YashanDB V23.2 LTS发版 | 共享集群长期支持版本

简介: YashanDB V23.2 LTS发版 | 共享集群长期支持版本

4月,YashanDB正式发布长期支持版本YashanDB V23.2 LTS,标志着YashanDB单机主备、共享集群和分布式实时数仓等完整产品体系, 已全面进入可规模化使用的长期支持阶段;同时配套数据迁移工具、监控运维工具和开发者工具,可以满足支撑各类企业应用。

YashanDB V23.2 LTS 经过了严格全面的测试,涉及 百万级测试用例,历经 上百种长稳与压力模型测试,持续运行30*24h以上,并通过数百种故障场景和百万级持续极端暴力故障的可靠性验证。 作为企业级用户投产的长期支持版本,YashanDB V23.2满足各类业务场景、尤其是核心生产场景对数据库系统的严苛要求,是支撑金融、能源、政务等关键行业核心系统的里程碑版本。

在新版本中,YashanDB增强众多企业级能力特性,在产品的 性能、兼容性、易用性、可用性方面有了大幅度提升。

高性能:共享集群双节点TPCC性能达312W
共享集群双节点 TPCC性能达312W
23.2 LTS版本共享集群作为一个里程碑版本,具备规模化商用能力,面向高端核心业务场景提供透明多写、高可用以及高性能的数据库能力。

基于如下的环境配置,经实测,在客户端、服务端分机部署模式下,两节点1000仓700并发运行10分钟,TPCC性能达312W;并且基于此环境,共享集群产品稳定运行,通过7*24小时长稳测试。

组网环境如下:

存储配置如下:

增量同步性能提升8倍

对于数据仓库,数据增量同步入库能力是一个非常关键的能力。V23.2 LTS对这部分能力进行了优化,极大提升了数据增量同步入库的性能,对于lineitem表模型,单任务同步性能由原来1MB/s提升到8MB/s:

通过优化降低数据同步任务的内存开销,使得并发数据同步得到提升,并且保持接近1的扩展比;
通过对同步任务流水线优化,提升同步任务的性能;
将增量同步入库的数据直接写入稳态数据,使得数据存储具备较高的压缩比,同时使得数据入库即可获得较高的查询访问性能。

更强的兼容性:Oracle兼容能力大幅提升
V23.2 LTS在V23.1版本的基础上,广泛吸纳了在银行、证券、能源、政务等多个业务场景中的实际需求,持续提升产品的Oracle兼容性,让更多的业务场景可以利用V23.2 LTS进行平滑应用迁移。

语法、语义、特性兼容能力全面增强
首先是数据类型方面。 V23.2 LTS开发了float(n)类型,为用户提供更高精度的浮点数类型。该数据类型的使用语法、数值范围、有效数字,均与Oracle完全兼容。

其次是内置程序包。 V23.2 LTS自带一系列程序包,这些程序包将用户使用SQL语句或PL语句难以完成的功能以PL函数、存储过程的方式提供给用户,以方便用户完成复杂的数据管理、系统运维任务。V23.2 LTS新增对以下程序包的支持:

最后,在过程语言(PL)方面, V23.2 LTS新增与Oracle兼容的批量能力,包括BULK_COLLECT、FORALL,以提升存储过程中批量语句执行的效率。
共享集群内核功能增强
V23.2 LTS共享集群支持了DBLink、二级分区以及统计信息自动收集等,同时支持用户创建自定义本地临时表空间、本地swap表空间,提供实例级的临时数据访问服务,降低实例间的信息交互,提升相应业务场景下的性能。

支持外部表,数据查询更便捷
V23.2 LTS新增了对外部表功能的支持,语法上兼容了Oracle 19C。在YashanDB中创建只读外部表,可以指定链接存储系统上的具体CSV文件或者是数据目录对象DIRECTORY的文件,用户无需将外部数据导入数据库后再进行处理,而是可以像访问普通表一样访问外部表。当涉及大规模数据处理和分析时,外部表可以直接在存储系统上执行查询,避免了数据传输的开销,显著降低了数据存储成本,提高了查询性能。

