首页 文章 精选 留言 我的

精选列表

搜索[国产神器],共5752篇文章
优秀的个人博客,低调大师

国产软件 CloudDM 数据库管理工具 Team 版,发布 v1.4.3.0

产品介绍 CloudDM Team是ClouGence公司推出的面向团队使用的数据库管理工具专注企业数据安全,注重安全性、稳定性、用户体验,产品以端到端的方式解决企业内各个角色对于数据访问需求, 是一款便利用、安心管、不担心的数据安全管理平台。 产品优势​ 访问数据库使用 CloudDM Team 的账号而非数据库账号,避免直接连接数据库。 先进的连接技术,使得多机房数据库无需公网,一个平台全部管理。 所有查询全部经过规则检验不放过任何一条 SQL。 通过主子账号体系结合统一身份认证,轻松管理使用账号。 功能权限与资源权限相分离,满足企业对不同岗位人员权限需要。 通过工单流程保障企业制度化和流程化建设的需要,让数据变更更加合理合规。​ 产品部署灵活,无论是云上、还是云下或者混合云 CloudDM Team 全部搞定。 毫不妥协的用户体验,查询控制台专为效率而打造。 本次更新内容​ 大量问题修复,新增对 INSERT、UPDATE、DELETE 语句的安全规则校验。 新增 [新增]新增在开启安全规范后对 MySQL 数据源真对 INSERT、UPDATE、DELETE 语句的解析。 [新增]新增 6 个内置 SQL 安全规则,用于约束 INSERT、UPDATE、DELETE 语句。 优化 [优化]CloudDM Team 中操作审计页面里日志路径显示问题,现在可以区分出 CloudDM 和 CloudCanal。 [优化]优化内置角色会在角色名称后面增加“内” 提示用以区分用户新建角色和系统内置角色重名时区分不明显的问题。 [优化]优化 Docker 版在启动时新增设定 restart = always,重启 docker 会跟随 docker 重启。 [优化]子账号登陆,我的权限移动到右上角账户中心入口处。 [优化]删除在 CloudDM Team 启动过程中 i18n 检测到的没有用到的 Message。 修复 [修复]当数据源被删除,对于未结束工单会增加一个叹号图标用于显示状态异常。 [修复]当数据源被删除,无法显示数据源被删除的工单问题。 [修复]当关联工单的环境被删除,工单列表报错的问题。 [修复]数据库对象浏览器中,点击位于底部数据源在自动展开时,会有几率自动滚动到最上方的问题。 [修复]LDAP 和 Windows AD 方式登入的用户,无法修改自己的手机号、邮箱问题。 [修复]在修改手机号/邮箱时,操作审计中在查看额外参数时 old 和 new 数据错误的问题。 [修复]启动时 RDP 模块 i18n 检测没有正确识别到 Key,导致检测失败启动时打印大量日志的问题。 [修复]环境管理页面中修改环境备注提示环境名称已经被使用的问题。 [修复]不能修改机器和集群描述的问题。 [修复]当在用户中心修改手机/邮箱后,页面没有及时刷新信息的问题。 [修复]老的主账号因数据问题无法修改密码的问题。 [修复]子账号管理和环境管理页面,表格环境一列样式错乱的问题。 [修复]无法修改正在使用的规则的问题。 下载与反馈 产品首页:https://www.clougence.com/clouddm/ 产品文档:https://www.clougence.com/dm-doc/ 问题反馈:https://www.clougence.com/dm-doc/intro/contact_us/

