【51CTO.com原創(chuàng)稿件】現(xiàn)如今的信息化社會(huì)，已經(jīng)被各類信息資源所充斥，如何有效地管理和利用各類信息資源，是進(jìn)行科學(xué)研究和決策管理的前提條件，數(shù)據(jù)處理是管理信息系統(tǒng)必不可少的核心部分。從人工管理階段到文件系統(tǒng)階段再到現(xiàn)在的數(shù)據(jù)庫系統(tǒng)階段，數(shù)據(jù)處理在近幾十年經(jīng)歷了質(zhì)的飛躍。

偶數(shù)科技CEO常雷近日接受51CTO的專訪時(shí)表示，新一代的數(shù)據(jù)庫應(yīng)該與AI大腦層面相對應(yīng)，更契合人工智能應(yīng)用場景。所以，偶數(shù)科技抓住了這個(gè)契機(jī)，開始研發(fā)基于HAWQ的第四代數(shù)據(jù)倉庫，并且拿到了由紅點(diǎn)和紅杉領(lǐng)投的天使輪和A輪兩輪融資。

數(shù)據(jù)庫的演變

談新一代數(shù)據(jù)庫之前，我們先來看看數(shù)據(jù)庫的演變。從數(shù)據(jù)庫系統(tǒng)的研究、開發(fā)到現(xiàn)在，歷經(jīng)了幾十年的時(shí)間，從最開始的***代共享存儲(chǔ)型數(shù)據(jù)庫，第二代MPP型數(shù)據(jù)庫，再到第三代采用存儲(chǔ)與計(jì)算分離架構(gòu)的數(shù)據(jù)庫共經(jīng)歷了三次演變。

·共享存儲(chǔ)型數(shù)據(jù)庫，為節(jié)省資源、降低開發(fā)者成本，出現(xiàn)了共享存儲(chǔ)型數(shù)據(jù)庫，數(shù)據(jù)存儲(chǔ)在高端共享存儲(chǔ)中。傳統(tǒng)的Oracle數(shù)據(jù)庫等屬于共享存儲(chǔ)型數(shù)據(jù)庫，也是最早的交易型數(shù)據(jù)庫。這種類型的數(shù)據(jù)庫在節(jié)點(diǎn)數(shù)多時(shí)存儲(chǔ)會(huì)成為瓶頸。

·MPP型數(shù)據(jù)庫，是目前大量公司在使用的數(shù)據(jù)庫，包括Teradata和Vertica等。因?yàn)椴僮飨到y(tǒng)和文件系統(tǒng)等底層基礎(chǔ)不是很成熟，Teradata使用的是專有硬件，主攻軟硬件一體機(jī)，并且更改了大量的操作系統(tǒng)以及文件系統(tǒng)代碼。2000年左右出現(xiàn)了基于x86架構(gòu)的MPP型數(shù)據(jù)庫，包括Vertica，Greenplum等。這些基于x86架構(gòu)的MPP型數(shù)據(jù)庫使用的是普通服務(wù)器，沒有專有硬件做支持，軟件架構(gòu)方面還是和Teradata類似。

·存儲(chǔ)與計(jì)算分離架構(gòu)數(shù)據(jù)庫，這類數(shù)據(jù)庫典型的代表有HAWQ和Hive等。第三代數(shù)據(jù)倉庫的優(yōu)點(diǎn)是可擴(kuò)展性好，但是大部分引擎比如Hive等性能較差，兼容性不是很好，所以客戶用起來很困難。

人工智能場景下， 基于HAWQ的新一代分析型數(shù)據(jù)庫

常雷表示，二十世紀(jì)九十年代前后，數(shù)據(jù)處理不僅僅局限于存儲(chǔ)和管理數(shù)據(jù)，而是著眼于用戶所需要的各種數(shù)據(jù)處理方式。分析數(shù)據(jù)庫是面向分析應(yīng)用的數(shù)據(jù)庫，可以對數(shù)據(jù)進(jìn)行在線統(tǒng)計(jì)、在線分析、隨即查詢等發(fā)掘信息數(shù)據(jù)價(jià)值的工作，在處理海量數(shù)據(jù)方面有一定的優(yōu)勢。但在人工智能場景中，大多分析型數(shù)據(jù)庫還是略顯吃力，迭代創(chuàng)新迫在眉睫。由偶數(shù)科技打造的基于HAWQ的Oushu Database專為人工智能海量數(shù)據(jù)處理上擁有得天獨(dú)厚的優(yōu)勢。

