活动 | GreatSQL社区亮相2023 DTC 分享开源技术成果实践

4月7-8日,年度数据库行业盛会——2023数据技术嘉年华(DTC 2023)如期而至

此次盛会汇聚了全国各地数千名数据领域学术精英、领袖人物、技术专家、从业者和技术爱好者,共同见证行业蓬勃发展、生态融合共赢、技术迭代升级及市场风云变迁。

GreatSQL作为万里数据库主导成立的开源数据库社区,首次亮相嘉年华大会,并带来开源社区的技术成果与应用探索,助力数据库产业建设与生态繁荣。

321azsasdas213

图片

投身开源 打造广受欢迎的开源数据库社区

开源作为持续创新的催化剂,使组织能够快速获得全球人才库和开发安全、可靠、可扩展的软件工具,正在成为推动科技产业发展的一大动力,在大数据、人工智能、云计算等信息技术领域运用非常广泛。

4月8日开源创新分论坛上,万里数据库CTO娄帅发表题为《GreatSQL开源社区——做中国广受欢迎的开源数据库》的主题演讲。娄帅拥有超10年数据库研发经验,先后从事数据库服务器、数据库架构、国产分布式数据库等产品技术研发工作,对数据库技术路线、产品架构、应用场景有深厚积淀与理解,可主导产品从0到1的架构设计、研发与实现。

娄帅表示,万里数据库作为关系型数据库重要的开拓者和实践者,深知开源的重要性。公司积极投身于开源生态建设,于2021年主导创立GreatSQL开源数据库社区,将自身成熟的数据库技术开源,并在国内吸引了超过2000名参与者与技术爱好者的关注与贡献,目前已成长为国内活跃的MySQL技术路线开源社区,获得中国信通院“可信开源项目认证”及“Gitee最有价值开源项目”荣誉。

图片

图片

社区核心开源项目GreatSQL数据库源于Percona Server分支,在其既有的稳定可靠、高效和管理等优势基础上,进一步优化了MGR功能特性,新增地理标签功能,支持快速单主模式和仲裁节点,大幅提升稳定性。

图片同时,GreatSQL合并了华为鲲鹏计算团队贡献的针对OLTP和OLAP两种业务场景的2个Patch,尤其是InnoDB并行查询特性,TPC-H测试中平均提升聚合分析型SQL性能15倍,最高提升40多倍。

在今年10月,MySQL开源数据库中使用最为广泛的5.7版本即将停服,这使得部署在MySQL5.7上的业务系统面临安全层面和保障层面的隐患,用户面临停服后系统如何进行更新、维护、迁移等问题。GreatSQL相较官方MySQL官方版本,速度更快、并发更高、功能更强,特别适用于周期性数据汇总报表之类的SAP、财务统计等业务,且满足国产化要求,是替代官方开源MySQL的最佳选择。

本次展会上,GreatSQL社区与万里数据库联合参展,在展位上展示社区成立2年来的开源技术探索与成果,与参会嘉宾共同探讨数据库的产品技术与社区生态建设,获得了广泛的互动交流与参观。

图片

图片

以匠心致初心,创新从未止步。 数据库作为底层通用的关键核心技术,关系信息系统根本,是数字经济的坚实底座支撑,致力于发展为造福人民的“国之重器”。GreatSQL社区致力于打造国内MySQL技术路线根分支,未来将在万里数据库的引领和众多生态伙伴、技术爱好者的合力贡献下,实现快速发展,以开源的蓬勃之力,助力数据库产业生态光明未来!

Enjoy GreatSQL :)

关于 GreatSQL

GreatSQL是由万里数据库维护的MySQL分支,专注于提升MGR可靠性及性能,支持InnoDB并行查询特性,是适用于金融级应用的MySQL分支版本。

相关链接: GreatSQL社区 Gitee GitHub Bilibili

GreatSQL社区:

image

社区有奖建议反馈: https://greatsql.cn/thread-54-1-1.html

社区博客有奖征稿详情: https://greatsql.cn/thread-100-1-1.html

社区2022年度勋章获奖名单: https://greatsql.cn/thread-184-1-1.html

(对文章有疑问或者有独到见解都可以去社区官网提出或分享哦~)

技术交流群:

微信&QQ群:

QQ群:533341697

微信群:添加GreatSQL社区助手(微信号:wanlidbc )好友,待社区助手拉您进群。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法的新型异构分布式系统任务调度算法,并提供了Matlab代码实现。文章重点围绕异构环境中任务调度的优化问题,利用遗传算法进行求解,旨在提高资源利用率、降低任务完成时间并优化系统整体性能。文中详细阐述了算法的设计思路、编码方式、适应度函数构建、遗传操作流程及参数设置,并通过仿真实验验证了该算法相较于传统方法在调度效率和收敛性方面的优越性。此外,文档还列举了大量相关领域的研究案例和技术应用,涵盖电力系统、路径规划、车间调度、信号处理等多个方向,体现出较强的技术综合性实践价值。; 适合人群:具备一定编程基础和优化算法知识的研究生、科研人员及从事智能优化、分布式系统调度、电力系统、自动化等相关领域的工程技术人员。; 使用场景及目标:①解决异构分布式系统中的任务调度优化问题;②学习遗传算法在实际工程问题中的建模实现方法;③为科研项目提供算法参考代码复现支持;④拓展多领域交叉应用的研究思路。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注适应度函数设计遗传操作流程,并尝试在不同场景下调整参数以观察性能变化。同时可参考文中列出的相关研究方向进行延伸探索,提升综合应用能力。
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