-
编辑 删除
OpenAI继续扩圈，与AWS达成380亿美元交易
11月3日，OpenAI与AWS达成重磅协议，这家人工智能巨头将向全球最大云服务商采购价值高达380亿美元的云计算资源。
-
编辑 删除
Confluent如何为人工智能代理时代重构数据基础设施?
人工智能代理的兴起正推动数据基础设施供应商重构平台，以处理更自主、事件驱动的工作负载。获取流数据的实时上下文正成为关键需求——而这正是大多数批处理系统和传统数据湖难以支持的能力。
-
编辑 删除
10月数据库圈值得关注的事 | 2025
10月，Databricks 宣布收购Mooncake Labs，为企业开发智能体和其他AI应用提供帮助;开源数据库Supabase宣布完成1亿美元E轮融资;OceanBase CEO杨冰发布全员信全面拥抱全球化;Oracle AI Database 26ai发布，打造下一代 AI 原生数据库;MySQL 9.5.0 创新版本发布。本次发布带来权限管控强化、性能自动优化、安全加密升级等核心更新……
-
编辑 删除
OpenAI完成资本重组，开启通往AGI的新篇章
AGI承载了各大科技巨头和AI新贵的理想与抱负，各方都在奋力追梦。就在上周，OpenAI的重要竞争对手Anthropic宣布与谷歌达成数百亿美元算力合作，以增加计算资源进行AI研发。此番OpenAI完成重组，减少了一些羁绊，更能在AGI之路上放手一搏。
-
编辑 删除
工具、团队与工作流程：构建运营韧性的正确之道
当数据管理出现问题，或IT中断威胁到对业务成功至关重要的数据时，该如何应对?面对这些挑战，人们总容易陷入“技术万能论”的误区，以为先进技术能包治百病。然而在AI时代，完善的IT功能与数据管理需要更多支撑——它需要以运营韧性为核心的战略、框架乃至思维模式。
-
编辑 删除
如何构建好实体关系？
许多人并不了解相关信息。即便在看似显而易见的场景中，例如两张表或实体间关系的实际含义，此现象依然成立。每个人视角不同，且常在不同情境中关注不同侧面。
-
编辑 删除
AWS大面积瘫痪波及互联网，再掀去中心化呼声
此次故障再次警示世人：即便中断时间短暂，互联网骨干网络仍极其脆弱，而全球对这些在线服务的依赖晨读之深。尽管AWS及其竞争对手通常运行稳健，但互联网本质上是由相互交织的服务构成的复杂网络，其可靠性取决于最薄弱的代码环节。
-
编辑 删除
很遗憾，你建的"数据资产目录"，大概率只是个"元数据管理工具"
厂商在卖"元数据管理"，咨询公司在做"元数据管理"，文章都在谈"元数据管理"，但所有人都管它叫"数据资产目录"。这种认知错位，正在杀死无数企业的数据治理投入。
-
编辑 删除
揭秘数据可观测性：实现数据AI就绪的5个步骤
尽管可观测性概念迅速崛起，但当前正处于“幻灭低谷期”——企业正苦于将其转化为切实价值。核心启示在于：可观测性不仅是可购买的工具，更需作为专业体系与文化内化于数据实践中，方能与工具形成协同。
-
编辑 删除
“数”风流人物｜对话玖章算术叶正盛：在云与AI时代进行数据淘金
本期《名人堂——“数”风流人物》栏目对话的叶正盛，拥有20年软件研发经验，曾担任阿里云数据库产品管理与解决方案部总经理。2021年叶正盛离开阿里云，选择跳出大厂舒适圈，和一些志同道合的伙伴创立了玖章算术(浙江)科技有限公司(NineData)，在“多云”浪潮中乘风破浪，如今获得了中国移动、沃尔沃、杭州银行、香港医管局等众多客户的认可，本次访谈叶正盛分享了创业初心和对行业未来的思考。
-
编辑 删除
国产数据库规模化替代时代：如何解决选型、迁移、运维难题？
数据库国产化替代在选型、迁移、运维等环节仍然存在一些痛点，有一些企业还面临“不敢替、不会替、替不起”的难题。为此，ITPUB联合厂商YashanDB特别策划了“论道国产数据库规模化替代时代：选型、迁移、运维”三期系列直播，邀请各行业资深专家深度剖析国产替代难题，畅聊挑战、机遇和建议，助力更多企业和DBA实现安全、高效地转型升级。
-
编辑 删除
国产数据库该回归 TCO 本质
当前，数据库国产化已从“要不要替”进入“如何规模化替”的深水区。企业用户在选型时愈发理性，不再仅关注功能清单，而是更加重视产品核心能力与总拥有成本（TCO）。产品核心能力是平滑替代的前提，而TCO（包括软硬件采购、业务改造、系统迁移与长期运维的综合投入）则是规模化替代的关键。
-
编辑 删除
穿越数据安全雷区
在互联互通的世界里，数据泄露始终是潜伏的威胁，而数据库管理员（DBA）正是守护企业最宝贵资产“数据”的前线卫士。现代数据库环境融合了本地部署、云端和混合系统，犹如一片雷区。要成功穿越这片雷区，不仅需要技术能力，更需要采取主动、战略性的安全措施。
-
编辑 删除
技术会不会过时
DBA是一个无法在书本上快速成长的职业，必须在实战中摸爬滚打才能真正成为高手。不过仅仅依靠实战又不足够，没有充分的理论作为辅助，仅仅依靠实战也很难成为真正的高手，不断实践、不断总结，在实战和总结中发现自己的理论基础缺失，主动去学习，可能是每个高水平DBA都不断在重复的事情。
-
编辑 删除
企业若想做好数字化，管理者应首先能够回答出这50道问题
很多企业在做数字化之前也并未深入思考自身业务逻辑与数字化的结合点，盲目跟风投入大量资源，导致系统与实际业务管理脱节。其中作为企业的管理者，在数字化转型建设过程中起着决定性的作用，但当前突出的问题是管理者对数字化的理解仍旧处于表面化。
-
编辑 删除
DBA的AI自由
现在，代表未来应用发展方向的AI基础设施似乎正在脱离DBA的管理范围。DBA应该有所警醒，要加快拥抱AI的速度，尽快在数据库运维领域引入AI技术，引入AI能力，千万别成为AI时代的边缘人。
-
编辑 删除
基于Iceberg构建Lakehouse的5个要点
随着越来越多的组织采用Lakehouse架构，Apache Iceberg已成为现代Lakehouse核心的开放表格式。Iceberg为跨引擎的数据存储提供了统一、可扩展且互操作的基础。
-
编辑 删除
应用的可观测性
随着AIOPS技术的发展，以数据推理为核心的系统为可观测性项目打开了一个新的通道。不是通过固化的程序和算法去分析数据，而是用数据推理的方式去分析问题。这会让应用可观测性系统的建设周期大大缩短，问题分析的能力大幅提升。这
-
编辑 删除
将智能融入数据库层
数据库的下一次进化不仅关乎更快的查询或更廉价的存储。其核心在于将智能直接嵌入数据库层——这种智能能在数据抵达时即时检测异常，预测未来趋势，并实时触发行动，无需等待协调管道或外部系统响应。
-
编辑 删除
DBA如何积累运维知识？
DBA面临的一个很大的问题就是积累运维知识，大多数DBA都是用自己的脑子来积累知识。确实人的脑子是运维知识最好的载体，不过人的记忆和回忆是受一定的限制的，对于海量的知识积累，光用脑子是不够的。知识积累其实是一个挺麻烦的事情，首先如何去获得知识;其次是如何去表达知识;第三是如何去记忆知识?
