解读MySQL8.0数据字典重构源码

摘要:本文对社区MySQL5.7 到8.0 演进过程中数据字典DD的重构(缓存,持久化),Atomic DDL的关键实现进行了分析。

本文分享自华为云社区《【华为云MySQL技术专栏】MySQL 8 数据字典重构源码解读》,作者:GaussDB 数据库

1.背景介绍

在MySQL5.7 版本的使用实践过程中,我们很容易遇到DDL崩溃后导致数据不一致的问题,具体场景描述如下:

主备高可用架构部署下,备机回放执行DROP TABLE的中途,因触发其它社区bug导致备机mysqld进程crash。重新拉起备机后,因存储表结构的FRM文件与表空间IBD没有被同时清理,导致再次执行DROP TABLE失败,需手动清理备机物理文件,这给自动化运维带来了很大阻碍。

这个问题的实质是MySQL5.7 版本的DDL非原子性、数据字典的架构是有缺陷的。MySQL 社区从5.7到8.0版本的演进过程中,其中一大改动是对数据字典(Data dictionary, 下文缩写为DD)的重构及与之相关原子性Data Definition Language (Atomic DDL)的支持。重构的动机来源于5.7版本数据字典的以下问题[1]:

(1)Server层和存储引擎插件层的数据字典未统一。Server和存储引擎分别维护了各自的DD信息,导致部分DD信息冗余,进而带来DD信息不同步的隐患。

(2)不同类型的DD文件缺乏统一的访问API,不利于后续的维护和拓展。

(3)非原子DDL:数据字典被存放在非事务的表里。如果mysqld在DDL中途crash,会导致数据残留和复制问题。

(4) Information_schema的性能受到批评。5.7版本中,Information_schema表的定义是临时表,这些临时表的数据来源于FRM文件、存储引擎的统计信息等。最主要的缺点是与表结构文件FRM的交互会导致大量I/O开销,性能较差[2]。

下文将分析MySQL8.0 版本数据字典重构相关的代码,并解释重构后如何解决在5.7 版本中存在的相关问题。

2. 数据字典的变化

DD的重构是如何影响DDL语句流程和锁系统的呢?可以先从最常见的CREATE TABLE,即创非临时表DDL的场景入手观察。

2.1 5.7 vs 8.0 创表流程对比

对比5.7和8.0创表流程中的主要接口:

5.7流程:

(server层)

mysql_create_table

|-open_tables->lock_table_names // 对schema上IX锁

|-mysql_create_table_no_lock->create_table_impl

|-access检查是否有重名FRM

|-get_cached_table_share // server层校验表名是否存在

|-ha_table_exists_in_engine // 调存储引擎的HA接口,但大多数存储引擎没实现

|-rea_create_table

|-mysql_create_frm//持久化:server层表结构文件FRM

|-ha_create_table->ha_create // 进入存储引擎,各自实现

(引擎层)

ha_innobase::create

|-create_table_info_t::prepare_create_table //表名预处理等

|-row_mysql_lock_data_dictionary //加dict_sys的锁dict_sys_mutex_enter();

|-create_table_info_t::create_table

|-create_table_def

|-dict_mem_table_create // malloc dict_table_t类+填列

|-dict_table_add_to_cache // 加入dict_sys的hash

|-row_create_table_for_mysql

|-...fil_ibd_create//写IBD文件

|-create_index //创建二级索引/处理外键约束等

|-innobase_commit_low

|-create_table_update_dict;至此已经commit, 更新一些统计信息

|-row_mysql_unlock_data_dictionary //释放dict_sys的锁 dict_sys_mutex_exit();

8.0流程:

(server层)

mysql_create_table

|-mdl_locker.ensure_locked(db) // 同5.7 对schema上IX锁

|-各种初期检查,但不包括FRM

|- rea_create_base_table

|-Dictionary_client::store //将新表信息写人DD的InnoDB表

|-dd::acquire_for_modification // dd_client在线程内DD缓存加入新表元数据

|-ha_create_table->ha_create // 进入存储引擎,各自实现

(引擎层)

ha_innobase::create->innobase_basic_ddl::create_impl

|-create_table_info_t::prepare_create_table //表名预处理等

|-create_table_info_t::create_table// 不在此处操作dict_sys->mutex

|-create_table_def

|-dict_mem_table_create // malloc dict_table_t类+填列

|-row_create_table_for_mysql

|-...fil_ibd_create/btr_sdi_create_index //写IBD文件和其中的SDI

|-dict_sys_mutex_enter() // 8.0仅在dict_table_add_to_cache前后操作锁

|-dict_table_add_to_cache // 加入dict_sys的hash

|-dict_sys_mutex_exit();