优秀的个人博客,低调大师

国产大模型 RWKV 发布新架构论文:基于矩阵值状态和动态递归的改进

2024年4月9日,RWKV Foundation 发布了 RWKV 新架构的最新论文——《Eagle and Finch: RWKV with Matrix-Valued States and Dynamic Recurrence》,论文由 Bo PENG 和 RWKV 开源社区成员共同完成。 论文地址:https://arxiv.org/abs/2404.05892 论文内容摘要 论文提出了两种新的 RWKV 架构:Eagle (RWKV-5) 和 Finch (RWKV-6),这两种序列模型在 RWKV-4 架构的基础上进行了改进。 对比 RWKV-4 ,新 RWKV 架构的改进包括多头矩阵值状态(multi-headed matrix-valued states)和动态递归机制(dynamic recurrence mechanism),这些改进提高了 RWKV 模型的表达能力,同时保持 RNN 的推理效率特征。 新的 RWKV 架构还使用一个包含 1.12 T tokens 的新多语言语料库和一个基于 greedy matching 的快速分词器,以增强 RWKV 的多语言能力。 基于新的架构训练了四个Eagle (RWKV-5)模型(分别是0.4B、1.5B、3B、7B 参数),以及两个 Finch 模型(分别是 1.6B 、3B参数)。 新架构的RWKV模型在各种基准测试中都实现了具有竞争力的性能,所有 Eagle 和 Finch 模型都基于 Apache 2.0 开源许可证下在 HuggingFace 上发布:https://huggingface.co/RWKV RWKV 当前的多模态工作包含 RWKV Music(音乐方向) 和 VisualRWKV(图像方向)。 未来 RWKV 的工作将聚焦于扩大并改进训练数据集,以及训练和发布更大规模的 Finch (RWKV-6) 模型,例如 7B 和 14B 参数,并通过 Mixture of Experts 降低推理和训练成本。 新架构升级细节 Eagle (RWKV-5) 通过使用富有表现力的多头矩阵值状态(而不是向量值状态)、重新构造的接受态和额外的门控机制,改进了从 RWKV-4 中学习到的架构和学习衰减进度。 Finch (RWKV-6) 通过引入新的数据相关函数来进一步改进架构的表现能力和灵活性,用于时间混合和令牌移位模块,包括参数化线性插值。 此外,Finch (RWKV-6) 提出了对低秩自适应函数的新用法,以使可训练的权重矩阵能够以一种上下文相关的方式有效地增强学习到的数据衰减向量。 最后,RWKV新架构引入了一种新的分词器 ”RWKV World Tokenizer“,和一个新数据集“RWKVWorld v2”(1.12 T tokens),两者用于提高 RWKV 模型在多语言和代码数据上的性能。 新的分词器 ”RWKV World Tokenizer“ 包含不常见语言的词汇,并且通过基于 Trie 的 greedy matching 进行快速分词。 新数据集 “RWKV World v2” 是一个新的多语言 1.12 T tokens 数据集,取自各种手工选择的公开可用数据源,数据组成约 70% 是英语,15% 是多语言数据,15% 是代码。 新架构基准测试 RWKV对新架构和模型进行了各类语言建模实验和基准测试,以下为部分基准测试效果展示。 MQAR测试结果 MQAR (Multiple Query Associative Recall) 任务是一种用于评估语言模型的任务,旨在测试模型在多次查询情况下的联想记忆能力。在这类任务中,模型需要通过给定的多个查询来检索相关的信息。 MQAR任务的目标是衡量模型在多次查询下检索信息的能力,以及其对不同查询的适应性和准确性。 下图为RWKV-4、Eagle、 Finch 和其他非 Transformer 架构的 MQAR 任务测试结果。 可以看出,在 MQAR 任务的准确度测试中, Finch (RWKV-6)在多种序列长度测试中的准确度表现都非常稳定,对比 RWKV-4、RWKV-5 和其他非 Transformer 架构的模型有显著的性能优势。 长上下文实验 在 PG19 测试集上测试了从 2048 tokens 开始的 RWKV-4、Eagle 和 Finch 的 loss 与序列位置。(所有模型均基于上下文长度 4096 进行预训练。) 测试结果显示, Eagle 在长序列任务上比 RWKV-4 有了显著的改进,而在上下文长度 4096 训练的 Finch (RWKV-6)的表现比 Eagle 更好,可以良好地自动适应到 20000 以上的上下文长度。 速度和显存基准测试 速度和内存基准测试比较了 Finch、Mamba 和 Flash Attention 的类 Attention 内核的速度和显存利用率。 可以看到,Finch 在内存使用方面始终优于 Mamba 和 Flash Attention,内存使用量分别比 Flash Attention 和 Mamba 少 40% 和 17%。 未来 RWKV 团队会对 Finch 的 CUDA 实现做进一步优化(包括算法改进),带来速度的提升和更大的并行化。 其他测试,如语言模型评估测试基准、Bamboo 基准测试等,可以在论文中找到。 新架构的多语言任务表现 日语 西班牙语 阿拉伯语 日语-英语 基于新架构的模型 Eagle (RWKV-5)架构目前发布了四种参数的模型: RWKV-5-Eagle 0.4B RWKV-5-Eagle 1.5B RWKV-5-Eagle 3B RWKV-5-Eagle 7B Eagle (RWKV-5)模型下载链接:https://huggingface.co/BlinkDL/rwkv-5-world/tree/main Finch (RWKV-6) 架构目前发布了两种参数的模型: RWKV-6-Finch 1.6B RWKV-6-Finch 3B Finch (RWKV-6)模型下载链接:https://huggingface.co/BlinkDL/rwkv-6-world/tree/main 未来工作 新 RWKV 架构的多语言训练语料库“RWKV World v2”只有 1.12T tokens ,这比 LLaMA2 等当代模型的训练数据量要小得多。因此,RWKV 的下一步重要工作是扩展 训练语料库,使其更加多样化,这是改进模型性能的关键事项。 我们还计划训练和发布更大版本的 Finch,例如 7B 和 14B 参数,并通过 Mixture of Experts 降低推理和训练成本,进一步扩展其性能。 附录 RWKV-6-Finch 最新架构图:

