MySQL的技术架构介绍_MySQL
金璞:各位网友大家好!我是赛迪网技术应用编辑金璞,今天本来要来的David Axmark先生和周总现在正在路上,预计可能和迟一点跟网友们见面现在我们请陈慧女士做一个自我介绍。
陈慧:我是万里开源的系统工程师陈慧,很高兴作客赛迪网。
金璞:因为David Axmark和周总还没有来,前天的时候MySQL在中国研发中心成立的时候,我当时听到您做了一个演讲,也讲了MySQL技术上的架构包括以后的发展方向之类的。今天先跟网友们讲一讲吧。
陈慧:我们万里开源是MySQL在中国唯一的代理,我们是基于Linux的平台进行发展,基于Linux开源软件的提供商。大家比较熟悉的是TurboLinux,我们这次跟MySQL的合作希望一方面向先进国家比较先进的开源软件学习一些先进经验,希望通过跟他们的合作建立一个更完善的企业级的服务器平台。
下面我给大家介绍一下MySQL的主要技术特点。MySQL作为一个开源的数据库,开源是它最大的特色,因为它所有的原代码都是公布于众的。每天在MySQL网站上有超过5万次的下载,有那么多用户用MySQL,而且大家在使用过程如果发现BUG或者有一些需要改进的地方可以很快的反馈到MySQL公司,使得能够帮助产品有一个进一步的优化。
另外,MySQL一直在三个方面不断的努力,首先是它的性能。MySQL是一个非常快的数据库系统。第二个就是它的可靠性,因为它是开源的,希望借助开源的方式增强可靠性。第三个就是MySQL的易用性,MySQL能够保证任何没有接触过数据库的人在15分钟之内就学会用MySQL,就是非常简单易用。
从MySQL的架构上还有一个比较特殊的地方,存储是以可插取的存储引擎存在的。大家知道要做成一个大而全的数据库系统不是那么容易的,因为每一个用户需求可能不太一样,看重数据库的性能和其他的方面也不太一样看重数据库特色地方也不一样。MySQL可插取的存储引擎就有这样的特性。比如说像商业版中支持比较好的Myizm,还有inodb,Ndb,不同的存储引擎特点是不一样的,比如 Myizm速度比较快,用户可以根据不同的需求选取不同的存储引擎,配置可以非常灵活。
金璞:我上次在发布会上听说MySQL在中国现在有三个版本,可不可以介绍一下这三个版本在技术层面上、应用层面上有哪些区别吗?
陈慧:现在在中国有三个产品,一个是PRO,它是一个企业级的数据库,带有复制功能、数据处理功能,就是基本上的数据库完整的功能都有,它是单机的。第二个是集群版是CLUSTER,CLUSTER是当单机版的数据库满足不了企业级应用需求的时候我们需要通过多台服务器均衡负载提高并发性和性能,这是集群的。第三个Maxdb,它是和SAP合作的数据库,主要应用在SAP上是一个比较特殊的应用。它的开发团队、维护团队不仅在Maxdb有,在SAP也有。
金璞:这三个是不是都是商业版还是个人版呢?
陈慧:Maxdb是一个开源的数据库,开源社区有单独的版本,但是功能上跟商业是完全一样的,只不过在社区版没有分这个产品那个产品,可以下载有。商业版是分了CLUSTER和PRO的。
金璞:三个版本上有不同的侧重面,我是一个用户有一个比较天真的想法,能不能把这三个数据库的特色集合到最强大的完整版上?
陈慧:Maxdb和PRO和CLUSTER是没有问题的,因为下载的社区版,如果买了CLUSTER已经包含了PRO的功能,这样商业角度区分来说,Maxdb最开始是由SUN开发的数据库系统,后来跟Maxdb合作,SUN是提供跟应用结合的技术,Maxdb主要提供在数据库支持方面的一些技术。其实它跟Maxdb是不同的数据库。金璞:SAP和MySQL的合作,是不是有想跟Orocle争夺市场的意义呢?
陈慧:我觉得各有各的市场。
金璞:比如您提到的存储系统可能会降低数据库的速度,这样的话MySQL在开发的过程中是怎样确保自己以前开发的理念呢?
陈慧:你希望数据库做的越来越可靠,可能某些方面是需要降低一些性能的。比如 MySQL中间有一个引擎叫Myzim(音)是不支持数据处理的。不仅仅是数据库,操作的其他软件也是一样,在性能、可靠性、安全性等等方面都是有一个平衡的。MySQL希望尽量在添加新的功能以后还能够保持快速的性能。因为它在数据库中有一个优化器进行优化。关于集群,应该说集群是能够提高MySQL的性能的,包括我们做的测试,在中国的用户通过合理的配置集群的速度比单机版要快一些。
金璞:性能在增加,包括支持的东西会使数据库变得非常复杂,如果结构越复杂稳定性就会受到一定的影响,这点怎么平衡呢?
陈慧:现在来看MySQL的架构是比较稳定,比较简洁的。MySQL是90年代出来的数据库,整个架构上是吸取了前面的一些优良的特性,也驱除了不好的地方,整个架构来看还是比较好的。而且插壳的方式也是为了避免你提到的情况,就是灵活的,不是说固定了就一个结构。以后我开发出新的引擎可能有又面前可用性,又有很成熟的性能,那完全可以替代原来的,而不影响现有的架构,这就是它的灵活之处。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









