XSKY SDS 产品率先获得 OceanBase V4 新版本认证

近日,北京奥星贝斯科技有限公司(简称:OceanBase)与北京星辰天合科技股份有限公司(简称:XSKY 星辰天合)顺利完成产品兼容性认证。


XSKY 的高性能全闪存储以及混闪存储,与 OceanBase V4 数据库软件,针对产品的功能、性能、兼容性进行了测试,双方产品完全兼容,整体运行稳定高效。
据悉,这是 首个基于 OceanBase V4 认证的分布式存储产品联合解决方案。 d8d5fa9d50c3c3cdfbab3e83ab730589.jpeg


联合解决方案 性能与成本兼得

XSKY 星飞全闪块存储能够适配 OceanBase V4 数据库,实现存算分离架构,为数据库提供高性能块存储能力,在满足客户业务需求的同时,更高效管理数据盘。同时,XSKY 的高性能全闪、混闪存储,能够提供 NAS、对象协议,无缝对接 OceanBase 数据库物理备份、逻辑备份,满足数据库备份以及恢复需求。


1a41ba855acfaa605d71435fdd7d9fd7.jpeg



该联合解决方案具备如下三个特点:


高性能星飞全闪块提供高性能块存储能力支撑 OceanBase 数据库存储,满足高性能业务需求;

高速备份&恢复OceanBase 对接 XSKY 全闪/混闪池,提供高性能数据备份&恢复能力;

易运维存算分离架构下,计算和存储独立运维,降低运维难度。


因此,该联合解决方案能够为客户提供如下价值:


OceanBase 分布式数据库满足核心业务数据库需求;

通过存算分离架构,计算和存储可按需扩容;

星飞全闪存储支持亚健康检查,磁盘异常,IO 可在 100ms 完成切换;

高性能混闪架构支持数据库备份,支持大比例 EC、数据压缩功能,性能和成本兼得。


强强联合 联合方案服务于关键业务


OceanBase 始创于 2010 年,是完全自主研发的企业级原生分布式数据库。2020 年 OceanBase 成立北京奥星贝斯科技有限公司并开始独立商业化运作,目前是分布式数据库的领军企业之一。OceanBase 致力于为企业提供一站式的数据管理解决方案和服务,为企业核心系统提供稳定可靠的数据底座。


XSKY 成立于 2015 年,专注于软件定义存储领域,已成长为国内技术领先的数据基础设施提供商,在 2023 年再次入选 Gartner 全球分布式文件与对象存储 VoC 四象限报告。 XSKY 基于软件定义的统一技术架构和混合云模式的数据管理方案,为政企客户提供以数据价值为核心的产品和服务,帮助政企客户实现海量数据的自如“汇-存-算-管-用”。双方有着长期稳定的合作,在 2023 年年初,双方已经,联合解决方案在多个重要客户中得到了部署。


此次基于 OceanBase V4 的兼容性认证完成,意味着 XSKY 与 OceanBase 的进一步深入合作, 双方携手推出的联合解决方案,将服务于更多客户的关键业务领域,推动数字化转型。


1cc8e59fdecfaee9541f7efd008f51e0.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/296639.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

大数据平台Bug Bash大扫除最佳实践

一、背景 随着越来越多的"新人"在日常工作以及大促备战中担当大任,我们发现仅了解自身系统业务已不能满足日常系统开发运维需求。为此,大数据平台部门组织了一次Bug Bash活动,既能提升自己对兄弟产品的理解和使用,又能…

【IPC通信--信号】

信号处理函数 • 信号发送函数 – kill(), sigqueue(), raise(), alarm(), setitimer(), pause() , abort() • 信号安装函数 – signal(), sigaction() • 信号集操作函数 – sigemptyset(), sigfillset(), sigaddset(), sigdelset(), sigismember() 信号发送函数—…

xgboost对密西西比数据集csv文件进行预测

代码: # 导入需要的库 from sklearn.preprocessing import LabelEncoder import matplotlib.pyplot as plt import pandas as pd import xgboost as xgb from sklearn.model_selection import train_test_split from sklearn.metrics import confusion_matrix, cla…

自定义事件总线

文章目录 什么是自定义事件总线具体实现思路分析定义结构实现 on实现 emit实现 off 源码 什么是自定义事件总线 自定义事件总线属于一种观察着模式,其中包括三个角色发布者(Publisher):发出事件(Event)订阅…

[SwiftUI]工程最低适配iOS13

问题: 新建工程,选择最低支持iOS13报错: main() is only available in iOS 14.0 or newer Scene is only available in iOS 14.0 or newer WindowGroup is only available in iOS 14.0 or newer 解决: 注释掉上面代码&#x…

短剧分销系统搭建:其成为普通人创业的新选择?短剧的红利有多高?