优秀的个人博客,低调大师

别再 mybatis了朋友们,国产 sqltoy-orm 5.2.87 发版,用的人挺多哦!

开源地址: github:https://github.com/sagframe/sagacity-sqltoy gitee:https://gitee.com/sagacity/sagacity-sqltoy idea 插件 (可直接在 idea 中检索安装):https://github.com/threefish/sqltoy-idea-plugins sqltoy 脚手架项目:https://gitee.com/momoljw/sss-rbac-admin sqltoy lambda 项目:https://gitee.com/gzghde/sqltoy-plus 更新内容 1、修复@include(:sqlscript)动态sql片段未清理缓存的缺陷2、优化:paramName匹配,支持xxx_:paramName下划线相邻的场景 sqltoy-orm 是 JPA 和超强查询的融合体 JPA 部分 类似 JPA 的对象化 CRUD、对象级联加载和新增、更新 强化 update 操作,提供弹性字段修改能力,不同于 hibernate 先 load 后修改,而是一次数据库交互完成修改,确保了高并发场景下数据的准确性 改进了级联修改,提供了先删除或者先置无效,再覆盖的操作选项 增加了 updateFetch、updateSaveFetch 功能,强化针对强事务高并发场景的处理,类似库存台账、资金台账,实现一次数据库交互,完成锁查询、不存在则插入、存在则修改,并返回修改后的结果 增加了树结构封装,便于统一不同数据库树型结构数据的递归查询 支持分库分表、支持多种主键策略 (额外支持基于 redis 的产生特定规则的业务主键)、加密存储、数据版本校验 提供了公共属性赋值 (创建人、修改人、创建时间、修改时间、租户)、扩展类型处理等 提供了多租户统一过滤和赋值、提供了数据权限参数带入和越权校验 查询部分 极为直观的 sql 编写方式,便于从客户端 <--> 代码 双向快速迁移,便于后期变更维护 支持缓存翻译、反向缓存匹配 key 代替 like 模糊查询 提供了跨数据库支持能力:不同数据库的函数自动转换适配,多方言 sql 根据实际环境自动匹配、多数据库同步测试,大幅提升了产品化能力 提供了取 top 记录、随机记录等特殊场景的查询功能 提供了最强大的分页查询机制:1) 自动优化 count 语句;2) 提供基于缓存的分页优化,避免每次都执行 count 查询;3) 提供了独具特色的快速分页;4) 提供了并行分页 提供了分库分表能力 提供了在管理类项目中极为价值的:分组汇总计算、行列转换 (行转列、列转行)、同比环比、树形排序、树形汇总 相关算法自然集成 提供了基于查询的层次化数据结构封装 提供了大量辅助功能:数据脱敏、格式化、条件参数预处理等 支持多种数据库 常规的 mysql、oracle、db2、postgresql、 sqlserver、dm、kingbase、sqlite、h2、 oceanBase、polardb、guassdb、tidb 支持分布式 olap 数据库: clickhouse、StarRocks、greenplum、impala (kudu) 支持 elasticsearch、mongodb 所有基于 sql 和 jdbc 各类数据库查询 sqltoy 特点介绍: sqltoy 的核心构建思想 sqltoy 的对比 mybatis (plus) 的核心点:查询语句编写、可阅读性、可维护性 对象化 crud 是基础,但 sqltoy 有针对性的改进:update、updateSaveFetch、updateFetch 等 sqltoy 的缓存翻译,大幅减少表关联简化 sql,让你的查询性能成几何级提升 极致的分页,同样帮助你实现查询的性能大幅提升 快速分页:@fast () 实现先取单页数据然后再关联查询,极大提升速度 分页优化器:page-optimize 让分页查询由两次变成 1.3~1.5 次 (用缓存实现相同查询条件的总记录数量在一定周期内无需重复查询 sqltoy 的分页取总记录的过程不是简单的 select count (1) from (原始 sql);而是智能判断是否变成:select count (1) from 'from 后语句 ', 并自动剔除最外层的 order by sqltoy 支持并行查询:parallel="true",同时查询总记录数和单页数据,大幅提升性能 便利的跨数据库统计计算:数据旋转 便利的跨数据库统计计算:无限极分组统计 (含汇总求平均) 便利的跨数据库统计计算:同比环比 5、树形表排序汇总 6、扩展集成

