多数的转换查询都是在列的特定的子集上来执行。像所有的聚合查询一样，额外列的出现会影响分组。在本例中，除了sal 1列，其余所有列都成了分组集，其中deptno为转换列。基础数据中的其他列如ename等如果加入就会影响分组，所以可以使用子查询等来定义基列的集合，例子中的SELECT deptno, job, sal 1 FROM emp作用就是定义基列的集合。--用例2：所有列都参与的效果：<img src="https://cdn.gbase.cn/Uploads/J6bNOEvjbN8gPaMcA3DKA/4.png">本例中，除了sal 1列，其余所有列都成了分组集，其中deptno为转换列。这个转换没有什么意义。--用例3：with as下面再举一个with as子查询的例子，效果与上述内联视图结果一致。<img src="https://cdn.gbase.cn/Uploads/mfWJzvbODhVb7T0AKxhKS/5.png">--用例4：多列转换<img src="https://cdn.gbase.cn/Uploads/0viK80l0q9xJ4-BgAVlZ0/6.png">上面的例子中 pivot_clause 中定义 2 个聚合，这里得到的转换列是双倍（因为聚合的数量是双倍）。转换列的数量=聚合列的数量 * pivot_in_clause 中值的个数（2*2=4）， 转换列的数量不能超过 1024。--用例5，多列多值转换<img src="https://cdn.gbase.cn/Uploads/fwxlFDi0_r2s2PWObze6l/7.png">GBase 8s Pivot转换查询注意事项在 pivot_for_clause 中使用的列（如例子中为 deptno 列)不能出现在SELECT投影列中，在 pivot_for_clause 中的列会根据我们在 pivot_in_clause中提供的值的范围进行分组。下列中试图查询 deptno 列，会引发异常，因为这种情况下，deptno完全从投影中被移除了。<img src="https://cdn.gbase.cn/Uploads/GXbRUjKQ-Ox0lwmyTH-pH/8.png">同样也不能查询任何出现在pivot_clause 中的列。比如试图查询 sal1 列，也会引发了同样的异常。pivot_clause中的列必须使用聚合函数，没有使用聚合函数，也会引发异常。<img src="https://cdn.gbase.cn/Uploads/7R2_eAYPyJH6x7BRWzLAq/10.png">pivot_in_clause 中，如果指定别名就用别名，如果没有指定就用值当列名；而 pivot_clause中如果指定别名就连接到pivot_in_clause 转换后的相应列的名称的后面，如果没有指定就不用。pivot_clause中有多个聚合函数时，8s允许都不设置别名，8s会自动在后面加上_1,_2..依次类推。别名都不支持加单引号。<img src="https://cdn.gbase.cn/Uploads/hOTzCUzNWG0EzzGfSKAs_/11.png">其他使用上的限制，可参考《GBase 8s V8.8 SQL 指南：语法.pdf》GBase 8s数据库官方文档：https://www.gbase.cn/download/gbase-8s-1?category=DOCUMENT<a href="https://www.gbase.cn/community">南大通用GBase技术社区：https://www.gbase.cn/community</a>通过本文的介绍，您可能已经对GBase 8s中的Pivot功能有了全面的认识。它不仅仅是一个简单的数据转换工具，更是数据分析的利器。下一篇文章，我们会展开介绍Unpivot的使用技巧，感谢您的阅读。 &nbsp;

