“数据库蓝领”会消失吗?

随着甲骨文18c自治数据库的推出,DBA的角色是否会受到冲击?本文探讨了自治数据库如何通过自动化提高效率与安全性,同时指出DBA仍将在业务适配与战略规划中扮演重要角色。



今天这个话题有点严肃!


假如自动驾驶汽车普及了,专业司机会不会丢掉饭碗?


假如由于IBN(基于意图的网络)的出现,网络也能“自动驾驶”了,那么网管是不是也要失业?


假如“自治数据库”变得流行,数据库管理员(DBA)还能做些什么?


这些“假如”迟早会变成现实!


1
数据库首先要安全


在近日举行的2017数据技术嘉年华上,甲骨文公司副总裁及中国区云平台总经理吴承杨在谈及甲骨文最新推出的18c“自治数据库”时就问了在坐的DBA这样一个严肃的问题——自治数据库来了,DBA的未来会怎样?


DBA属于运维工程师的一个分支,主要从事管理和维护数据库的相关工作,目标是保证数据库的稳定性、安全性、完整性和高性能。说得直白一些,DBA的工作性质有点像“数据库蓝领工人”,工作繁琐且费力。


自治数据库关键就在“自治”两个字。自治顾名思义,就是要具有智能,会自己学习并管理自己,比如提前预知故障、自动处理故障,并且可以自愈。这样一个高度自治化、自管理的数据库,理论上就不再需要DBA“指手画脚”了。


这么说,甲骨文18c自治数据库就是DBA的终结者了?也不能这么理解。我们为什么要研究人工智能?最终目的是想让机器更好地辅助人们工作,而不是完全取代人。甲骨文首席技术官拉里·埃利森也明确表示,自动化程度更高的18c自治数据库并不会抢走DBA的岗位,而是要让这些专业人员可以把更多精力放在更重要的工作上,比如让数据库更好地适配业务应用,甚至做一些业务战略方面的规划,发挥更多的创造性。

甲骨文公司副总裁及中国区云平台总经理吴承杨在“2017数据技术嘉年华”上发表演讲


现在,各行各业都在谈论人工智能,谁能做好“人工智能+”的落地,谁就能在未来的业务发展中占据主动。在数据库方面如何实现“人工智能+”?甲骨文18c自治数据库已经做出了榜样。


特别需要注意的是,甲骨文在发布18c自治数据库的同时,还发布了同步开发的网络安全系统,旨在使数据库和网络防御工作实现自动化,减少因为人为干预而出错的几率。举例来说,有了这个网络安全系统,在检测到漏洞时可以自动向数据库发出警报,数据库便可实时给自己打补丁。以前,这些工作都要由人来完成,不能及时有效地修补漏洞,影响了业务边续性。


“数据库就是要稳定、可靠。这也是为什么18c自治数据库要首先要谈安全的原因。而人工智能、机器学习等新技术的应用可以进一步增强数据库的安全。”吴承杨表示,“我们可以承诺为数据库用户提供99.995%的可用性,这意味着数据库全年的宕机时间在30分钟以内。甲骨文18c自治数据库更加安全,并且节省人力。”


18c自治数据库最突出的特点可以概括为三点:第一,保证数据的安全性;第二,可以实现自动修复;第三,可以自动管理和运行。


今天,我们谈论IT的演进,其实最应该关注的并不是技术本身,而是数据价值的体现。吴承杨将数据比喻为人体的血液,它无处不在,如果在哪里有一点点堵塞,就会影响整个身体的健康。对于一个企业来说,数据流动畅通无阻、数据安全得到切实保障,这才是企业业务发展与创新的重要前提。


“作为数据库厂商,我们最关注的是如何为数据库应用提供更好的支持,降低成本,提升管理的自动化水平,让数据充分展现其价值。”吴承杨表示。


2
IT要回归本质


仔细想想,今天能够面向企业级客户提供从底层基础设施到上层应用“全堆栈”解决方案和服务的似乎也只有甲骨文一家了。甲骨文多年来能够一直站在数据库的“风口浪尖”,与它在硬件方面的全面能力密不可分。


以18c自治数据库为标杆,数据库的持续演进,其驱动力一部分也来自于云计算、大数据、人工智能等新技术的发展。今天,我们再也不用讨论是不是应该上云这个问题,而应该把精力放在如何才能更好地利用云架构为应用转型铺路。


“十多年前,我的一位朋友去创业,从建立团队、部署十几台服务器推出业务,到拥有一千万用户,大概花了三年时间。但是今天,一家B2C的创业企业从白手起家到积累一千万用户可能只需一个月的时间。”吴承杨表示,“我们其实不是在和同行竞争,而是和时间赛跑。从某种程度上说,云要解决的就是业务上线速度的问题。”


以前,从提出需求到申请进行IT设备采购,再到购买、部署设备,最终业务上线,可能要花费几个月甚至半年时间。这怎么能满足如今快速变化的市场需求?云出现了。


在云的概念刚出现时,人们更多地关注技术和架构如何实现。但其实,这并不是云的初衷,云的真正价值是屏蔽了底层基础架构部署、整合、调式、优化、运维的复杂性,让用户无需担心何时要增加服务器和存储,不用考虑何时要升级数据库,也不必费心考虑需要采用什么样的软件……云供应商可以帮你将一切安排妥当。


云的真正价值体现在,今天,用户只要提出自己的需求即可,比如“我想在两周内上马ERP”,云就可以自行办到。“天下武功唯快不破。”吴承杨表示,“今天,甲骨文可以做到的是,用户从提出想法到形成原型,基本十周左右即可完成。”


中国南方一家从房地产起家的公司,如今已经实现了“跨界”运营,广泛涉足金融等新的业务领域。这家企业的CEO在与吴承杨沟通时明确表示,他最关心的是IT如何为其业务服务,能否带来价值,而不是IT本身。


吴承杨表示,在云时代,IT应该回归其本质,像DaaS、SaaS、PaaS、IaaS这些工作应该交给像甲骨文这样的专业云计算厂商去做,用户只要关注自己的业务即可。


除了能够提供端到端的解决方案以外,甲骨文的另一个优势是,它可以传统IT架构和云并举,兼顾企业级用户的传统应用与云原生应用,这样既可以满足企业用户当前的需求,也可以为未来的全面云化做好准备。




一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值