|-create_index

(回到外层SQL)

trans_commit_implicit->dd::cache::Dictionary_client::commit_modified_objects

在server层进入InnoDB之前,5.7 和8.0 版本最主要的区别是元数据的持久化存储。5.7 版本写FRM文件,8.0 版本直接将元数据写入InnoDB表,详见下文2.2章节。除此之外,8.0 版本代码中,对server层数据字典缓存机制进行了重构,详见下文2.3章节。在进入InnoDB后,InnoDB表的元数据缓存结构dict_sys的持锁粒度,也在8.0 版本变得更精细,详见下文2.4章节。

2.2 元数据持久化策略的变化

对比上述流程,不难发现,在server层调用存储引擎接口进入InnoDB之前,MySQL 5.7 和8.0 版本分别在rea_create_table(5.7)和 rea_create_base_table(8.0) 实现了一部分持久化相关步骤。

5.7 中,server层首先写FRM文件持久化表结构,并通过检查同名FRM文件是否存在来保证同名表不会被重复创建。

8.0 中,不再使用FRM文件,通过Dictionary_client::store->Storage_adapter::store 的调用,直接将元数据的改动写入InnoDB格式的数据字典表(DD table)中,由InnoDB引擎的能力保证这条元数据改动的事务性。其真正持久化,是在DDL事务提交之后。取消独立FRM文件,也避免了上文背景描述中提到的问题:DDL过程中,mysqld进程崩溃的场合,无法保证IBD和FRM文件同时被创建或清理。相比5.7检查同名FRM文件冲突的做法,8.0 版本由元数据锁(Metadata Lock, MDL)规避并发创同名表的场景。

2.3 DD缓存机制的变化

MySQL 8.0 版本在server层元数据缓存的最主要改动是引入了二级缓存,新增了两种类型DD的缓存:会话私有的局部缓存Local Cache和所有会话可见的全局共享缓存Shared_dictionary_cache。

server层查询DD时,首先通过dd::cache::Dictionary_client类的接口,查询会话自身的局部缓存Local Cache。如果在自身的Local Cache不命中,再去查询全局缓存Shared_dictionary_cache,在全局缓存中命中的DD对象将同时被加入会话的局部缓存。

当这两种缓存皆不命中时,才会去调存储引擎InnoDB的接口查询。如果在存储引擎查询到相应的DD对象,返回的对象将同时更新到会话自身的局部缓存Local Cache和Server层的全局缓存Shared_dictionary_cache。

对比5.7 和8.0 在server层元数据缓存机制的实现:5.7 在 server层只有一层全局的table_def_cache,在创表之前,调用get_cached_table_share进行重复性校验。

get_cached_table_share通过HashMap中表名和元数据的映射关系,查找相应表元数据的内存结构。如果只有一层全局的元数据缓存,为了保证多线程环境下的安全,不可避免的会涉及线程间锁的竞争。8.0 版本引入的会话级局部缓存Local Cache,命中时不用再去访问全局的缓存,能够大幅减少锁冲突的频率,提升了性能。

2.4 InnoDB的dict_sys_t的变化

在InnoDB内部,单独维护了一套元数据信息缓存,也就是我们常说的dict_sys_t,里面维护了当前已经在InnoDB打开的表的元数据信息。该InnoDB的元数据信息缓存从5.7 延续到了8.0 。

创表时,InnoDB层读取Server层传递下来新表的元数据信息,在其内部创建一个对应的dict_table_t结构来维护,然后调用dict_table_add_to_cache将该dict_table_t加入到dict_sys的hash表中。dict_sys->mutex是InnoDB整个dict_sys的锁,8.0 在 dict_table_add_to_cache 调用的前后,才获取和释放dict_sys->mutex;而5.7 则在 ha_innobase::create的大部分流程都持有这把锁,从内存中DD表对象dict_table_t的堆内存申请、填写到commit后统计信息的更新。这个区别影响了并发创表的效率。

2.5 Information_schema的变化

在5.7 版本,information_schema是基于临时表实现,其依赖于独立的表结构FRM文件,产生大量I/O开销,导致性能较差;而在8.0 版本,DD相关的表基于InnoDB引擎持久化存储,information_schema的定义成为基于这些DD table的视图。相比5.7 版本,这种基于视图的做法,避免了读取FRM文件时与磁盘的交互,基于DD表的视图查询,也能充分利用优化器和DD表本身的索引提升性能。