数据重塑的艺术 | 南大通用GBase 8s数据库Pivot函数

近年来，随着利率市场化进程加快，互联网金融发展迅速，传统银行受到新兴互联网金融的冲击衍生出了全新的产品、服务与业态。同时，大数据技术越发成熟，具备更高的性价比、更强的计算存储能力和更易扩展的数据处理能力，能够充分发挥全量数据的价值，是各银行适应互联网金融及大数据时代的必备基础平台。在海南自由贸易港加快建设的背景下，海南某银行通过构建标准一体化的数据平台以加快数字转型，推动金融产品及业务创新，为海南自贸港的高质量发展提供了优质的金融服务支持。<img src="https://cdn.gbase.cn/Uploads/sl6xXsqNXYM6vhRP8Cjgc/1.jpg">当前，海南某银行正处在业务发展的全新阶段，各种业务模式层出不穷，数据量日益增多，随着业务数据的内容和形式不断丰富，对数据支撑及服务的总体能力提出了更高的要求。为此，基于大数据技术，整合现有行内数据，接入行外数据，搭建并行处理能力强、易于扩展的大数据平台刻不容缓。海南某银行通过引入MPP数据库集群与Hadoop集群的混搭架构，搭建了低成本、高性能、大容量、易扩展的数据基础平台。其中，MPP数据库集群采用南大通用GBase 8a MPP Cluster作为数据平台的计算引擎层，为整个数据平台提供强大的计算分析能力。&nbsp;引入GBase数据库构建标准化、高性能的数据平台海南某银行通过引入南大通用分布式逻辑数仓GBase 8a MPP Cluster + Hadoop集群，搭建低成本、高性能、大容量、易扩展的数据基础平台，实现了结构化、半结构化、非结构化数据的集中采集、存储、加工、分析和应用，并基于这一技术架构重构数据仓库、规范历史数据存储使用，形成了标准化、高性能的基础数据体系，为全行经营管理及业务应用提供了数据支撑。<img src="https://cdn.gbase.cn/Uploads/a4V0knDWfGFmH2kPX6oO3/2.png">数据平台技术架构图统一数据平台汇聚了全行主要的业务数据，在流程上，数据平台率先完成共性数据的加工与标准化处理；在此数据基础上，进一步建设灵活、自主、开放、易用、安全的数据自助服务门户，整合数据分析和展示工具等资源，帮助用数部门高效地实现查询、分析等业务目标；同时提升系统开发效率和需求响应速度，快速支撑上层应用对数据的需求。GBase数据库作为数据中台的计算引擎层，用于实现各类面向主题的模型加工和批处理作业，并提供数据的对外访问能力，在项目建设过程中，展现了领先的性能及架构优势：易拓展采用完全并行的 MPP + Shared Nothing 联邦架构能力，为数据平台提供横向的容量和性能扩展能力；数据融合杰出的融合能力实现与Hadoop数据湖间的数据透明交互，构建数据全生命周期湖仓一体化解决方案；高性能、免维护采用高性能、&nbsp;免维护的智能索引技术，索引空间占比不超过1%。智能索引包含列的统计信息，在数据检索定位时可有效过滤数据，大幅降低数据库磁盘 I/O，&nbsp;大幅提高海量数据的查询性能；高效数据管理通过资源池及资源使用计划的灵活配置，实现不同数据库用户的纵向的资源隔离，支持对 CPU、内存、磁盘空间、磁盘 IO、并发任务数等关键资源和指标进行管控；能够提供完善的多租户能力。&nbsp;应用效果整个数据平台部署了十余个节点GBase数据库产品，纳管全行PB级的业务数据，支撑全行外部监管、资产负债、业务管理以及风险管理等各项业务领域的应用。面向全行各项业务领域、多个业务场景，提供大数据深度分析及综合应用，为业务经营发展提供了高性能的数据引擎。支持业务目标：实现数据资源统一管理，全面提升数据服务能力，充分挖掘数据价值，满足全行客户营销、风险管控、经营管理及外部监管需要，推动数据治理，提升数据资源管理水平和数据资产综合应用能力；低成本和自主可控：基于全国产化的软硬件环境，显著降低建设成本的同时兼顾基础设施的安全可靠，化解平台在运行、维护、升级等方面潜在的外部风险，保障金融数据安全；业务连续性：采用Shared-Nothing架构，支持不中断业务在线按需扩展，有效保障业务的连续性，为业务创新提供强有力的基础环境支撑；混搭架构实现全数据汇聚处理：GBase数据库可透明实现异构平台的数据交互，与Hadoop集群共同构建数据全生命周期的湖仓一体化架构。&nbsp;写在最后基于GBase数据库的标准化、高性能数据平台在海南某银行的成功落地，是科技与金融的“同频共振”和“双向奔赴”。面向未来，GBASE南大通用将提供更加深入与专业的数据产品与技术服务，在助力用户金融服务提质增效的同时，为海南自贸港的经济高质量发展注入国产科技的创新活力，让自贸港高水平开放跑出“数据”加速度。