更加完备的高可用能力
备份恢复功能增强
数据备份和恢复是数据高可用的最后一道防线,对于用户系统的稳健运营至关重要。缺乏有效的备份和冗余机制,可能导致重要数据的丢失和损坏。V23.2 LTS共享集群支持了yasrman备份恢复工具,方便用户备份与备份管理,同时支持PITR(Point-In-Time Recovery,基于时间点的数据恢复技术)恢复以及远程备份,用户可以灵活使用相关的备份恢复能力。

数据容灾恢复增强
另外,V23.2 LTS共享集群在YFS元数据被破坏时,可以从fast recovery area(快速恢复区域)获取备份数据,并做自动恢复。同时在多failgroup的情况下,支持数据多副本能力,用户可以通过多副本机制进行数据校验和恢复,从多方面增强系统的可靠性。

更低的使用成本
新增2副本部署,数据存储成本降低1/3
数据存储是数据仓库系统中最昂贵的组件,尤其是在处理大数据时,数据存储的成本尤为突出。为了降低业务高可用模式下的数据存储成本,V23.2 LTS存储服务DN组引入了一主一备这种高可用部署形态,使得业务在获得高可用能力的同时,数据存储由3副本变成2副本,数据存储成本下降1/3。同时,DN组一主一备的部署形态还支持故障自动切换能力,高可用能力满足RTO<10S,RPO=0。

更好的易用性
V23.2 LTS在易用性上做了大量提升,让运维、数据压缩等操作都变得更加简单和高效。

易运维,高效管理
AWR报告中增加了共享集群相关的章节信息(Global Cache Load Profile、Global Cache Efficiency Percentages等),提供了运行期间各种集群相关的统计数据,用户可以更好的了解共享集群性能表现。同时,V23.2版本对集群相关的参数做了优化,部分参数采用了自调优策略,降低用户使用成本, 同时实现共享集群后台服务线程自管理。

自适应编码,提供高效的数据压缩能力
存储支持表字段的自适应编码,用户建表不用指定字段的编码类型,系统自动探测选择较优的编码类型,达到较优的编码压缩效果,做到”用户无感知“,大大降低用户使用门槛。

支持一键式收集操作系统和数据库信息
为了更快定位问题和优化系统,YashanDB在V23.2版本提供一键式诊断所需信息,包含操作系统基本信息、操作系统和数据库日志、数据库配置信息和数据库视图等信息,同时打包到指定目录,可以更快、更准地获取到便于定位定界的相关信息,支撑问题解决和性能优化。

更完备的工具体系
在此次版本迭代中,YashanDB全新上线开发、迁移以及运维工具,实现从安装部署、一键迁移、智能运维到应用开发的全生命周期管理,帮助用户简化学习及运维成本。

支持MySQL、DM8等多款数据库迁移
V23.2 LTS配套的崖山迁移平台(Yashan Migration Platform,YMP)新增MySQL、DM8等数据库离线迁移至YashanDB链路,同时新增统计校验、全量校验、失败重试、批量改写、迁移容错、暂停恢复等功能。

新增分布式可视化运维能力
V23.2 LTS实现了分布式可视化运维能力,通过YashanDB 监控运维工具(YashanDB Cloud Manager,YCM)纳管YashanDB分布式数据库,目前支持对单机、共享集群以及分布式全产品形态的巡检管理、监控告警、备份恢复和慢SQL分析等可视化功能,实现了便捷的运维效率。

开发者工具全新发布

V23.2 LTS同时配套全新的开发者工具YDC V1.0 (YashanDB Developer Center,YDC),用户可通过YDC可视化地管理数据库中的表、视图、函数等数据库对象。具有丰富的功能和工具,支持数据库连接管理、SQL编辑及运行、智能IDE、图形化对象管理、执行记录、日志、结果集显示以及PL/SQL DUBUG等。