2.6 DD变化总结

总结上文,DD从5.7版本到8.0版本的变化如表一。

表一

变化项

5.7

8.0

冗余文件

独立于IBD的FRM文件,DDL过程中crash时,两者不一致。字符集文件db.opt、TRG触发器文件等

取缔FRM等独立文件,统一用事务性的DD表存储。

元数据持久化

表结构依赖独立的FRM文件

基于InnoDB的DD表,有事务性。

Information Schema

临时表,依赖于FRM,IO开销大

视图,基于InnoDB引擎的DD表,性能优化

Server层缓存机制

一层全局的Table_def_cache

两层:
会话私有的Local Cache,
全局的Shared_dictionary_cache

InnoDB DD缓存
dict_sys的锁粒度

创表流程中,单个线程持锁贯穿整个创建流程,影响并发度

细粒度持锁/解锁

3.原子性DDL与DDL log表

DDL原子性由InnoDB在8.0的新能力保证,这部分能力与DD重构相关。一方面,元数据存储在InnoDB表中,本身就保证了事务性;另一方面,在server层存储元数据到基于InnoDB的DD表完成后,后续DDL流程中相关数据文件处理的原子性。例如,创表过程中索引的创建、IBD文件的生成,则由另一张DD表DDLlog保证。

为了保证DDL的原子性,在DDL过程中,每一个对文件修改或对相关内存对象修改的动作,都会记录在基于InnoDB引擎的DD表DDL log里。其类定义和内存中的实例为:

1. class Log_DDL

2. dict_table_t *ddl_log;

DDL每一个关键步骤执行完,这张DDL log表直接记录与该已执行步骤相对应的回滚操作。以创建一张不包含二级索引的表为例,InnoDB层会执行以下函数调用:

create_index->row_create_index_for_mysql->dict_create_index_tree_in_mem,创建完B+树索引后,会有Log_DDL::write_free_tree_log-> Log_DDL::insert_free_tree_log 的调用。

Log_DDL::write_free_tree_log会记录2条日志:一条是“创建索引”对应的回滚日志,即删除对应索引的操作;另一条是删除日志,对以上的回滚日志进行删除。

如果DDL事务最终是提交的,删除日志就会被提交,则创索引对应的回滚操作不会被执行;而如果DDL最终是被回滚的,那么删除日志本身也被回滚,而创索引对应的回滚操作就会被执行,最终该新建的索引会被回滚,以此来完成DDL真正的回滚。如果DDL涉及到其它文件或者内存操作,都是按照相同的逻辑进行回滚日志和删除日志的记录,以确保DDL的提交和回滚之后,对应的文件和内存得到正确的清理和复位。

Log_DDL::insert_free_tree_log中的回滚日志,具体内容即“创索引”的回滚操作:与创B+树对应的操作,即释放索引对应的B+树。在DDL log中新增的一条DDL_Record,记录了create table到一半时索引的信息:space、page、id等,实现如下:

DDL_Record record;

record.set_id(id);

record.set_thread_id(thread_id);

record.set_type(Log_Type::FREE_TREE_LOG);

record.set_space_id(index->space);

record.set_page_no(index->page);

record.set_index_id(index->id);


{

DDL_Log_Table ddl_log(trx);

error = ddl_log.insert(record);

}

类似的DDL log记录还有:

1. ALTER TABLE RENAME时,有Log_DDL::write_rename_table_log,分别记录新老表名。

2. 创建表空间时的Log_DDL::write_delete_space_log。

3. 上文创表过程中dict_table_add_to_cache 将InnoDB的内存DD结构存入dict_sys后,Log_DDL::write_remove_cache_log。

4. DROP TABLE时Log_DDL::write_drop_log,记录将要被drop的table id。

在事务处理的最后或在重启后crash recovery的流程中,无论事务应该提交还是回滚,server层接口 handlerton结构体的post_ddl 接口都会调用相应存储引擎的实现,进入InnoDB后的函数接口为innobase_post_ddl->Log_DDL::post_ddl。