优秀的个人博客,低调大师

新一代国产 ORM 框架,sqltoy-orm 5.2.81 发版,强化枚举类型支持

开源地址: github:https://github.com/sagframe/sagacity-sqltoy gitee:https://gitee.com/sagacity/sagacity-sqltoy idea 插件 (可直接在 idea 中检索安装):https://github.com/threefish/sqltoy-idea-plugins sqltoy 脚手架项目:https://gitee.com/momoljw/sss-rbac-admin sqltoy lambda 项目:https://gitee.com/gzghde/sqltoy-plus 更新内容 1、条件参数filter处理过程支持枚举类型2、宏里面的参数支持枚举类型,如@ loop3、sql日志输出支持枚举类型 sqltoy-orm 是 JPA 和超强查询的融合体 JPA 部分 类似 JPA 的对象化 CRUD、对象级联加载和新增、更新 强化 update 操作,提供弹性字段修改能力,不同于 hibernate 先 load 后修改,而是一次数据库交互完成修改,确保了高并发场景下数据的准确性 改进了级联修改,提供了先删除或者先置无效,再覆盖的操作选项 增加了 updateFetch、updateSaveFetch 功能,强化针对强事务高并发场景的处理,类似库存台账、资金台账,实现一次数据库交互,完成锁查询、不存在则插入、存在则修改,并返回修改后的结果 增加了树结构封装,便于统一不同数据库树型结构数据的递归查询 支持分库分表、支持多种主键策略 (额外支持基于 redis 的产生特定规则的业务主键)、加密存储、数据版本校验 提供了公共属性赋值 (创建人、修改人、创建时间、修改时间、租户)、扩展类型处理等 提供了多租户统一过滤和赋值、提供了数据权限参数带入和越权校验 查询部分 极为直观的 sql 编写方式,便于从客户端 <--> 代码 双向快速迁移,便于后期变更维护 支持缓存翻译、反向缓存匹配 key 代替 like 模糊查询 提供了跨数据库支持能力:不同数据库的函数自动转换适配,多方言 sql 根据实际环境自动匹配、多数据库同步测试,大幅提升了产品化能力 提供了取 top 记录、随机记录等特殊场景的查询功能 提供了最强大的分页查询机制:1) 自动优化 count 语句;2) 提供基于缓存的分页优化,避免每次都执行 count 查询;3) 提供了独具特色的快速分页;4) 提供了并行分页 提供了分库分表能力 提供了在管理类项目中极为价值的:分组汇总计算、行列转换 (行转列、列转行)、同比环比、树形排序、树形汇总 相关算法自然集成 提供了基于查询的层次化数据结构封装 提供了大量辅助功能:数据脱敏、格式化、条件参数预处理等 支持多种数据库 常规的 mysql、oracle、db2、postgresql、 sqlserver、dm、kingbase、sqlite、h2、 oceanBase、polardb、guassdb、tidb 支持分布式 olap 数据库: clickhouse、StarRocks、greenplum、impala (kudu) 支持 elasticsearch、mongodb 所有基于 sql 和 jdbc 各类数据库查询 sqltoy 特点介绍: sqltoy 的核心构建思想 sqltoy 的对比 mybatis (plus) 的核心点:查询语句编写、可阅读性、可维护性 对象化 crud 是基础,但 sqltoy 有针对性的改进:update、updateSaveFetch、updateFetch 等 sqltoy 的缓存翻译,大幅减少表关联简化 sql,让你的查询性能成几何级提升 极致的分页,同样帮助你实现查询的性能大幅提升 快速分页:@fast () 实现先取单页数据然后再关联查询,极大提升速度 分页优化器:page-optimize 让分页查询由两次变成 1.3~1.5 次 (用缓存实现相同查询条件的总记录数量在一定周期内无需重复查询 sqltoy 的分页取总记录的过程不是简单的 select count (1) from (原始 sql);而是智能判断是否变成:select count (1) from 'from 后语句 ', 并自动剔除最外层的 order by sqltoy 支持并行查询:parallel="true",同时查询总记录数和单页数据,大幅提升性能 便利的跨数据库统计计算:数据旋转 便利的跨数据库统计计算:无限极分组统计 (含汇总求平均) 便利的跨数据库统计计算:同比环比 5、树形表排序汇总 6、扩展集成