StableDiffusion3 の論文がついに登場しました!このモデルは2週間前にリリースされ、Soraと同じDiT(DiffusionTransformer)アーキテクチャを採用しており、リリースされると大きな話題を呼びました。前バージョンと比較して、StableDiffusion3で生成される画像の品質が大幅に向上し、マルチテーマプロンプトに対応したほか、テキスト書き込み効果も向上し、文字化けが発生しなくなりました。 StabilityAI は、StableDiffusion3 はパラメータ サイズが 800M から 8B までの一連のモデルであると指摘しました。このパラメーター範囲は、モデルを多くのポータブル デバイス上で直接実行できることを意味し、AI の使用を大幅に削減します。

最初のパイロットおよび重要な記事では、主に自動運転技術で一般的に使用されるいくつかの座標系と、それらの間の相関と変換を完了し、最終的に統合環境モデルを構築する方法を紹介します。ここでの焦点は、車両からカメラの剛体への変換 (外部パラメータ)、カメラから画像への変換 (内部パラメータ)、および画像からピクセル単位への変換を理解することです。 3D から 2D への変換には、対応する歪み、変換などが発生します。要点:車両座標系とカメラ本体座標系を平面座標系とピクセル座標系に書き換える必要がある 難易度:画像の歪みを考慮する必要がある 歪み補正と歪み付加の両方を画面上で補正する2. はじめに ビジョンシステムには、ピクセル平面座標系 (u, v)、画像座標系 (x, y)、カメラ座標系 ()、世界座標系 () の合計 4 つの座標系があります。それぞれの座標系には関係性があり、

自動運転では軌道予測が重要な役割を果たしており、自動運転軌道予測とは、車両の走行過程におけるさまざまなデータを分析し、将来の車両の走行軌跡を予測することを指します。自動運転のコアモジュールとして、軌道予測の品質は下流の計画制御にとって非常に重要です。軌道予測タスクには豊富な技術スタックがあり、自動運転の動的/静的知覚、高精度地図、車線境界線、ニューラル ネットワーク アーキテクチャ (CNN&GNN&Transformer) スキルなどに精通している必要があります。始めるのは非常に困難です。多くのファンは、できるだけ早く軌道予測を始めて、落とし穴を避けたいと考えています。今日は、軌道予測に関するよくある問題と入門的な学習方法を取り上げます。関連知識の紹介 1. プレビュー用紙は整っていますか? A: まずアンケートを見てください。