新一代分析型數(shù)據(jù)庫解決不同領(lǐng)域數(shù)據(jù)處理瓶頸

隨著大數(shù)據(jù)和人工智能應(yīng)用的層出不窮，對新一代數(shù)據(jù)庫的海量數(shù)據(jù)處理能力以及分析能力提出了更高的要求。金融、安防、制造業(yè)等等，各個(gè)行業(yè)對數(shù)據(jù)庫性能提升都有非常迫切的需求，新一代分析型數(shù)據(jù)庫的誕生解決了這個(gè)需求。

在人工智能的應(yīng)用場景下，如安防領(lǐng)域，新一代數(shù)據(jù)庫可以通過圖像識(shí)別、人臉識(shí)別可以進(jìn)行更深層面的認(rèn)知和推理;在人員身份的識(shí)別、人類軌跡分析等方面，可對視頻、圖片、電子車牌等不同種類的數(shù)據(jù)進(jìn)行分析、碰撞、發(fā)現(xiàn)潛在聯(lián)系，抽取有價(jià)值的信息，對可疑行為發(fā)出預(yù)警，并且對案件進(jìn)行關(guān)聯(lián)，協(xié)助提高公安部門案件的偵破效率。

針對實(shí)時(shí)數(shù)據(jù)等實(shí)際案例，如企業(yè)內(nèi)部***別到***別的實(shí)時(shí)物聯(lián)網(wǎng)傳感器數(shù)據(jù)，新一代數(shù)據(jù)庫摒棄了繁瑣的Storm等方案，解決了大量編程和不能夠完全適應(yīng)物聯(lián)網(wǎng)傳感器數(shù)據(jù)的問題。

另外，新一代數(shù)據(jù)倉庫也解決了全球規(guī)模部署需求。現(xiàn)如今任何一個(gè)核心應(yīng)用都離不開數(shù)據(jù)分析和人工智能，比如傳統(tǒng)銀行的交易系統(tǒng)和信用卡反欺詐系統(tǒng)，在數(shù)據(jù)倉庫實(shí)現(xiàn)兩地三中心和異地多活方面，對管理PB級(jí)數(shù)據(jù)的數(shù)據(jù)倉庫系統(tǒng)是很大的挑戰(zhàn)。

新一代分析型數(shù)據(jù)庫的應(yīng)用場景

常雷認(rèn)為，現(xiàn)在的數(shù)據(jù)庫應(yīng)用需求發(fā)生了巨大的變化，這也正好說明了數(shù)據(jù)庫市場將會(huì)發(fā)生一個(gè)巨大的變革契機(jī)。偶數(shù)科技在這個(gè)契機(jī)點(diǎn)推出了兩款核心產(chǎn)品Oushu Database和LittleBoy，Oushu Database基于Apache HAWQ，LittleBoy是一款人工智能產(chǎn)品，和Oushu Database無縫集成?？梢詰?yīng)用到金融領(lǐng)域、稅務(wù)數(shù)據(jù)、公檢法數(shù)據(jù)、電網(wǎng)數(shù)據(jù)等數(shù)據(jù)龐大的領(lǐng)域。

金融領(lǐng)域涉及到企業(yè)到銀行貸款的傳統(tǒng)業(yè)務(wù)，銀行首先要對企業(yè)做盡職調(diào)查和審查，然后再通過評委會(huì)進(jìn)行評估，這些審核過程需要全人工操作;如果涉及到個(gè)人貸款和小微企業(yè)貸款業(yè)務(wù)，可以對借貸人信息進(jìn)行自動(dòng)審核，因?yàn)榻栀J人的信息相對來說比較容易獲取;如果涉及到公司業(yè)務(wù)，那么就會(huì)涉及到龐雜的數(shù)據(jù)，銀行需要把所有的內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)集中起來，然后按照主題等對內(nèi)部數(shù)據(jù)先進(jìn)行整合，再集成外部數(shù)據(jù)集。偶數(shù)科技利用數(shù)據(jù)存儲(chǔ)、管理、分析以及人工智能算法建模，可以輕而易舉的幫助客戶構(gòu)建模型流程以及模型的管理和上線，不再需要以前繁雜的審核過程，大大縮短了審核時(shí)間。

采訪的***，常雷表示：“微軟加速器對偶數(shù)科技幫助很大。一方面，研發(fā)上微軟加速器和偶數(shù)科技已經(jīng)達(dá)成了一些合作，偶數(shù)科技已經(jīng)將產(chǎn)品移植到微軟加速器的Azure公有云上;另一方面，微軟加速器引薦了很多不同行業(yè)的客戶資源，并且在管理、財(cái)務(wù)、招聘、PR 等方面的培訓(xùn)也對偶數(shù)科技進(jìn)行了指導(dǎo)。”