偶數(shù)科技發(fā)布第四代數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品 完美契合AI應(yīng)用

偶數(shù)科技發(fā)布第四代數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品 完美契合AI應(yīng)用

曾幾何時(shí)“流量為王”，流量是互聯(lián)網(wǎng)企業(yè)的核心競(jìng)爭(zhēng)力。隨著中國(guó)互聯(lián)網(wǎng)進(jìn)入數(shù)據(jù)時(shí)代，各大互聯(lián)網(wǎng)企業(yè)從流量入口爭(zhēng)奪逐漸向數(shù)據(jù)入口爭(zhēng)奪轉(zhuǎn)變，如何高效的管理、分析數(shù)據(jù)已經(jīng)成為了越來越多互聯(lián)網(wǎng)企業(yè)的核心。

偶數(shù)科技CEO常雷博士近日接受51CTO的專訪時(shí)表示，新一代的數(shù)據(jù)庫(kù)必須與AI大腦層面相對(duì)應(yīng)，契合人工智能的應(yīng)用場(chǎng)景，只有這樣才能順應(yīng)技術(shù)發(fā)展規(guī)律，搶占數(shù)據(jù)時(shí)代先機(jī)。得益于對(duì)技術(shù)發(fā)展的敏感性和前瞻性，偶數(shù)科技得到了紅點(diǎn)創(chuàng)投和紅杉資本的青睞，并拿到了二者的融資。

數(shù)據(jù)庫(kù)的演變

談新一代數(shù)據(jù)庫(kù)之前，我們先來簡(jiǎn)單回顧一下數(shù)據(jù)庫(kù)的發(fā)展歷史。從數(shù)據(jù)庫(kù)系統(tǒng)發(fā)展的幾十年期間，經(jīng)歷了第一代共享存儲(chǔ)型數(shù)據(jù)庫(kù)、第二代MPP型數(shù)據(jù)庫(kù)以及第三代采用存儲(chǔ)與計(jì)算分離架構(gòu)的數(shù)據(jù)庫(kù)。

·共享存儲(chǔ)型數(shù)據(jù)庫(kù)，為節(jié)省資源、降低開發(fā)者成本，出現(xiàn)了共享存儲(chǔ)型數(shù)據(jù)庫(kù)，不同的用戶可以按各自的用法使用數(shù)據(jù)庫(kù)中的數(shù)據(jù)；多個(gè)用戶可以同時(shí)共享數(shù)據(jù)庫(kù)中的數(shù)據(jù)資源，即不同的用戶可以同時(shí)存取數(shù)據(jù)庫(kù)中的同一個(gè)數(shù)據(jù)。傳統(tǒng)的Oracle數(shù)據(jù)庫(kù)等屬于共享存儲(chǔ)型數(shù)據(jù)庫(kù)，也是最早的交易型數(shù)據(jù)庫(kù)。

·MPP型數(shù)據(jù)庫(kù)，是目前大量公司在使用的數(shù)據(jù)庫(kù)，包括Teradata和Vertica等。因?yàn)椴僮飨到y(tǒng)和文件系統(tǒng)等底層基礎(chǔ)不是很成熟，Teradata使用的是專有硬件，主攻軟硬件一體機(jī)，并且更改了大量的操作系統(tǒng)以及文件系統(tǒng)代碼。2000年左右出現(xiàn)了基于x86架構(gòu)的MPP型數(shù)據(jù)庫(kù)，包括Vertica，Greenplum等。這些基于x86架構(gòu)的MPP型數(shù)據(jù)庫(kù)使用的是普通服務(wù)器，沒有專有硬件做支持，所以軟件架構(gòu)方面還是和Teradata類似。

·存儲(chǔ)與計(jì)算分離架構(gòu)數(shù)據(jù)庫(kù)，這類數(shù)據(jù)庫(kù)典型的代表有HAWQ和Hive等。第三代數(shù)據(jù)倉(cāng)庫(kù)的優(yōu)點(diǎn)是可擴(kuò)展性好，但是大部分引擎比如Hive等性能較差，兼容性不是很好，所以客戶用起來很困難。

人工智能場(chǎng)景下HAWQ的新一代分析型數(shù)據(jù)庫(kù)

偶數(shù)科技的CEO常博士表示，傳統(tǒng)的分析型數(shù)據(jù)庫(kù)在對(duì)數(shù)據(jù)進(jìn)行在線統(tǒng)計(jì)、在線分析、隨即查詢等發(fā)掘信息數(shù)據(jù)價(jià)值的工作時(shí)有一定優(yōu)勢(shì)。但在人工智能場(chǎng)景中，面對(duì)海量數(shù)據(jù)分析型數(shù)據(jù)弊端逐漸顯現(xiàn)，無論是反饋時(shí)長(zhǎng)還是對(duì)設(shè)備性能嚴(yán)苛的要求，都已無法勝任人工智能場(chǎng)景的要求。因此對(duì)數(shù)據(jù)庫(kù)進(jìn)行迭代升級(jí)迫在眉睫。