相关文章
|
人工智能 算法 Java
AI:互联网程序设计竞赛之蓝桥杯大赛的简介、奖项设置、大赛内容以及蓝桥杯与ACM(ICPC)的四个维度对比之详细攻略
AI:互联网程序设计竞赛之蓝桥杯大赛的简介、奖项设置、大赛内容以及蓝桥杯与ACM(ICPC)的四个维度对比之详细攻略
AI:互联网程序设计竞赛之蓝桥杯大赛的简介、奖项设置、大赛内容以及蓝桥杯与ACM(ICPC)的四个维度对比之详细攻略
|
安全 Linux 测试技术
|
定位技术
阿里架构总监一次讲透中台架构,13页PPT精华详解,建议收藏!
本文整理了阿里几位技术专家,如架构总监 谢纯良,中间件技术专家 玄难等几位大牛,关于中台架构的几次分享内容,将业务中台形态、中台全局架构、业务中台化、中台架构图、中台建设方法论、中台组织架构、企业中台建设实施步骤等总共13页PPT精华的浓缩,供大家学习借鉴。
37856 106
|
8月前
|
缓存 NoSQL Java
Redis应用—6.热key探测设计与实践
热key问题在高并发系统中可能导致数据层和服务层的严重瓶颈,如Redis集群瘫痪和用户体验下降。为解决此问题,京东开发了JdHotkey热key探测框架,具备实时性、准确性、集群一致性和高性能等特点。该框架由etcd集群、Client端jar包、Worker端集群和Dashboard控制台组成,通过分布式计算快速识别热key并推送至应用内存,有效减轻数据层负载,提升服务性能。JdHotkey适用于多种场景,安装部署简便,支持毫秒级热key探测和集群一致性维护。
439 61
Redis应用—6.热key探测设计与实践
|
8月前
|
搜索推荐 Java Android开发
课时146:使用JDT开发Java程序
在 Eclipse 之中提供有 JDT环境可以实现java 程序的开发,下面就通过一些功能进行演示。 项目开发流程
308 0
|
7月前
|
文字识别 程序员 UED
Python + 腾讯云,多页PDF发票识别一键搞定!
程序员晚枫团队推出了基于Python和腾讯云的多页PDF发票识别功能!通过一行代码即可实现整本PDF发票的高效识别,并直接导出为Excel文件,极大提升工作效率。此次更新修复了仅识别第一页的bug,支持多页PDF完整识别。未来还将拓展更多票据类型、优化速度并加强平台合作。欢迎用户体验并提出建议,共同推动开源项目poocr的成长与进化!
268 7
|
10月前
|
人工智能 安全 JavaScript
《鸿蒙HarmonyOS应用开发从入门到精通(第2版)》学习笔记——HarmonyOS纯血鸿蒙新特性
HarmonyOS 3.1引入了Stage模型,增强ArkTS语言、应用程序框架、Web、ArkUI等子系统能力。新增功能包括Ability框架的Stage开发模型、ArkUI组件能力提升、应用包管理接口、公共基础类库支持Buffer读写、Web服务文档预览及编辑、图形图像编解码支持等。从API 9开始,Stage模型成为主要开发模型,支持更灵活的应用生命周期管理和窗口调度,提供更好的组件与窗口弱耦合体验。此外,HarmonyOS NEXT开发者预览版实现了全面自研,被称为“纯血鸿蒙”,具备自主可控、高度弹性、更强的安全性和隐私保护特性。
693 21
|
资源调度 前端开发 NoSQL
ruoyi-nbcio版本从RuoYi-Flowable-Plus迁移过程记录
ruoyi-nbcio版本从RuoYi-Flowable-Plus迁移过程记录
316 1
|
机器学习/深度学习 数据采集 算法
DEL编码新药预测的多种机器学习模型对比
数据集描述 数据集中每个分子具有三个构建块。该数据集用于表示分子的三个构建块是否能够与蛋白质相结合,如果能够结合标记为binds为1,否则binds为0. 格式描述如下: • id- 我们用来识别分子结合靶标对的独特example_id。 • buildingblock1_smiles- 在SMILES中,第一个构建块的结构 • buildingblock2_smiles- 在SMILES中,第二个构建块的结构 • buildingblock3_smiles- 在SMILES中,第三个构建块的结构 • molecule_smiles- 完全组装的分子的结构,在SMILES中。这包括三个构建单元
|
机器学习/深度学习 搜索推荐 算法
深度学习推荐模型-DIN
Deep Interest Network(DIN)是盖坤大神领导的阿里妈妈的精准定向检索及基础算法团队,在2017年6月提出的。 它针对电子商务领域(e-commerce industry)的CTR预估,重点在于充分利用/挖掘用户历史行为数据中的信息。
1061 1
深度学习推荐模型-DIN