去年,短剧进入到了爆发期,成为了年轻人闲暇时间的娱乐方式。短剧每集只有几分钟时间,非常适合当下大众的碎片化时间。根据当下短剧的发展趋势,短剧的市场规模将逐渐赶超电影票房。 目前短剧还进行了多元化发展,逐渐走…

两数之和 ? 三数之和? 四数之和? 统统搞定

🎈个人主页:🎈 :✨✨✨初阶牛✨✨✨ 🐻推荐专栏1: 🍔🍟🌯C语言初阶 🐻推荐专栏2: 🍔🍟🌯C语言进阶 🔑个人信条: 🌵知行合一 前言 声明…

高性价比LDR6028Type-C转3.5mm音频和PD快充转接器

随着市面上的大部分手机逐渐取消了3.5mm音频耳机接口,仅保留一个Type-C接口,追求音质和零延迟的用户面临着一大痛点。对于这些用户,Type-C转3.5mm接口线的出现无疑是一大福音。这款线材在刚推出时就受到了手机配件市场的热烈欢迎,…

Python武器库开发-武器库篇之子域名扫描器开发(四十一)

Python武器库开发-武器库篇之子域名扫描器开发(四十一) 在我们做红队攻防或者渗透测试的过程中,信息收集往往都是第一步的,有人说:渗透的本质就是信息收集,前期好的信息收集很大程度上决定了渗透的质量和攻击面,本文将…

AI数字人国内人工智能产业发展趋势

随着科技的不断进步,人工智能(Artificial Intelligence,简称AI)已成为当今社会的热门话题。作为一种复杂而高级的技术,人工智能在国内发展势头迅猛。本文将探讨AI数字人国内人工智能产业的发展趋势。 首先&#xff0c…

科锐16位汇编学习笔记01汇编基础和debug使用

为什么学习16位汇编? 16位操作指令最多能够操作两个字节,且更能够体现出与硬件的交互。16位下的指令和32位汇编的指令差不多。16位汇编的指令在32位一样使用.要学好汇编必须要了解一点点硬件知识,16汇编是直接操作硬件,32位汇编指令跟硬件隔离了 硬件运…

simulink代码生成(六)——中断向量模块的配置

假如系统中存在多个中断,需要合理的配置中断的优先级与中断向量表;在代码生成中,要与中断向量表对应;中断相关的知识参照博客: DSP28335学习——中断向量表的初始化_中断向量表什么时候初始化-CSDN博客 F28335中断系…

目标检测-One Stage-YOLOv2

文章目录 前言一、YOLOv2的网络结构和流程二、YOLOv2的创新点预处理网络结构训练 总结 前言 根据前文目标检测-One Stage-YOLOv1可以看出YOLOv1的主要缺点是: 和Fast-CNN相比,速度快,但精度下降。(边框回归不加限制)…

24年初级会计资格考试报名信息采集流程共10大步骤,千万不要搞错

2024年初级会计资格考试报名信息采集流程共10大步骤,不要搞错哦; 第一步:输入证件号、点击登录 第二步:阅读采集须知 第三步:填写个人信息(支付宝搜索"亿鸣证件照"或者微信搜索"随时照&q…

uniapp 日历组件

我们的需求是显示当前月和下个月的排班表 引入 uniapp 日历组件 uni-calendar 做法有两种&#xff0c;一种是直接去修改组件&#xff0c;还有就是文档中提供的 selected 方法 修改组件的就不写了 <uni-calendar :lunar"true" :selected"selected" :in…

2023 hnust 湖南科技大学 大四上 计算机图形图像技术 课程 期末考试 复习资料

计算机图形图像技术复习资料 前言 改编自&#xff1a;https://blog.csdn.net/Liu_Xin233/article/details/135232531★重点&#xff0c;※补充github 考试题型 简述题&#xff08;10分4题&#xff0c;共40分&#xff09; 第1章的基本内容三维观察流水线中的基本概念与理解三…

使用Python给图片加水印(通过OpenCV和Pillow实现,内含完整代码链接)

from PIL import Image, ImageFont, ImageDraw, ImageEnhance, ImageChops import cv2 import math import numpy as npdef crop_image(im):"""裁剪图片边缘空白"""bg Image.new(mode"RGBA", sizeim.size)bbox ImageChops.differenc…

ASPICE4.0标准参考模型

aspice4.0 已经发布了&#xff0c;最近正在规划公司开发流程向4.0升级&#xff0c;研究对比了下4.0和3.1的改变&#xff0c;整体来说4.0减少了很多3.1不实用的过程&#xff0c;增加了硬件过程&#xff0c;机器学习过程&#xff0c;过程细节叶更加贴近项目的实际需求&#xff0c…

【Python特征工程系列】教你利用逻辑回归模型分析特征重要性(源码)

这是Python特征工程系列原创文章&#xff0c;我的第191篇原创文章。 一、问题 应用背景介绍&#xff1a; 如果有一个包含数十个甚至数百个特征的数据集&#xff0c;每个特征都可能对你的机器学习模型的性能有所贡献。但是并不是所有的特征都是一样的。有些可能是冗余的…

【年终总结系列 2023】新起点,同时追寻更高的起点

什么是攀登者&#xff0c;用一个场景来概括就是&#xff1a;经常弯腰低头手脚并用向上攀爬&#xff0c;待到山的顶峰后终于可以舒展一下身体&#xff0c;但若舒展的时间过长便会觉得无聊&#xff0c;此时向远处眺望&#xff0c;发现了更高的山峰&#xff0c;便又充满了激情。对…