Post_ddl步骤中,如果事务最终被提交,那么如前文所述,DDL log中的回滚日志会被彻底删除,回滚不会被执行,无需对提交前已经执行的创索引、RENAME等步骤做额外的动作。一些场景下,文件操作日志将会被执行,例如删表操作的最终清理:对比上文DDL log记录的命名可以发现,只有drop table的接口名Log_DDL::write_drop_log的命名方式并非“已执行步骤的回滚操作”,而是drop自己。这是因为drop table只有在DDL事务提交时,才会真正执行删除操作,进行最终的清理;如果没有commit,删除没有真正发生时,并不需要真正地对删除进行回滚操作。

如果DDL事务最终被回滚,那么上文所述DDL log中的删除日志本身也被回滚,而DDL log中的回滚日志会被执行,根据不同的回滚类型,创建的索引会被删除,RENAME的表名会被退回老表名,存入InnoDB层元数据缓存dict_sys的内存结构将被清理。

4. MDL锁的部分变化

4.1 代码架构的重构

上文所说8.0 版本对DD的重构,对元数据锁(Metadata Lock,MDL)较为直观的一个改变是代码架构的重构。

8.0 在sql/dd/impl/dictionary_impl.cc 中,dd的namespace内,封装了常见的table和tablespace级别的排他、共享MDL接口,例如:server层刚进入CREATE TABLE流程时,在mysql_create_table_no_lock接口中, 对整个库加intention exclusive(IX)级别MDL锁的步骤,将其封装在类dd::Schema_MDL_locker中。

对于这些常见的表级、库级的MDL操作,5.7 版本通过MDL_REQUEST_INIT等宏管理MDL请求,这些宏的直接调用分散在各种接口的实现中,缺乏统一的函数封装,可维护性较差。而在8.0 版本中,即使这些dd namespace下的接口在最底层的调用仍然为MDL_REQUEST_INIT宏不变,这种设计模式也体现了8.0 DD重构后server层对DD统一管理的思路。

4.2 MDL锁类型的拓展

enum_mdl_namespace 枚举值记录了MDL锁的不同类型对象,在常规的库、表、触发器、函数等之外,8.0新增的MDL枚举值包括:

SRID,

ACL_CACHE,

COLUMN_STATISTICS,

RESOURCE_GROUPS,

FOREIGN_KEY,

CHECK_CONSTRAINT,

BACKUP_TABLES,

BACKUP_LOCK,

这些MDL的枚举值细化了MDL的粒度。例如FOREIGN_KEY枚举值,在ALTER TABLE RENAME 流程中,重命名Foreign Key时,会单独对外键的名字加MDL锁;ACL_CACHE枚举值是在用户鉴权发生变化的语句执行过程中持锁,此时其他新建立的连接如果拿不到ACL cache的MDL锁,则无法鉴权进行连接。

4.3 新增SDI的MDL

在8.0 版本,DD由于表结构不再依赖于server层的FRM文件。除了server层共用的DD表之外,InnoDB还将这份信息以(Serialized dictionary information (SDI)格式存在了tablespace 的物理文件(.IBD)中。

这份SDI元数据是为了应对DD出错的情况下,能够基于单个IBD文件使用ibd2sdi工具获取表结构、恢复数据。InnoDB将SDI信息写入同IBD文件的做法,相比5.7 版本基于独立FRM文件、缺乏原子性的实现方式更可靠;在DD表损坏时,单个IBD文件仍然可以通过自带的SDI信息,恢复出表结构,即表数据文件自我描述的,可以不依赖于DD解析自身(尽管MyISAM在8.0 版本仍把SDI作为独立文件)。

这个新增的SDI机制,在drop table/tablespace时需要MDL锁,在事务提交时自动释放,其接口为:dd_sdi_acquire_exclusive_mdl/dd_sdi_acquire_shared_mdl。但是,这把MDL锁不会与其它库表冲突,是因为其输入的表名和库名会被特殊处理,如其库名为dummy_sdi_db,而表名使用SDI_的前缀,实现和真正的space id进行字符串拼接。

MDL因DD的重构,还有其他很多方面的变化,在本篇中不再展开。

5. 总结

本文对社区MySQL5.7 到8.0 演进过程中数据字典DD的重构(缓存,持久化),Atomic DDL的关键实现进行了分析:在server层,通过InnoDB为引擎的数据字典表取代了FRM文件,保证了元数据存储的事务性,并通过Local Cache、Shared_dictionary_cache二级缓存,减少锁冲突,提升性能。Atomic DDL的关键实现基于InnoDB为引擎的数据字典表DDL log,将元数据和DDL的操作存入事务性存储引擎的数据字典表中,有效保证了元数据的一致性。

