甲骨文Thomas:大数据下的共存与集成

本文涉及的产品
RDS AI 助手,专业版
RDS MySQL DuckDB 分析主实例,基础系列 4核8GB
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
简介:
本文讲的是 甲骨文Thomas:大数据下的共存与集成, 随着电影碟中谍4在中国的热映,汤姆克鲁兹这个不老的神话又出现在电影荧幕,而就在2月末一个晴朗的下午,数据库届也迎来了“阿汤哥”,一位在全世界范围内拥有着众多粉丝的Oracle技术大师Thomas Kyte。

  Thomas Kyte(以下简称Tom)是AskTom网站背后的老大,目前是Oracle公司核心技术集团的副总裁,从Oracle 7.0.9版本开始就一直任职于Oracle公司,通过自身20多年的经验,一直致力于和Oracle数据库用户共同设计和构建系统,并对系统进行重构和调优。就在访华的这段期间,他接受了为数不多的几家中国媒体的采访。他说:“我想和大家谈谈Oracle的数据库产品战略。”
 


图 Oracle公司核心技术集团的副总裁Thomas Kyte

  不断整合 Oracle持续改进

  近几年,数据库市场成几何级的增长,各种数据库软件市场规模不断扩大。面对需求如此强劲的市场, Oracle发展依然强劲,从Gartner发布的2010年度关系数据库市场的调查报告显示在RDBMS市场,Oracle的市场份额已经占到48.1%,位居第一位,其市场份额超过了之后的五个竞争对手的总和。在2011年,Oracle依然保持着这种增长势头。

  面对越来越激烈的竞争,Tom表示,甲骨文一贯的战略就是不断把新技术吸收并整合到现有的数据库产品当中,保持产品的灵活性。他谈到,Oracle最初做数据库的时候只有三种简单的数据类型,通过把不同的数据类型整合到一个数据库中,用户可以使用一种Oracle数据库来处理几种数据类型;到了九十年代初,Oracle数据库整合了数据挖掘和分析技术;之后,Oracle又添加了OPS并行服务器,形成真正应用集群(RAC)。

  继数据库产品的成功,Oracle Exadata把数据库软件和存储系统以一种非常优化的方式整合在一起打造出的一体化的系统引发了一场技术革命。

  打击对手 MySQL成企业级利器

  甲骨文公司正式宣布收购SUN后,MySQL等产品未来的命运一直受到极大关注。甲骨文没有失信于人,且继续发展与巩固MySQL数据库产品的地位,同时把MySQL数据库产品对市场的战火正式引向竞争对手之一微软的SQL Server数据库产品。

  2010年12月,甲骨文发布了新版本的MySQL 5.5,使用户能跨Windows、Linux、Oracle Solaris等多种操作环境改进Web应用的性能和可扩展性,并且在自身的旗舰数据库产品中添加了开源SQL Lite的支持,以帮助使用其他平台,如Windows的企业和技术人员,降低学习成本,从而更加符合和吸引这些平台的企业和技术人员。同时,若把Oracle数据库支持的数据服务,迁移到MySQL数据库平台上,还可以为企业节约大量资金。

  Tom表示,MySQL在Oracle中地位非常重要。新版本的MySQL引进了集群功能,提升到了企业级的可用性、可靠性和可扩展性。目前MySQL和Oracle数据库已经可以做到相互兼容,拥有相同的数据类型和API,二者可以进行无缝迁移。

      共存和集成 Oracle的大数据策略

  现在大数据业务已经得到大多数技术人员和企业决策者的认同。但是数据量的激增确实是一个棘手的问题,对于任何重要的数据库而言,分布式必不可少。企业目前可以采用分布式计算或者进行扩容,还可采用各种模式并围绕开源技术进行构建,比如Hadoop,MapReduce和NoSQL数据存储技术。

  Tom表示,甲骨文最早于1985年就率先推出了Oracle Version 5,支持分布式计算。如今面临的问题是,如何把上百亿的信息压缩和整合到几百万级,然后将这些信息放在一个结构化数据库中更方便的进行分析。目前,Oracle的很多工具都可以把这个架构中的数据无缝的放入或或取出,从而更方便的使用。