数据赋能自贸港建设 | GBASE数据库助力海南某银行构建高性能、标准化的数据平台

第15届中国数据库技术大会（DTCC2024）上，GBASE南大通用分享了第三代智能数据库GBase 8c助力企业用户应对多元场景，赋能业务发展的创新实践。 会后，GBase 8c产品经营部总经理张益接受了ITPUB的采访，围绕分布式数据库领域的热点话题进行了深入探讨。<img src="https://cdn.gbase.cn/Uploads/CDlcc4VG_9NLRw_i1-EDS/微信图片_20240912152703.png">1. 能否介绍一下GBase 8c 在过去一年的变化？取得了哪些进展？GBase 8c是南大通用推出的多模多态分布式数据库产品。过去一年，GBase 8c在产品能力和应用深度两方面都有了可喜的进展。在产品能力上，GBase 8c在去年引入了向量存储，这是在大模型时代DB4AI领域非常重要的一项能力，通过向量存储，GBase 8c能够更高效地支持数据处理，特别是针对大模型的数据访问，这在国产数据库中是比较少见的。同时，在应用深度上，我们在金融以及运营商等众多的核心业务系统投产。例如，在某银行信贷核心系统中，GBase 8c成功对原有数据库进行了替换并显著提升了系统的处理性能。在运营商的O域和B域两类核心的业务领域，GBase 8c帮助用户系统实现了一体机上的迁移，基于多租户能力，显著降低整体运维难度和成本。&nbsp;2. 您谈到在分布式数据库领域，大家比拼的是如何做到工程化、产品化，让产品能够快速、高效地支持应用，能否展开讲讲你们的工程实践？在数据库学术界以及产业界大家有一个基本共识，那就是数据库框架理论已经相对成熟，当然不可否认一些细微的创新点以及特殊的产品优化是有别于同类产品的重要因素，但就数据库厂商而言，进行标准的产品化、工程化以支持应用是决定企业能否盈利进而不断迭代的关键。GBASE南大通用始终将自己定位为一家“专注于数据库产品和服务并且在金融、电信等关键领域得到规模化应用的独立的数据库厂商”。二十年来，我们也始终在践行这一点，非常纯粹地坚持聚焦数据库产品研发，通过这二十年的积累，真正让数据库实现标准的产品化、工程化，让客户放心使用，从而对我们的产品质量和服务水平报有充分信任。我们严格地遵循IPD集成开发模式，并且在组织架构上成立独立于产品和销售体系之外的质量管理部门，确保在产品研发的每个阶段都能满足客户的需求和预期。这种系统化的研发流程使得我们能够快速响应市场变化，为客户提供了高质量的产品和服务。&nbsp;3. 您观察现在各行业对分布式数据库的态度和应用现状是怎样的？会采取怎样的策略？提到分布式数据库必然要提及集中式数据库，二者究竟是怎样的关系始终是学术界和产业界争论的焦点。我们认为分布式和集中式一定不是对立排斥的关系，只是有些场景分布式更适合，有些场景集中式性价比更高，并非一元化的分布式或者集中式用在核心，另一个用在边缘。关键还是看需求，看并发量、数据量，包括高可用的能力能不能满足业务的需求。 &nbsp; &nbsp; 对于一些并发量大、数据量大的核心业务系统，分布式数据库可能更加适合。因为分布式数据库可以通过水平扩展来提升处理能力，同时支持更好的弹性伸缩和负载均衡。而一般业务系统，可能对于高可用或者说数据量没有那么大，可以选择像GBase 8c这样的分布式数据库，依靠多租户能力降低管理和运维成本。&nbsp;4. 如何保证分布式数据库替换或者升级更加平滑和稳定？数据库产品之间的迁移一定不是完全平滑的，同一架构的不同产品都有差异，遑论集中式迁移到分布式。GBase 8c在做的就是让这个迁移的差异化过程更加智能。 &nbsp; GBASE南大通用采用了智能数据分布算法的专利技术。以往工程实践中，用户的业务专家和我们的数据库团队会统一设计数据分布方案，进行验证、调试、测试，这一过程周期长、成本高。 &nbsp; 现在我们基于自研的智能数据分布技术，通过算法自动优化数据分布，完成数据分类粗加工后，基于真实业务场景运行测试，通过代价评估不断进行系统递归优化。经过工程 实践，整体时间节约到原来的20%-50%之间，大大减少了人工干预和调试的成本。 &nbsp;5. 未来，GBase 8c有什么样的规划？我们的终极目标是将GBase 8c发展成为数据云（Data Cloud）。以往对数据库在云上的定义，将之视为PaaS层的基础设施组件。但当业务上云后，在建设成本和数据安全方面，很难把控数据库的容灾等级。在未来，我们想实现在应用上将数据和云在物理上的隔离。数据就是数据，从物理资源层开始管理，基于我们多租户、高安全的能力，实现高级别的高可用，同时满足虚拟化和云化的需求。

DTCC专访 | GBASE第三代智能分布式数据库技术革新背后的产品工程化之路

DTCC专访 | GBASE第三代智能分布式数据库技术革新的工程化探索之路

GBASE南大通用中标烟台银行数据库采购项目