
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。