优秀的个人博客,低调大师

某国产电商 APP 利用 Android 漏洞细节曝光:内嵌提权代码、动态下发 Dex

近日,独立安全研究机构 DarkNavy 发表文章披露,国内一家互联网巨头的 APP 利用了 Android 系统漏洞提权使其难以卸载。报道称,该 APP 首先利用了多个厂商 OEM 代码中的反序列化漏洞提权,提权控制手机系统之后,该 App 即开启了一系列的违规操作,绕过隐私合规监管,大肆收集用户的隐私信息(包括社交媒体账户资料、位置信息、Wi-Fi 信息、基站信息甚至路由器信息等)。 之后,该 App 利用手机厂商 OEM 代码中导出的 root-path FileContentProvider, 进行 System App 和敏感系统应用文件读写;进而突破沙箱机制、绕开权限系统改写系统关键配置文件为自身保活,修改用户桌面(Launcher)配置隐藏自身或欺骗用户实现防卸载;随后,还进一步通过覆盖动态代码文件的方式劫持其他应用注入后门执行代码,进行更加隐蔽的长期驻留;甚至还实现了和间谍软件一样的遥控机制,通过远端“云控开关”控制非法行为的启动与暂停,来躲避检测。 最终,该互联网厂商通过上述一系列隐蔽的黑客技术手段,在其合法 App的背后,达到了: 隐蔽安装,提升装机量 伪造提升DAU/MAU 用户无法卸载 攻击竞争对手App 窃取用户隐私数据 逃避隐私合规监管 等各种涉嫌违规违法目的。 经网友讨论,该 APP 有一个典型的特性就是安装后在桌面上创建快捷方式,用户实际上卸载或删除的只是快捷方式,并非其本体,无法卸载的同时,该 APP 利用技术手段伪造提升 DAU/MAU,攻击竞争对手的 APP。 下图是网友在论坛发布的帖子,他表示自己亲人的安卓手机无法卸载该电商APP: 前日,有人在 GitHub 上公布了完整的漏洞提权方法,以及实现细节。据称该 APP 的 APK内嵌多个用于提权的漏洞利用代码,以及动态下发 Dex 分析。 详情查看:https://github.com/davinci1010/pinduoduo_backdoor