この論文では、自動運転においてさまざまな視野角 (遠近法や鳥瞰図など) から物体を正確に検出するという問題、特に、特徴を遠近法 (PV) 空間から鳥瞰図 (BEV) 空間に効果的に変換する方法について検討します。 Visual Transformation (VT) モジュールを介して実装されます。既存の手法は、2D から 3D への変換と 3D から 2D への変換という 2 つの戦略に大別されます。 2D から 3D への手法は、深さの確率を予測することで高密度の 2D フィーチャを改善しますが、特に遠方の領域では、深さ予測に固有の不確実性により不正確さが生じる可能性があります。 3D から 2D への方法では通常、3D クエリを使用して 2D フィーチャをサンプリングし、Transformer を通じて 3D と 2D フィーチャ間の対応のアテンション ウェイトを学習します。これにより、計算時間と展開時間が増加します。

著者の個人的な考えの一部 自動運転の分野では、BEV ベースのサブタスク/エンドツーエンド ソリューションの開発に伴い、高品質のマルチビュー トレーニング データとそれに対応するシミュレーション シーンの構築がますます重要になってきています。現在のタスクの問題点に対応して、「高品質」は 3 つの側面に分離できます。 さまざまな次元のロングテール シナリオ: 障害物データ内の近距離車両、車両切断中の正確な進行角、車線などラインデータ 曲率の異なるカーブやランプ・合流・合流などの撮影が難しいシーン。これらは多くの場合、大量のデータ収集と複雑なデータ マイニング戦略に依存しており、コストがかかります。 3D 真の値 - 一貫性の高い画像: 現在の BEV データ取得は、センサーの設置/校正、高精度マップ、再構成アルゴリズム自体のエラーの影響を受けることがよくあります。これが私を導いた

19 年前の論文を突然発見 GSLAM: A General SLAM Framework and Benchmark オープンソース コード: https://github.com/zdzhaoyong/GSLAM 全文に直接アクセスして、この作品の品質を感じてください ~ 1 抽象的な SLAM テクノロジー近年多くの成功を収め、多くのハイテク企業の注目を集めています。ただし、既存または新たなアルゴリズムへのインターフェイスを使用して、速度、堅牢性、移植性に関するベンチマークを効果的に実行する方法は依然として問題です。この論文では、GSLAM と呼ばれる新しい SLAM プラットフォームを提案します。これは、評価機能を提供するだけでなく、研究者が独自の SLAM システムを迅速に開発するための有用な方法を提供します。

この四角い男性は、目の前にいる「招かれざる客」の正体について考えながら眉をひそめていることに注意してください。彼女が危険な状況にあることが判明し、これに気づくと、彼女は問題を解決するための戦略を見つけるためにすぐに頭の中で探索を始めました。最終的に、彼女は現場から逃走し、できるだけ早く助けを求め、直ちに行動を起こすことにしました。同時に、反対側の人も彼女と同じことを考えていた……『マインクラフト』では、登場人物全員が人工知能によって制御されている、そんなシーンがありました。それぞれに個性的な設定があり、例えば先ほどの女の子は17歳ながら賢くて勇敢な配達員です。彼らは記憶力と思考力を持ち、Minecraft の舞台となるこの小さな町で人間と同じように暮らしています。彼らを動かすのはまったく新しいものであり、

9 月 23 日、論文「DeepModelFusion:ASurvey」が国立国防技術大学、JD.com、北京理工大学によって発表されました。ディープ モデルの融合/マージは、複数のディープ ラーニング モデルのパラメーターまたは予測を 1 つのモデルに結合する新しいテクノロジーです。さまざまなモデルの機能を組み合わせて、個々のモデルのバイアスとエラーを補償し、パフォーマンスを向上させます。大規模な深層学習モデル (LLM や基本モデルなど) での深層モデルの融合は、高い計算コスト、高次元のパラメーター空間、異なる異種モデル間の干渉など、いくつかの課題に直面しています。この記事では、既存のディープ モデル フュージョン手法を 4 つのカテゴリに分類します。 (1) 「パターン接続」。損失低減パスを介して重み空間内の解を接続し、より適切な初期モデル フュージョンを取得します。
