國產化浪潮下的軟硬體替換升級:挑戰、機遇與實踐
在國產化浪潮下,基礎設施軟硬體替換升級的需求越來越旺盛,尤其在信建立設推動下,全棧國產化軟硬體升級替換在很多領域成為必選項,也成為了熱門話題,引發廣泛關注。近年來,雖然有很多優秀的替換案例出現,但依然面臨著很多問題。
升級替換有哪些重點和難點?企業實踐過程中遇到過哪些真實且較為嚴重的問題?如何平滑穩定地進行升級替換?如何應用新技術?企業使用者和廠商應該做好哪些準備應對挑戰和機遇?……
日前,ITPUB舉辦了主題為“國產化軟硬體升級替換之路”的第三期線上沙龍,邀請行業內的專家探討國產化軟硬體替代的關鍵問題和解決方案,以及新技術的應用。本期,圖爾茲產品與解決方案負責人張磊、成章資料CTO張桓、浪潮KaiwuDB資深解決方案專家周幸駿、亞信科技AntDB首席架構師洪建輝分享他們在國產化軟硬體替代方面的最新研究成果和實踐經驗。
國產化資料庫安全訪問客戶端的挑戰與實踐
張磊帶來了“國產化資料庫安全訪問客戶端的挑戰與實踐”的主題分享,他介紹,隨著混合雲及國產化的發展趨勢,資料庫型別和數量急劇增加,傳統的桌面客戶端無法覆蓋國產資料庫的訪問管理,同時資料庫存放著企業內部最核心的資料資產,急需細粒度的訪問控制、資料脫敏和操作審計等防護手段。
傳統資料庫桌面端面臨不少挑戰,如缺乏資料安全管控能力,資料安全法律法規及等保要求進行資料庫系統身份鑑別、訪問控制、安全審計,傳統客戶端不具備足夠的安全管控能力,孤島式執行無法與企業內部管理體系聯動。此外,透過桌面客戶端+堡壘機難以徹底解決資料庫安全問題。
張磊認為,理想的國產資料庫客戶端= 統一 + 效率 + 安全,即提供統一的資料庫訪問入口,在高效使用的同時透明化加入安全防護機制。詢盾CloudQuery透過自研資料庫客戶端和SQL解析引擎實現統一人員訪問入口、統一資料庫客戶端、統一授權管理、統一協作流程、統一監控審計。為國產資料庫等各類異構資料來源提供統一的訪問入口,並透過許可權管控、資料保護、日誌審計和企業級整合能力有效地實現國產資料庫的安全查詢與訪問。
降本增效視角下的分散式快取新架構
張桓帶來了“降本增效視角下的分散式快取新架構”的主題分享,他介紹,企業需要不同的資料庫系統去滿足複雜的業務需求,面臨著挑戰,比如,冗長的資料流水線,資料容易發生錯誤,成本也更高;重複造輪子,從開發者角度來看,以MongoDB為例,一開始的場景是將海量的文件進行查詢,隨著發展,業務場景對MongoDB的事務層面也有需求,MongoDB需要事務的重新開發;企業需要DBA等管理資料流水線上的不同系統等,帶來高運維成本。
成章資料提出了模組化資料庫的理念,認為資料庫系統可以抽象成計算引擎、資料基層(Data substrate)、資料儲存三個元件,基於資料基層可以在任何環境組裝成任何模態的資料庫。以Redis為例,Redis被廣泛應用於企業的延時敏感型業務,但Redis需要佔用大量的記憶體資源,如何降本增效是新型分散式快取系統所面臨的挑戰。成章資料的MonoCache相容Redis,保持記憶體資料庫高效能的同時,支援冷熱資料分離、多執行緒處理、自動水平擴充套件、強事務等功能,助力企業實現降本增效。
張桓認為,替換資料庫不應該僅僅是平替,應該在現有的資料庫之上有一個更好的選擇。使用者會關注國產化替代過程中升級改造成本,新產品除了平替,還能帶來哪些附加價值,當附加價值遠遠大於成本的時候,使用者就會選擇你的產品替換。
AI 技術在時序資料上的應用
在國產化浪潮下,AI的創新應用也是一個熱點話題。AI+DB技術的融合發展使得資料庫系統更加智慧化,從而不斷提升企業資料處理及資料庫運維管理效率。當物聯網成為越來越重要的資料來源,AI+IoT或將是下一個技術熱點。周幸駿帶來了“AI 技術在時序資料上的應用”的主題分享。
當AI遇到物聯網IoT,透過AI技術從資料中獲取知識,加上IoT 的連通性與實時資料獲取、資料交換、資料處理能力,可以更好地挖掘資料的價值。
AI與資料庫雙向賦能,資料庫領域與AI結合分為兩個方向,一是AI4DB,即利用 AI 技術實現資料庫的自動化運維與管理。另一個是DB4AI,資料庫提供原生或整合的 AI 能力提升庫內資料驅動的 AI 應用生產力。在時序場景,與舊資料相比,新資料價值高,查詢頻率高,儲存成本高,AI應用與時序資料庫結合,可以進行資料採集、降取樣、儲存、歸檔的智慧生命週期管理,以及透過智慧預計算提升效能等,更好地為業務賦能。