作者:胡铭娅

来源: IT168

原文标题:甲骨文Thomas:大数据下的共存与集成

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
分布式计算 大数据 Apache
ClickHouse与大数据生态集成:Spark & Flink 实战
【10月更文挑战第26天】在当今这个数据爆炸的时代,能够高效地处理和分析海量数据成为了企业和组织提升竞争力的关键。作为一款高性能的列式数据库系统,ClickHouse 在大数据分析领域展现出了卓越的能力。然而,为了充分利用ClickHouse的优势,将其与现有的大数据处理框架(如Apache Spark和Apache Flink)进行集成变得尤为重要。本文将从我个人的角度出发,探讨如何通过这些技术的结合,实现对大规模数据的实时处理和分析。
1065 2
ClickHouse与大数据生态集成:Spark & Flink 实战
|
8月前
|
JSON 分布式计算 大数据
springboot项目集成大数据第三方dolphinscheduler调度器
springboot项目集成大数据第三方dolphinscheduler调度器
472 3
|
9月前
|
存储 缓存 分布式计算
OSS大数据分析集成:MaxCompute直读OSS外部表优化查询性能(减少数据迁移的ETL成本)
MaxCompute直读OSS外部表优化方案,解决传统ETL架构中数据同步延迟高、传输成本大、维护复杂等问题。通过存储格式优化(ORC/Parquet)、分区剪枝、谓词下推与元数据缓存等技术,显著提升查询性能并降低成本。结合冷热数据分层与并发控制策略,实现高效数据分析。
237 2
|
8月前
|
数据采集 消息中间件 JSON
搞大数据集成,这些基本原理你得先清楚!
企业在进行大数据集成时,常因忽视对数据本质的统一认知,导致集成失败。本文指出,大数据集成不仅是技术问题,更需明确数据本体论,建立企业级“数据通用语言”,包括核心数据对象、唯一标识及关系定义。只有在业务语义一致的基础上,结合技术实施,才能打破数据孤岛,实现数据价值。
|
分布式计算 大数据 Java
springboot项目集成大数据第三方dolphinscheduler调度器 执行/停止任务
springboot项目集成大数据第三方dolphinscheduler调度器 执行/停止任务
184 0
|
分布式计算 DataWorks 关系型数据库
MaxCompute 生态系统中的数据集成工具
【8月更文第31天】在大数据时代,数据集成对于构建高效的数据处理流水线至关重要。阿里云的 MaxCompute 是一个用于处理大规模数据集的服务平台,它提供了强大的计算能力和丰富的生态系统工具来帮助用户管理和处理数据。本文将详细介绍如何使用 DataWorks 这样的工具将 MaxCompute 整合到整个数据处理流程中,以便更有效地管理数据生命周期。
457 0
|
分布式计算 大数据 OLAP
AnalyticDB与大数据生态集成:Spark & Flink
【10月更文挑战第25天】在大数据时代,实时数据处理和分析变得越来越重要。AnalyticDB(ADB)是阿里云推出的一款完全托管的实时数据仓库服务,支持PB级数据的实时分析。为了充分发挥AnalyticDB的潜力,将其与大数据处理工具如Apache Spark和Apache Flink集成是非常必要的。本文将从我个人的角度出发,分享如何将AnalyticDB与Spark和Flink集成,构建端到端的大数据处理流水线,实现数据的实时分析和处理。
442 1
|
消息中间件 分布式计算 大数据
RabbitMQ与大数据平台的集成
【8月更文第28天】在现代的大数据处理架构中,消息队列作为数据传输的关键组件扮演着重要的角色。RabbitMQ 是一个开源的消息代理软件,它支持多种消息协议,能够为分布式系统提供可靠的消息传递服务。本篇文章将探讨如何使用 RabbitMQ 与 Hadoop 和 Spark 进行集成,以实现高效的数据处理和分析。
296 1
|
6月前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
419 14
|
7月前
|
机器学习/深度学习 运维 监控
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
456 0

热门文章

最新文章