6. 参考

[1] MySQL :: MySQL 8.0 Data Dictionary: Background and Motivation

[2] MySQL :: MySQL 8.0: Improvements to Information_schema

点击关注,第一时间了解华为云新鲜技术~

相关推荐

鸿蒙案例上新啦 | 购物、听歌、健身:15个模板带你一键激活社交娱乐

页面层级如何组织、跨页共享状态如何同步、列表与详情及个人中心如何形成稳定闭环。鸿蒙开发实践中心将这些高频消费与互动场景沉淀为可参考的标准模板,提供从业务架构到界面实现的快捷实践入口。更多实战案例欢迎前往鸿蒙开发实践中心案例中心查看并开启云端体验。

华为云官方博客 391

鸿蒙案例上新啦 | 出门打车、到家上课:25个模板带你一屏打通日常生活

如何合理拆分页面组件、如何建立单一可信的状态源、如何让用户在每一步操作中都获得明确反馈。鸿蒙开发实践中心以标准化的应用与元服务模板为入口,将清晰的业务架构与可复用的代码结构直观呈现。不妨立即挑选一个感兴趣的方向进入云端环境,从页面布局、组件封装、状态管理到路由组织,亲手跑通你的鸿蒙实战项目。

华为云官方博客 362

LakeAgent:DWS数据仓库的第二大脑,告别 “翻译式运维”,迈入智能自治时代

和普通 SQL 改写工具不同,LakeAgent 自动做多方案代价对比,主动规避负优化陷阱:补充分区键过滤实现剪枝,扫描分区由 37 收敛至 1,执行代价从 758.28 降至 113.74;未来的数据仓库,将不止能算、能存,更能看懂自己、诊断自己、理解自己。长久以来,数仓的智能都依附于人:信号需要人解读,瓶颈需要人研判,经验困在个体里,无法随底座永续生长。CPU 高、CPU 告警、CPU 诊断、CPU 使用率过高、CPU 满。语法、错误码、计费、性能调优、最佳实践、故障处置等全场景内容。

华为云官方博客 583

如何使用RDS Supabase后端BaaS能力:文件存储(File Storage)

• product-images(公开桶,允许公共读取):策略名称"Public read for product-images",允许SELECT,目标角色anon,策略定义bucket_id = 'product-images'。上传/删除需另配INSERT/DELETE策略,详见SQL。• product-specs(私有桶,仅认证用户访问自己的文件夹):建议拆为上传、读取、删除三条策略,策略定义均为 bucket_id = 'product-specs' 且仅限本人文件夹(详见下文 SQL)。

华为云官方博客 501

如何使用RDS Supabase后端BaaS能力:实时订阅与推送(Realtime)

Realtime 把数据库的每次变更同步到客户端:表里增、删、改一行,订阅者无需刷新页面或主动请求即可秒级收到。三大能力各司其职:• Postgres Changes — 监听表的 INSERT/UPDATE/DELETE,变化即通知• Broadcast — 客户端之间直接互发,适合瞬时通知、协同编辑• Presence — 跟踪频道里“谁在线”典型场景有实时数据展示(订单、库存、监控指标即时刷新)、即时通讯(消息收发、在线名单、“对方正在输入”)、协同编辑与实时通知。

华为云官方博客 492

AI Agent如何通过MCP连接到华为云RDS Supabase应用平台

Schema元数据列出所有可访问的表(按schema分组)。Schema元数据列出表的列及元数据(类型/默认值/约束)。Schema元数据列出所有约束(PK/FK/UNIQUE/CHECK/EXCLUDE)。可按schema/表/类型过滤。Schema元数据列出所有外键关系。可按schema/表过滤。Schema元数据列出所有索引及定义和大小。可按schema/表过滤。Schema元数据列出已应用的数据库迁移记录。Schema元数据列出已安装的PostgreSQL扩展。

华为云官方博客 496

华为大数据Flink让每一 CU 算力,跑出开源 5.74 倍的性能

1. 开源Apache Flink 已成为业界流计算事实标准,但在极端重负载场景下存在性能瓶颈。2. 华为大数据Flink通过多项自研深度优化,在执行计划、算子执行、状态存储三个层面构建协同的优化体系。3. Nexmark Benchmark 测试结果:整体性能提升 5.74 倍,极端重负载场景性能领先最高 18.3 倍。4. 100% 兼容 Apache Flink 1.20,业务代码零改造,无缝迁移。

