ITPub博客

信创替代，说难很难，说容易也容易，不过做之前根据自己的能力特点，选择适当的方案还是十分关键的。

虽然已经有不少企业意识到疏于数据安全管理会对业务带来风险，但企业也必须认识到他们的防范措施需要不断完善，以适应新技术和勒索软件等带来的不断变化的威胁环境。

指标是构筑自动化运维与智能化运维的基石，应该与数据库的自身功能同等重要，因为数据库的使用与运维是长期的工作。也希望我们的国产数据库厂商能够在指标体系上下下功夫，不仅仅是比照着Oracle来提供指标，而是根据自己数据库的特性，以帮助用户用好数据库的角度来提供更加准确与有效的指标。

大部分的传统企业在数字化建设上处于一种散乱、无序的状态，基本无需求这个概念，只要有需要就采购系统，结果造成大量的功能浪费、数据重复录入工作

由于所属行业不同、管理者的管理思维方式不同，目前企业所属的阶段也参差不齐。数字化转型的程度可以分为三个层次。

数据建模可以帮助标准化组织定义和描述其数据的方式，健全的数据模型能够加速数据目录的实施和数据质量计划的启动。根据数据建模经验，我们探讨组织如何通过关注三个关键子功能来增强其数据建模能力

挑战与机遇从来就是并存的，在市场经济下只有强者才会被尊重，弱者不会被同情，因此处于企业经营夹缝中的科技公司该如何做挑战下寻找机遇?面对机遇该如何抓住并实现?

当前在高度不确定的市场环境下企业数字化转型已进入一个两极分化的阶段，一方面头部企业由于数字化建设介入早、认知早、所体现的成果也早，已进入了数字化的深水区，而另一方面大部分传统型企业，尤其是中小企业，还困于认知的层面，

数据库高可用是企业级用户在关键业务系统中对数据库的基本要求，在高可用方面，怎么提高能力都不为过。也正是因为高可用的问题，很多金融企业在选择核心系统数据库的时候，都被迫选择分布式数据库。

文档的第一个部分是产品简介，用户需要从这部分快速了解一个产品，并做出判断是否符合自己的需求。因此这一部分不需要涉及很多技术细节，更多是描述“是什么、做什么”的问题。让受众能够有简单、直观的了解即可。

对于数据库国产化这个事情，不同背景，不同经历，处在不同位置的人的看法总是有很大的差异的。

既要在灵活的需求场景下改动系统功能，又不需要太多的技术成本投入，于是低代码或无代码平台出现了，在一定程度上满足了企业工作场景的系统开发需求

现在企业搞大数据，都在强调打破部门墙，实现企业大数据的统一归集，但在实际推进过程中困难重重，为什么?这里将部门不开放数据的原因归结为四个级别，级别越高，意味着阻力越大。

业务能力、业务功能、业务流程、业务服务、业务模型是接触业务时经常碰到的术语，但这些术语具体是什么含义，互相之间有什么联系和区别，很多时候不太分得清楚，当这些概念相互混淆时，可能会导致业务架构不清晰、工作效率低下、用户体验差，甚至可能影响到整个业务的成功。

​对于数据库系统来说，高可用和业务连续性是用户最为关注的问题。在我参与的几次用户调研中，业务连续性问题都是排名第一的关注点，而且热度是排名第二的问题的2倍以上。

在产品功能测试验收的环节，最经常遇到的情况就是发现页面没数据，或者指标数据不对，掌握一些bug定位的小技巧，作为产品经理，就可以直接判断是前端还是后端的问题，快速有效提升问题修复的效率。

在当前高度不确定的这种市场环境下，企业生存都是未知，如果提出做数字化转型，那需要相当的魄力，大部分情况下企业一把手需要的是一个说服其做数字化的理由，最直观的就是经济数据

结构良好的数据架构是人工智能和机器学习成功的基石。它包括数据准备、存储和集成策略，每项策略在塑造人工智能计划的结果方面都发挥着至关重要的作用。

数据的爆发式增长和规模化应用不断催生新产业、新业态，对生产力和生产关系的发展和变革具有重要影响。将数据增列为生产要素意味着对数据要素价值释放提出更高目标，需要通过深度研究、广泛实践，反复认知和领会数据要素战略布局……

本文分为三部分讲解，第一部分详解MPP架构，第二部分剖析MPP架构与批处理架构的异同点，第三部分是采用MPP架构的OLAP引擎介绍。