优秀的个人博客,低调大师

smart-mqtt v0.6发布,国产Java开源 MQTT Broker 服务器

smart-mqtt 是用 java 语言开发的 MQTT Broker 服务,也是 smartboot 组织下首款真正意义上面向物联网的解决方案。旨在帮助企业以较低的成本快速搭建稳定、可靠的物联网服务,助力万物互联互通。 一、更新内容 🎉 1.1 Features 🌈 应社区用户要求,开源版 smart-mqtt适配 JDK 回退至1.8。 完善retain消息的规范实现,当服务端接收到保留标志为 1 且有效载荷为零字节的 PUBLISH 报文时,该主题下任何现存的保留消息必须被移除。 优化日志输出格式,增加时间信息。 smart-mqtt broker 线程数支持配置化。 更新客户端connect鉴权的接口设计。 (by@yamikaze) 支持docker启动 smart-mqtt 服务 1.2 Bugfix 🛠 修复mqtt协议版本不兼容时引发的空指针问题。 修复订阅topic后retain消息被无限推送的问题。 1.3 文档 📘 Docker启动及交叉编译 社区行为规约 二、文档地址 语雀:https://www.yuque.com/smartboot/smart-mqtt/ 三、开源地址 Gitee(主站):https://gitee.com/smartboot/smart-mqtt GitHub(镜像同步):https://github.com/smartboot/smart-mqt 详情见:https://gitee.com/smartboot/smart-mqtt/releases/tag/v0.6