华为云官方博客 400

LakeAgent实战 | 业务分析篇从一句提问到业务分析

本文以“订单金额变化”分析为例,展示LakeAgent如何通过自然语言提问,结合DataArtsStudio的数据资产与专业技能,帮助业务人员快速定位数据、生成SQL、追踪血缘、生成报告。从问题出发,逐步实现数据发现、变化洞察、原因追溯与团队协作,最终形成可复用的分析流程与企业规则,显著提升数据分析效率与一致性。

华为云官方博客 406

华为云RDS Supabase AI应用已开放公测 :30分钟搭建AI应用后端

认证、存储、实时推送、数据库API——4个后端模块,传统开发需要数周。今天,你只需要30分钟。AI创业公司的全栈开发工程师。上周老板说"下周要上线的AI对话应用,后端你来搞"——认证鉴权、数据库接口、文件存储、实时推送,每一个模块都需要数周搭建,而市场不会等你。小张打开华为云RDS Supabase,30分钟搭好认证、数据库API、对象存储,剩下的时间全用来打磨AI交互体验。基于开源Supabase+华为云RDS PostgreSQL全托管能力,为开发者提供。

华为云官方博客 413

如何使用RDS Supabase后端BaaS能力:数据库函数(Database Function)

上一篇介绍了 Database Data API——建表即自动生成增删改查接口,解决单表读写,但聚合统计、跨表事务、字段自动维护等逻辑已超出其能力边界。本篇推进到数据库函数(Database Function):把业务逻辑封装进数据库,前端通过 .rpc() 调用,由触发器自动响应数据变更。上一篇中,小张基于 Data API 完成了产品目录的建表与基础读写。但新需求随之而来:按分类统计产品数与价格区间、上架新品同时写产品表与定价表、产品修改后自动刷新更新时间。

华为云官方博客 479

如何使用RDS Supabase后端BaaS能力:创表即生成API(Database Data API)

认证、存储、实时推送、数据库API——4个后端模块,传统开发要数周。本系列逐个拆解,首篇聚焦数据库API(Database Data API):建表即得 API,无需手写后端。小张,AI创业公司的全栈工程师。老板让他做个产品目录页,展示产品与价格、支持上下架。传统做法要搭后端、写接口、配权限,工期少说1-2周;而在华为云RDS Supabase,建两张表、应用 SDK 直连,几分钟增删改查全跑通。

华为云官方博客 490

从一句话到一个能出去的链接,AI开发者空间做了什么

自行搭建的 Agent、正在使用的开源项目、团队既有的工具,都可以接入,可以通过AI创建或者手动搭建环境;华为云 AI开发者空间——面向开发者的云端一站式开发平台,做的就是把这段路接上:环境免安装,浏览器打开即为完整的 Linux 运行环境,预置的 AI 智能体开箱即用。第一个任务建议选能出结果的:做一个游戏、生成一个页面、创建一台实例,从需求走到可访问的链接,一次就能看清这个环境在做什么。沙箱是一个完整的 Linux 环境,依赖、服务、端口都是真实的,不是模拟。环境释放后,权限随之失效。

华为云官方博客 437

华为云码道配置自定义大模型,四种方式完整实操

案例介绍。

华为云官方博客 653

图数据库:实现穿透式监管的数据基座

穿透式监管标志着国企监管从“管企业”向“管资本”转型过程中的关键一跃。而图数据库正是这一跃的技术支点。从股权穿透到资金链穿透,从供应链穿透到数据穿透,华为GES图数据库正在将“穿透式监管”从理念变为可落地、可操作的实践。无论是天眼查式的全量链路查询,还是某集团财经的税务规则判断,抑或是芯片供应链式的部件风险分析,乃至通过Palantir构建决策知识图谱,其底层逻辑都是一致的——用图的力量,穿透一切形式的“隔离层”,直抵风险本质与责任核心。

华为云官方博客 671

《公共云三十问》正式收官,奔赴企业AI百场景新征程

今年6月底,公共云产业联盟重点推出《公共云三十问》专栏,以每周三问的节奏,连载十周,解读《先进公共云》白皮书,分享国计民生系列案例,旨在凝聚共识、推动落地实践。同时,专栏分析公共云在产业升级、民生福祉、科技创新、全球发展等方面的作用,梳理中国特色公共云发展路径:以普惠云拓展用云广度,以智算云提升用云深度,以自主云夯实用云厚度,以全球云打开用云跨度。这十问从专属云、行业云切入,深入政务、金融、交通、电力、钢铁、化工、油气、制造等国计民生场景,回答公共云“怎么用”。

华为云官方博客 476

开发者小技巧|IAM配置,让码道代码智能体连续30天免登录

案例介绍。

华为云官方博客 652

码道深度对接CodeArts,让需求自动落地为代码

案例介绍。

华为云官方博客 725

【公共云三十问 之三十】拥抱AI,企业如何建设面向智能体的专属云?

