# 对象存储 #
0
关注
19162内容
刚好够用的授权：如何在云上实施最小权限原则
本章探讨如何在云上实施最小权限原则，确保企业安全与效率的平衡。通过阿里云RAM管理身份和权限，帮助企业识别和解决过度授权、闲置账户及高危权限问题。主要内容包括：最小权限原则的概述与挑战；云上最小权限的最佳实践路径，如初始规划、业务支撑及权限收敛；使用AccessAnalyzer识别过度授权和外部访问风险。通过这些工具和服务，企业可以有效提升安全性，减少潜在威胁。
打造安全云环境：深入理解阿里云权限体系
本文将探讨阿里云上的权限管理，帮助理解其背后原理并掌握实践方法。主要内容分为三部分：一是访问控制基本原理，强调避免使用root身份，介绍权限策略语言和类型；二是五种典型的授权方式，包括服务级、操作级和资源级授权等；三是多账号环境下的集中化权限管理，重点介绍如何使用管控策略实现安全合规的集中管控。通过这些内容，用户可以更好地理解和应用阿里云的权限管理体系，确保云资源的安全与高效管理。
企业云资源端到端安全合规：最佳实践与工具应用
本次课程围绕企业合规的重要性、云上合规框架、阿里云提供的工具及新能力展开。首先，讲解了企业面临的合规挑战，如配置错误导致的数据泄露风险。其次，介绍了合规框架的来源和主动合规的重要性。接着，详细说明了如何通过资源中心、操作审计、管控策略和配置审计等工具实现云资源端到端的合规管理。最后，发布了阿里云在合规方面的最新能力，帮助企业更好地应对合规需求。
Paimon助力数据湖仓架构实时化升级
本次分享由阿里云高级技术专家李劲松介绍Paimon助力数据湖仓架构实时化升级。内容涵盖四个部分：1) 数据架构的存储演进，介绍Data LakeHouse结合的优势；2) Paimon实时数据湖，强调其批流一体和高效处理能力；3) 数据湖的实时流式处理，展示Paimon在时效性提升上的应用；4) 数据湖非结构化处理，介绍Paimon对非结构化数据的支持及AI集成。Paimon通过优化存储格式和引入LSM技术，实现了更高效的实时数据处理和查询性能，广泛应用于阿里巴巴内部及各大公司，未来将进一步支持AI相关功能。
湖仓融合：MaxComputee与Hologres基于OpenLake的湖上解决方案
本次主题探讨湖仓融合：MaxCompute与Hologres基于OpenLake的湖上解决方案。首先从数据湖和数据仓库的历史及业界解决方案出发，分析湖仓融合的两种思路；接着针对国内问题，介绍阿里云如何通过MaxCompute和Hologres解决湖仓融合中的挑战，特别是在非结构化数据处理方面的能力。最后，重点讲解Object Table为湖仓增添了SQL生态的非结构化数据处理能力，提升数据处理效率和安全性，使用户能够在云端灵活处理各类数据。
EMR Serverless StarRocks 全面升级：重新定义实时湖仓分析
本文介绍了EMR Serverless StarRocks的发展路径及其架构演进。首先回顾了Serverless Spark在EMR中的发展，并指出2021年9月StarRocks开源后，OLAP引擎迅速向其靠拢。随后，EMR引入StarRocks并推出全托管产品，至2023年8月商业化，已有500家客户使用，覆盖20多个行业。
文章重点阐述了EMR Serverless StarRocks 1.0的存算一体架构，包括健康诊断、SQL调优和物化视图等核心功能。接着分析了存算一体架构的挑战，如湖访问不优雅、资源隔离不足及冷热数据分层困难等。
MaxCompute Data + AI：构建 Data + AI 的一体化数智融合
本次分享将分为四个部分讲解：第一部分探讨AI时代数据开发范式的演变，特别是MaxCompute自研大数据平台在客户工作负载和任务类型变化下的影响。第二部分介绍MaxCompute在资源大数据平台上构建的Data + AI核心能力，提供一站式开发体验和流程。第三部分展示MaxCompute Data + AI的一站式开发体验，涵盖多模态数据管理、交互式开发环境及模型训练与部署。第四部分分享成功落地的客户案例及其收益，包括互联网公司和大模型训练客户的实践，展示了MaxFrame带来的显著性能提升和开发效率改进。
从数据存储到分析：构建高效开源数据湖仓解决方案
今年开源大数据迈向湖仓一体（Lake House）时代，重点介绍Open Lake解决方案。该方案基于云原生架构，兼容开源生态，提供开箱即用的数据湖仓产品。其核心优势在于统一数据管理和存储，支持实时与批处理分析，打破多计算产品的数据壁垒。通过阿里云的Data Lake Formation和Apache Paimon等技术，用户可高效搭建、管理并分析大规模数据，实现BI和AI融合，满足多样化数据分析需求。
并行文件存储在大模型训练中的探索与实践
阿里云智能集团存储产品专家何邦剑分享了并行文件存储CPFS在大模型训练中的应用。CPFS针对大模型训练的IO特点，优化性能、降低成本、提升用户体验。它支持多计算平台共享访问，具备数据分层存储、生命周期管理、缓存加速等特性，实现高效的数据处理与管理，显著提升训练效率和资源利用率。尤其在大规模集群中，CPFS提供了高吞吐、低延迟及灵活扩展的能力，助力客户如零一万物实现高性能训练。
《多模态数据信息提取》解决方案测评
先预示一下，本次测评有福利彩蛋哟，快过年了，喜庆的对联需要吧；大冬天的，保暖触屏手套需要吧；走过路过不要错过。
免费试用