优秀的个人博客,低调大师

腾讯云TDSQL全自研新敏态引擎,助推数据库国产化

【51CTO.com原创稿件】数字经济的全面发展,使银行迎来了前所未有的线上业务流量,这些流量一方面为疫情下的银行业务发展带来了动力,另一方面也对于银行IT基础架构带来了冲击。疫情更是让银行业务从常态、稳态的运行环境,切换到了更多敏态的环境中。银行要全方位保障支付的流畅度和安全性,就要利用云计算、大数据、人工智能等技术,来实现银行产品和服务的线上化、移动化。 当今,多家银行机构已经将金融科技上升到了战略层面,通过组织架构调整、建设数字化技术平台等手段,来实现更加明确、清晰的数字化转型目标。权威数据显示,全球最具价值的前100家银行中,70%以上已通过建设开放银行平台等模式投入场景生态建设浪潮。加快线上的,尤其是移动端的 “非接触式”银行业务,是各银行的首要任务。 为了适配“非接触式”银行业务,解决对于敏态业务发展过程中业务形态、业务量的不可预知,在“2021腾讯数字生态大会上”上,腾讯云发布了TDSQL 新敏态引擎。 腾讯云TDSQL全自研新敏态引擎是什么? 腾讯云TDSQL全自研新敏态引擎支持无限扩展、模式在线变更,可以完美解决对于敏态业务发展过程中业务形态、业务量的不可预知性,适配金融敏态业务。 为什么需要做敏态存储引擎? 银行的敏态业务对底层基础技术提出了具备敏态能力的要求。场景化、线上化意味着业务系统中的数据形态、访问模式、计算逻辑等也将随之变得更加敏捷、多样化,对底层技术系统在灵活性与扩展性方面提出了全新的要求。敏态模式下业务形态不断变化,后台支撑应用的数据库表结构也需要持续变更,这对传统数据库而言是非常庞大、繁重的工作。 腾讯云TDSQL全自研新敏态引擎如何支撑银行敏态业务? 1、支持数据库表结构持续变化,轻松支撑千万级QPS流量 腾讯云TDSQL新敏态引擎实现了大量的Instant DDL,对于add column、修改varchar长度等常用DDL都通过只修改元数据来瞬间完成,不影响用户请求。对于add index,change column,变更分区表等其他需要生成数据的DDL,也不会影响在线业务的读写请求,最大程度上保证schema的变更对业务无感知。在腾讯内部业务实践中,TDSQL新敏态引擎支撑业务在保持高性能且连续服务的基础上,一个月内完成了高达1000次表结构在线变更。 2、计算存储分离,并可独立扩展,满足分布式事务的高并发、高性能、高扩展 TDSQL新敏态引擎计算节点和存储节点完全解耦,这使得用户可以根据业务进行不同层次的扩展:如果业务存储量大,但是请求量并不大,就可以只扩容存储节点;如果业务请求量很大且偏分析性,则可以只扩容计算节点。 TDSQL新敏态引擎通过将分布式事务的协调者下沉到存储层,实现了计算层节点完全无状态,可以随时随地任意新增或减少节点。 TDSQL新敏态引擎在存储节点对数据进行range分区时,每个分区的数据保持在一个阈值以下,当检测到出现数据容量瓶颈或者热点现象,就自动将分区数据搬迁到空闲节点上,无需人工介入就实现了灵活弹性扩容。 同时,TDSQL新敏态引擎在分布式事务使用了异步提交技术,减少了分布式事务的时耗,同时还提供数据分布控制的能力,在对性能要求较高的场景下,可以实现将分布式事务优化成一阶段事务,杜绝分布式事务两阶段提交带来的消耗。 TDSQL新敏态引擎的吞吐量可以随着计算节点和存储节点而线性扩展,单实例可以达到千万级QPS。 3、极致的数据强一致性 数据一致性是金融级数据库的基石。 在多副本一致性方面,TDSQL新敏态引擎存储节点采用RAFT协议来保证副本一致性。当出现网络分区时,多数派的分区可以继续提供服务,而分区的另一边的节点在网络分区消失时,会自动补齐与多数派节点之间的数据差异,以确保金融业务的副本之间的强一致性。 在事务一致性方面,TDSQL新敏态引擎采用自研的分布式事务并发控制算法实现事务的原子性和隔离性,为业务的数据安全保驾护航。 4、数据形态自动感知,数据库全域智能化自适应调度 腾讯云TDSQL 数据库的计算引擎提供了原创的 SQL 语法接口,提供给用户自定义数据的形态规则,例如表副本数,地理位置分布偏好,分区策略等等。TDSQL 新敏态引擎的管控模块根据用户自定义的规则,结合数据库层面的数据对象语义,将具有访问亲和性的数据关联在一起,大幅降低了分布式环境下 RPC 网络请求的数量,将大量两阶段事务优化为一阶段本地事务,显著提升了常见高时耗场景下的响应性能,如回表、join查询、批量二级索引更新等等。此外,管控模块还会根据不同数据对象的访问热度、关联模型等因素,自适应地对数据对象进行分裂、合并、迁移、切主等操作,从而实现分布式存储集群中的负载均衡和自适应调度。 腾讯云TDSQL全自研新敏态引擎给客户带来的价值是什么? TDSQL新敏态引擎支持业务无感知,计算资源和存储资源的独立弹性扩缩容,集群运维操作一键完成,全过程无须人工干预,可以灵活地根据当前业务场景的流量压力调整资源规模。同时,TDSQL新敏态引擎“全域智能化自适应调度”技术,在存储层通过数据形态相关性自动感知,生成数据亲和性策略,可以使得数据能够根据业务负载情况在分布式系统架构中自动迁移,打散热点,降低分布式系统中分布式事务的数量,实现极高的扩展性和性能提升。这给用户带来的最大价值就是,可以让业务敏捷应对各类型需求变化的场景。 历经打磨,TDSQL产品家族尽显企业服务优势 TDSQL产品家族是腾讯企业级分布式关系型数据库品牌,除了TDSQL新敏态引擎,TDSQL系列还有金融级分布式数据库TDSQL、云原生数据库TDSQL-C、分析型数据库TDSQL-A等多引擎能力。此外,TDSQL还提供完善的服务工具,包括多源同步迁移工具DBbridge、智能运维平台DBbrain等。 TDSQL产品系列经过了腾讯集团以及腾讯云上金融、社交、电商、物联网、政务、公益、工业制造等各行各业海量客户场景的实际打磨验证,具有在实际场景中领先的金融级全局一致性、99.999%自动容灾切换的高可用性、高可靠性,以及弹性扩展、高性能能力。 在前不久腾讯发布的Q3财报中显示:“腾讯云数据库TDSQL已被3000多家来自金融、公共服务和电信垂直行业的客户采用,中国十大银行中的六家都应用了该产品。TDSQL在不同金融机构核心系统中的渗透率明显提升,显示了腾讯在数据安全性、可靠性和一致性方面的能力。” 除了银行金融场景,腾讯云数据库TDSQL在政务、电信运营商等行业场景中也实现了突破。未来,腾讯云将继续助力IT基础设施从传统架构向分布式架构演进,加速全行业的数字化转型。 【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】 【责任编辑:赵立京 TEL:(010)68476606】

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册