企业可分阶段建设覆盖开发、运行、运营及安全的一体化智能体平台——从构建一站式、高低码协同的智能体开发平台,到打造高性能、极致弹性的运行时环境,再到搭建AgentOps驱动的持续运营与运维体系,同时构建端到端、多层次的全链路安全防护体系。在数据湖建设方面,遵循“存量复用、平滑演进、AI导向、分步迭代”原则,分三阶段推进——打造AI多模数据湖核心能力、完成存算分离与统一元数据管理、实现闭环赋能全面支撑智能体规模化落地,在保护既有投资的前提下将传统数据平台转型为AI数据专属供给平台。

华为云官方博客 826

【公共云三十问 之二十九】国计民生之制造:制造云如何重塑数智时代的新质生产力?

平台打通软件交付的完整路径,覆盖需求管理、代码托管、代码检查、编译构建、制品仓库、部署、测试等关键环节,支持大模型能力融入研发全流程,实现从需求到交付的端到端管理。通过构建“研发一朵云”,方案打破地域与组织壁垒,实现跨团队协同开发,有效缩短软件交付周期,助力工业制造企业从“传统研发”走向“敏捷研发”,加速数智化转型进程。当制造云真正成为数据流通的平台、AI创新的底座,公共云的社会价值将从基础设施层向生产场景层持续延伸,为新型工业化建设和制造强国战略注入源源不断的动力,重塑数智时代的中国制造新质生产力。

华为云官方博客 799

告别重复手工迁仓,码道MCP+Skill实现仓库批量迁移

案例介绍。

华为云官方博客 796

【公共云三十问 之二十八】国计民生之油气:智算云如何叩响数智时代的“地心蓝金”?

西南油气田以“向地球深部要资源”为战略方向,联合以华为云Stack为代表的公共云服务商共同打造统一算力底座,建设西南区域数据湖与通用技术平台,构建“勘探开发工程技术、天然气生产过程管控、天然气产运储销”等三个一体化协同应用场景,支撑油气勘探、开发生产、管输储运等全业务链的数智化转型。当智算云真正成为数据流通的平台、AI创新的底座,油气田得以将算力效能、数据价值与智能技术深度融入勘探开发全链条,将“看不见的算力”转化为“摸得着的储量”,以智能化手段持续降低勘探风险、缩短发现周期、提高采收效率,确保生产安全。

华为云官方博客 613

【公共云三十问 之二十七】国计民生之化工:数智云如何重塑传统化工新范式?

在架构方面,方案构建云边协同的统一体系,涵盖AI协同、数据协同与运营协同三大维度——总部集中训练大模型,边缘节点负责推理执行,云边持续迭代,实现“边用边学”的智能闭环,模型平均精度提升20%以上。此外,方案提供一站式企业级工业物联网平台、数据湖与数据治理平台,覆盖工业数据分析“采、存、算、管、用”全流程,打通生产现场与管理系统间的数据壁垒,有效消除数据孤岛。层面,方案充分发挥软硬协同优势,实现计算、存储、网络与云平台的深度协同,训练线性度超95%,为大模型训练推理提供强劲算力支撑。▲化工“数智”新模式。

华为云官方博客 666

【公共云三十问 之二十六】国计民生之钢铁:数智云如何淬炼中国钢铁新力量?

同时,构建云边端协同的统一架构,支撑集团总部与各生产基地两级协同发展——总部集中训练大模型,边缘节点负责推理执行,云边持续迭代,实现训推一体化的资源调度与高效协同,为钢铁行业的数智化转型构建了坚实的算力底座。层面,方案构建覆盖“工业数采→边缘IT/OT融合→统一数据湖→数据治理平台→数据应用”全链路的一站式数据治理与流通平台,打通生产现场与管理系统间的数据壁垒,让数据“采得到、流得动、用得好”,加速数据价值从生产现场向经营决策层流动释放。湘潭钢铁集团的钢铁数智云,是钢铁工业智能云建设的标杆案例。