KaiwuDB 是一款面向 AIoT 場景的分散式、多模、支援雲邊端協同的資料庫產品,擁有“就地計算”核心技術,具備高速寫入、極速查詢、SQL支援、隨需壓縮、智慧預計算、訂閱釋出、叢集部署等特性。周幸駿指出,大模型時代已經到來,大模型是完全自然語言驅動,讓具備行業知識的人更容易獲得想要的資料洞見,AI與時序資料庫的結合方面還有很多值得探索的地方。
基於AntDB的CRM系統全域資料庫替換實踐
洪建輝帶來了“基於AntDB的CRM系統全域資料庫替換實踐”的主題分享,他指出電信CRM系統承載運營商支撐系統中面向客戶管理的核心,涉及市場營銷、銷售實現、客戶服務等多個領域。電信級CRM系統的資料庫替換有使用者規模大、業務繁多、流程複雜等特點。
運營商核心業務系統資料庫升級改造面臨不少難點,比如在研發方面,應用系統改造量大,在工程方面,割接業務影響大,在運維方面,成熟度不足帶來穩定性風險。資料庫承載IT系統的核心服務,資料庫的跨庫割接涉及資料準確性問題、資料持久化安全、跨庫割接技術複雜、資料校驗耗時久、停機視窗長,核心庫割接業務影響極大,在做替換前要做好詳細的規劃。
整體遷移改造流程經歷四個階段,首先是現狀梳理,進行可行性和風險分析。然後是遷移規劃和準備階段,接下來是遷移改造和認證階段,最後是遷移實施階段。為了應對風險和不確定性,團隊做了大量測試工作,國產資料庫裝好後,做了Oracle流量的回放驗證。該核心系統沒辦法做到平替,一開始也沒考慮平替的方式,採用的是業務和資料庫一起推進的方式,一旦發現有風險的SQL、語句,會和業務系統方一起討論,做修改調整。洪建輝認為,在做國產化替換的過程中,一方面,資料庫廠商儘可能做差異的對齊,儘可能做到“平替”,另外應用廠商也需要做一些調整,雙方結合起來,才能讓整體替換更加平滑穩定。
在最後的圓桌討論環節,各位專家對國產化替換升級的重點、難點,人才問題以及當下的挑戰和機遇做了深入探討。專家們認為,不能為了替換而替換,是選擇平替還是升級改造,需要根據自身IT水平和需求而定,不能一概而論。一些核心系統平替後,可觀測性要比較好,實時觀察資料庫的執行狀態是否平穩。在國產化浪潮下,新的技術和需求帶來了挑戰和機遇,個人和廠商的資源與精力都有限,需要大家做好取捨平衡把握機遇。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69925873/viewspace-2996927/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 5G浪潮之下,網路安全所面臨的機遇與挑戰
- 2022 DBA 角色轉換 挑戰 與 機遇
- 平安證券:疫情下,科技硬體產業的挑戰與契機(附下載)產業
- AI晶片的長征之路:挑戰與機遇AI晶片
- API 管理在雲原生場景下的機遇與挑戰API
- 2023,超級APP面臨的挑戰與機遇APP
- 麥肯錫:中國流程行業的智慧化挑戰與機遇(附下載)行業
- 不止是替代看南天資訊與浪潮的金融國產化實踐
- 軟體國產化 四類廠商獲得新機遇
- 大模型時代:智慧設計的機遇與挑戰(附下載)大模型
- 邊緣計算場景下雲邊端一體化的挑戰與實踐
- 人工智慧:未來的機遇與挑戰人工智慧
- 雲原生時代下,作業系統生態的挑戰與機遇作業系統
- 雲時代,運維面臨的挑戰與機遇運維
- Flink大資料計算的機遇與挑戰大資料
- 世界是並行的:平行計算的機遇與挑戰並行
- 美國財政部:機遇與挑戰的網際網路金融(附下載)
- 計算機的硬體與軟體計算機
- 淺談巴西移動遊戲出海機遇與挑戰遊戲
- 中國疫苗行業重塑在即,機遇與挑戰共存行業
- 麥肯錫:壽險行業機遇與挑戰並存(附下載)行業
- 物聯網產品開發市場的挑戰與機遇
- 蘋果即將釋出新品 開發者的機遇與挑戰並存蘋果
- 高排放行業:低碳供應商的挑戰與機遇行業
- 人工智慧的失敗列子以及未來的挑戰與機遇人工智慧
- 輕量LINUX:利用舊硬體打破軟硬體升級週期(轉)Linux
- 替換資料庫的代價與真假國產資料庫
- 人工智慧核心6技術,機遇與挑戰並存人工智慧
- 《雲資料管理:挑戰與機遇》2.1.3 互斥和仲裁集
- 《精靈寶可夢 GO》:機遇大於挑戰Go
- FIT 2019 | 安全人員面臨的機遇與挑戰
- 我國財富管理行業面臨的機遇與挑戰行業
- 發展4.0:自動化與人工智慧給亞太地區帶來機遇與挑戰人工智慧
- 對實體店來說,電商直播系統的出現是機遇還是挑戰?
- “人工智慧技術驅動下的機遇與挑戰”技術分享會圓滿成功!人工智慧
- 如何做到 IT 基礎架構軟硬體升級簡單又不停機?架構
- 機器人市場機遇和挑戰並存機器人
- 2022年智慧家居AI助手分析:挑戰與機遇AI