在這樣的大背景下，由偶數(shù)科技打造的基于HAWQ的分析型數(shù)據(jù)庫(kù)應(yīng)運(yùn)而生，在人工智能海量數(shù)據(jù)處理上擁有得天獨(dú)厚的優(yōu)勢(shì)。

第四代分析型數(shù)據(jù)庫(kù)解決多領(lǐng)域數(shù)據(jù)處理核心難題

隨著大數(shù)據(jù)和人工智能應(yīng)用的層出不窮，對(duì)數(shù)據(jù)庫(kù)的海量數(shù)據(jù)處理能力以及分析能力提出了更高的要求。無論是安防、金融亦或是制造業(yè)等等都對(duì)數(shù)據(jù)庫(kù)性能提升產(chǎn)生了十分迫切的需求，而隨著第四代分析型數(shù)據(jù)庫(kù)的誕生，這個(gè)難題迎刃而解。

在人工智能的應(yīng)用場(chǎng)景下，如安防領(lǐng)域，第四代數(shù)據(jù)庫(kù)可以通過圖像識(shí)別、人臉識(shí)別等進(jìn)行更深層面的認(rèn)知和推理；在人員身份的識(shí)別、人類軌跡分析等方面，可對(duì)視頻、圖片、電子車牌等不同種類的數(shù)據(jù)進(jìn)行快速分析、碰撞、發(fā)現(xiàn)潛在聯(lián)系，抽取有價(jià)值的信息，并對(duì)可疑行為發(fā)出預(yù)警對(duì)案件進(jìn)行關(guān)聯(lián)，協(xié)助提高公安部門案件的偵破效率。

針對(duì)實(shí)時(shí)數(shù)據(jù)等實(shí)際案例，如企業(yè)內(nèi)部百萬(wàn)級(jí)別甚至千萬(wàn)級(jí)別的實(shí)時(shí)物聯(lián)網(wǎng)傳感器數(shù)據(jù)，第四代數(shù)據(jù)庫(kù)完全摒棄了繁瑣的Storm等方案，解決了大量編程和不能夠完全適應(yīng)物聯(lián)網(wǎng)傳感器數(shù)據(jù)的問題。

在金融領(lǐng)域中，銀行原本需要對(duì)企業(yè)進(jìn)行核查，然后再通過評(píng)委會(huì)進(jìn)行評(píng)估，這些審核過程需要全人工操作操作。如果是小微貸款，由于信息較易獲取，難度較小。而一旦涉及公司業(yè)務(wù)，那么銀行就需要將該企業(yè)的所有外部數(shù)據(jù)以及內(nèi)部數(shù)據(jù)按主題進(jìn)行整合，不僅費(fèi)時(shí)費(fèi)力，還給人工分析時(shí)帶來了巨大難度。

借助第四代數(shù)據(jù)庫(kù)的技術(shù)優(yōu)勢(shì)，偶數(shù)科技可以利用數(shù)據(jù)存儲(chǔ)、管理、分析以及人工智能算法建模，輕而易舉的幫助客戶構(gòu)建模型流程以及模型的管理和上線，簡(jiǎn)化以前繁雜的審核過程，較少人工參與，縮短審核時(shí)間。

第四代分析型數(shù)據(jù)庫(kù)的未來

常雷認(rèn)為，不僅是剛剛提到的三個(gè)領(lǐng)域，在諸如電力、通信等眾多基礎(chǔ)領(lǐng)域也呈現(xiàn)出對(duì)于數(shù)據(jù)挖掘的巨大需求。同時(shí)，數(shù)據(jù)庫(kù)應(yīng)用需求的巨大變化預(yù)示著在數(shù)據(jù)庫(kù)領(lǐng)域一場(chǎng)巨大的變革即將到來。

偶數(shù)科技在這個(gè)契機(jī)點(diǎn)推出了兩款核心產(chǎn)品Oushu Database和LittleBoy，兩者都基于業(yè)內(nèi)領(lǐng)先的HAWQ技術(shù)研發(fā)，前者將滿足數(shù)據(jù)庫(kù)升級(jí)基礎(chǔ)需求，而后者則將數(shù)據(jù)庫(kù)技術(shù)推向了AI人工智能應(yīng)用的未來。

在采訪的最后，常雷博士表示“微軟加速器第11期·北京對(duì)偶數(shù)科技幫助很大。一方面，研發(fā)上微軟加速器第11期·北京和偶數(shù)科技已經(jīng)達(dá)成了一些合作，偶數(shù)科技已經(jīng)將產(chǎn)品移植到微軟加速器第11期·北京的Azure公有云上；另一方面，微軟加速器第11期·北京引薦了很多不同行業(yè)的客戶資源，并且在管理、財(cái)務(wù)、招聘、PR 等方面的培訓(xùn)也對(duì)偶數(shù)科技進(jìn)行了指導(dǎo)?！?/span>