华为云官方博客 526

LakeWatch——MRS 智能运维Agent

从资源池、队列、作业等多个维度,对集群CPU与内存资源进行精细化分析与对比,直观呈现不同时间段的空闲、满载等使用状态,识别资源浪费,指导治理优化,为扩缩容决策提供数据支撑。对HDFS存储进行多维度深度分析(目录、用户、用户组等),涵盖使用量、增量、文件大小分布及数据热度等指标,帮助快速识别增长较快的目录、长期未访问的文件,统计目录文件数量与小文件占比,评估HDFS总存储量与扩缩容需求,为存储治理与资源规划提供全面数据支撑。Agent主动巡检,识别异常趋势并提前预警,让运维从"事后处理"转向"事前预防"。

华为云官方博客 518

华为云专题文档发布:丰富的AI案例、选型指导和概念解读

发布 “云服务选型”、“云计算概念”专题,提供云服务选型指导,助您选择匹配业务的云服务,解读云计算相关概念,开启云上学习之路。开发者工具和文档专区上线,提供从学习、实践到反馈的全链路支持。帮助中心新增100余篇AI案例。

华为云官方博客 286

一个人,也能用AI做点“星东西”

华为云星耀创想者大赛-2026华为云OPC创意大赛等你来~

华为云官方博客 294

从需求到可执行工作项:MCP+Skill 让智能体规划真正落地

回顾整个体验,以前让智能体帮我拆需求,它是洋洋洒洒给我列了一大篇 Markdown,看着挺像那么回事,但最后还是得我一条条往 CodeArts Req 里搬,搬完再手动挂父子关系、排日期,拆需求五分钟,搬运两小时。现在好了,MCP 给智能体接上了"手",Skill 给它装上了"项目经理的脑子",一句话下去,34 个工作项连带排期、层级关系全给我建好了,甘特图一拉,齐刷刷都在两周内,节省了多少工作量啊,美滋滋。本次实操在码道代码智能体基础上,构建了一套"需求→可执行工作项"的自动化规划方案。

华为云官方博客 580

华为云码道「码力续航计划」更新!

✅上新GLM‑5.3‑Flash,高速响应,代码生成、工程解析、Agent调试高效输出。新增GLM‑5.3‑Flash福利模型,每日解锁1000万免费Tokens。● 本次活动共发放总量价值100万元Tokens,发完即止!把耗算力的编码重活,交给华为云码道代码智能体🚀🚀。● 每日额度准时刷新,当日清零、次日满血重置。✅复杂算法、大项目解析、批量代码生成随便跑。✅不用抠额度、不用算消耗,放开调试大胆迭代。✅无需额外操作,登录即送,直接切换模型使用。● 把算力交给码道,让撸码不再内耗👏🏻。

华为云官方博客 699

【公共云三十问 之二十四】国计民生之交通:交通云如何铺就数智通衢新坦途?

交通行业作为支撑实体经济的关键基础设施,涵盖公路、铁路、机场、港口、地铁等众多子领域,其中,公路网络作为综合交通运输体系的基础骨架,承担着全国超过70%的客货运量,其数字化、智能化转型的需求尤为迫切。方面,提供Agent开发框架、知识库管理、RAG工程、意图识别、静态应用编排及模型评测等能力,支持客户将行业知识、业务流程与AI能力深度融合,快速构建面向收费稽核、路网调度、应急处置等场景的智能应用。开发并实现落地应用,全面覆盖建设、管理、养护、运营、服务、安全、办公七大业务领域。

华为云官方博客 466

【公共云三十问 之二十五】国计民生之电力:电力云如何点亮数智电力新引擎?

方案构建了覆盖数据获取、质量评估到标准化处理的全链路能力。基于公共云服务商智算底座及气象大模型,通过时空图神经网络重新建模产流机制,中国华电建成超50TB多源融合数据集,突破时空建模与机理融合等五大关键技术,短期径流预测精度较传统机理模型提升5个百分点以上,实现15天中期径流预测精度超85%,推理效率达秒级。基于气象大模型的基础架构与预训练能力,客户可直接在大模型之上开展增量训练与微调,充分利用场站所在区域的高精度历史数据(如3公里、1公里分辨率),针对不同场站和区域的地形地貌与气候特征进行模型调优。

华为云官方博客 382
上一篇: Volcano新版本发布:10大功能提升统一调度和细粒度资源管理能力
下一篇: 华为云发布全栈可观测平台AOM,以AI赋能应用运维可观测
华为云开发者联盟
华为云开发者联盟 企业官方账号 企业官方账号
博客等级 码龄10年 72万+粉丝 5985原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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