无到无限,回顾 AWS 关系型数据库 15 年的发展历程
又是一年一度 AWS re:Invent,这次关系型数据库最重磅的发布是 Amazon Aurora Limitless Database (无限数据库)。在 AWS 高级副总裁 Peter DeSantis 的 Keynote 里,也用了将近一半的篇幅回顾了 AWS 关系型数据库的发展历程。
2009 - RDS
把 MySQL, PostgreSQL 托管到了云上,从无到有。
2014 - Aurora
基于 log 架构 (内部代号 Grover),打造了 Aurora。在保持了 MySQL / PostgreSQL 完全兼容的同时,大大提升了性能和可用性。
2018 - Aurora Serverless
通过内部代号 Caspian,为数据库优化的虚拟化技术,提供了数据库资源的无缝上下伸缩。
2023 - Aurora Limitless
通过自研的时钟同步,来实现高性能的分布式事务,推出了可以横向写扩展的分布式数据库。
从架构上看,Aurora Limitless 类似于 Google Spanner,两者都属于分布式数据库 (NewSQL)。分布式数据库最难的点是实现高性能分布式事务,这里 Aurora Limitless 也是采用了和 Google Spanner TrueTime 类似的方案。目前Aurora Limitless 的资料还很少,后续还要关注它和原生 PostgreSQL 的兼容性,以及它的性能。
说到数据库兼容性,这次 Aurora Limitless 率先推出的是 PostgreSQL 的支持而不是 MySQL。我想是两个原因,一是 PostgreSQL 的代码更加容易适配 Aurora Limitless 的架构。Limitless 的架构需要一个解析 SQL 的 Router 组件,而 PostgreSQL server 层的代码更容易被剥离出来做一个 Router;另一个是在国外 PostgreSQL 的使用量也已经赶上 MySQL 了。
整体回顾
AWS 关系型数据库经过 15 年的迭代,4 次技术突破对应 4 代产品,达到了现在 Aurora Limitless 的形态。从数据库核心看,Aurora Limitless 已经是接近完全形态。剩下的大问题都集中在开发工作流上,比如在线大表变更,瞬间复制出一个数据库用于开发 / 测试。
无到无限的路已经走完,也期待 Aurora 的未来,从无限走向无瑕 (Limitless to Flawless)。
💡 更多资讯,请关注 Bytebase 公号:Bytebase
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
解锁机器学习-梯度下降:从技术到实战的全面指南
本文全面深入地探讨了梯度下降及其变体——批量梯度下降、随机梯度下降和小批量梯度下降的原理和应用。通过数学表达式和基于PyTorch的代码示例,本文旨在为读者提供一种直观且实用的视角,以理解这些优化算法的工作原理和应用场景。 关注TechLead,分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验,同济本复旦硕,复旦机器人智能实验室成员,阿里云认证的资深架构师,项目管理专业人士,上亿营收AI产品研发负责人。 一、简介 梯度下降(Gradient Descent)是一种在机器学习和深度学习中广泛应用的优化算法。该算法的核心思想非常直观:找到一个函数的局部最小值(或最大值)通过不断地沿着该函数的梯度(gradient)方向更新参数。 什么是梯度下降? 简单地说,梯度下降是一个用于找到函数最小值的迭代算法。在机器学习中,这个“函数”通常是损失函数(Loss Function),该函数衡量模型预测与实际标签之间的误差。通过最小化这个损失函数,模型可以“学习”到从输入数据到输出标签之间的映射关系。 为什么梯度下降重要? 广泛应用:从简单的线性回归到复杂的深度神经网络...
- 下一篇
七年 4 个阶段:滴滴可观测架构演进与实践
一分钟精华速览 在当前阶段,可观测性的建设并没有统一的执行路径。每家公司会根据自身的业务需求、运营模式和规模,形成一套独特的实践方案。为了应对业务规模的扩大和需求的变化,可观测团队必须持续优化和升级其架构,并始终保证可观测系统本身的高可用性。 本文详尽地描绘了滴滴从 2017 年至今,在四个不同阶段所遭遇的技术挑战,如单体应用阶段的资源瓶颈、运维成本的上升、分布式服务的通信问题等等。滴滴通过寻找并应用适宜的技术方案,逐渐战胜了这些技术难题,使其可观测架构始终能为业务提供强大的支持。 作者介绍 滴滴出行可观测架构负责人——钱威 TakinTalks 稳定性社区专家团成员,滴滴出行可观测架构负责人。深耕可观测领域多年,专注于架构设计与优化。带领团队完成了滴滴第二代到第四代的架构迭代。多个可观测开源项目的 Contributor。目前聚焦在滴滴可观测的稳定性建设和滴滴场景下的可观测性的实现与落地工作。 温馨提醒:本文约 7500 字,预计花费 12 分钟阅读。 「TakinTalks 稳定性社区」公众号后台回复 “交流” 进入读者交流群;回复“1026”获取课件资料; 背景 大家先来看一个故...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS6,CentOS7官方镜像安装Oracle11G
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- Windows10,CentOS7,CentOS8安装Nodejs环境
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Docker安装Oracle12C,快速搭建Oracle学习环境
- Hadoop3单机部署,实现最简伪集群