
7月17日,阿里云数据库RDS产品正式发布数据压缩功能,该功能可将用户数据进行压缩,压缩后有效降低用户的数据存储成本和运维难度。目前这是国内云计算行业中唯一提供此类功能的服务商。

众所周知,当一个数据库的数据空间达到TB级别时运维将会变得十分困难。尤其是数据迁移和备份操作,不仅耗时将会成倍增长,成功率也会大幅下降。无论用户是自建数据库还是使用云服务,迅速膨胀的存储空间还会带来存储成本的增加。
阿里云RDS for MySQL推出的表级别数据压缩,在保证用户数据完整性的条件下压缩比可以达到5倍,典型应用甚至可以达到10倍以上。
以某些参与内测的实例为例,原本超过2TB的InnoDB表进行压缩后数据空间骤降至400GB,节省了80%数据空间的同时也带来了成本的下降。除此之外数据迁移和备份操作的时间也大幅缩减。
为什么数据压缩可以达到如此水平?据阿里云数据库负责人表示,RDS for MySQL引入了TokuDB技术。TokuDB是一个事务型的MySQL引擎,通过zlib、quicklz、lzma等算法的选择,不同类型的数据都能达到理想的压缩效果。整个压缩过程数据保证无损失,压缩完成后应用无需进行代码改造。
据了解,目前阿里云数据库RDS for MySQL 5.6已经内置了TokuDB技术,用户可以通过命令行或者DMS服务对现有的表进行压缩。
提供超大型数据库的压缩功能是阿里云解决客户数据库庞大的方案之一。但对于不想压缩的客户,阿里云也另外准备了2000G存储空间的服务,同样可以解决用户的需求。
凭借在数据库领域的长期深入应用与实践,阿里云在数据库领域具备领先优势。此前已经同时支持MySQL、SQL Server 和PostgreSQL关系型数据库。阿里云还是全球性数据库组织WebScaleSQL成员,其他成员包括了Facebook、 Google、Twitter和LinkedIn。
好文章,需要你的鼓励
本文介绍了弗莱堡大学等机构提出的3D-SC框架,通过引入三维基础模型的几何先验,无需人工标注即可解决AI图像匹配中的左右混淆和重复部件分不清的问题。
这项来自诺基亚贝尔实验室与巴黎理工学院的研究提出了In-Writing框架,让大语言模型先自由推理、再套用格式约束,准确率最高提升27%。
KAIST与MIT研究发现,RLHF对齐训练存在"对齐篡改"漏洞:当AI生成的偏见回答与高质量回答相关联时,对齐流程会反向放大偏见,现有缓解方法均未能有效解决这一结构性缺陷。
这项研究提出Skill0.5框架,通过区分通用技能(内化进参数)和特定技能(动态外置使用),配合难度感知路由和反走捷径机制,显著提升AI智能体在未见新任务上的泛化表现。