云数据库HBase版重磅商业化上线

随着数据量激增,传统数据库难以应对。HBase作为一种分布式、面向列的NoSQL数据库,能够提供强大的实时查询能力及批处理功能。阿里巴巴长期投入HBase的研发与实践,推动其在性能与稳定性方面的进步。云数据库HBase版现已正式发布,具备便利运维、高性能、高可靠性和安全性等优势。

摘要: 云数据库HBase版经过4个月的公测,正式商业化上线了,本文介绍了云数据库HBase的前世今生(结尾有彩蛋)。

  随着近些年互联网行业的飞速发展,很多业务的数据量都在急剧的增大,传统的RDBMS数据库逐渐撑不住,逐渐出现读写分离策略、分库分表策略。从数据结构上看,非结构化数据的量在不断剧增。总之,从架构搭建、程序调用到后期运维上,数据库的复杂度变的越来越高,且很多中小型的公司,数据规模都达到了数TB、数PB的级别,对数据的吞吐要求也达到了百万QPS,甚至是千万级别。

HBase的起源

  在这样的大背景下,HBase出现了,它是一个分布式的、面向列的开源数据库,该技术来源于 Fay Chang 所撰写的Google论文“Bigtable:一个结构化数据的分布式存储系统”。 HBase是运行在Hadoop上的NoSQL数据库,能够融合key/value存储模式带来实时查询的能力,以及通过MapReduce进行离线处理或者批处理的能力。Hbase能够让用户在大量的数据中查询记录,也可以从中获得综合分析报告。当下较大的一些互联网公司如google、facebook、alibaba在较早就开始探索基于HBase的数据库解决方案。

  阿里巴巴集团从2011年开始步入HBase的发展、建设之路,是国内最早应用、研究、发展并回馈开源HBase的团队,也诞生了HBase社区在国内的第一位Committer,成为HBase在中国发展的积极布道者。过去的几年时间,阿里累积向社区回馈了上百个Patch, 在诸多核心模块的功能、稳定性、性能作出积极重大的贡献,成为推动HBase的迅速发展的重要力量之一。

HBase的上云趋势

  HBase本身虽然优秀,但是它本身比较复杂,涉及到分布式、数据存储、响应延迟、索引等一系列的知识,虽然它的API比较简单,但是各种组合情况下,畅玩好HBase还是需要一定的功力,在后期的运维上也需要投入大量的精力,并且自建的情况下,各项费用累加导致性价比不高,在这样的背景下,上云逐渐成为了一种趋势。

云数据库HBase的产品优势

  本次阿里云重磅推出的云数据库HBase版,其内核是基于开源社区1.1版本之上的深度改造,阿里在较早版本上做的很多优化策略也会渐渐迁移到此版本中。云数据库HBase在正式商业化前,已经在阿里集团内部服务了超过6年,积累了大量的性能、运维等的经验,目前云数据库HBase提供了以下产品优势:

便利运维:

15分内完成部署,全指标监控预警,在线扩容节点、磁盘及修改配置,集群自动更新升级,专家在线坐诊

高性能:

性能提升30%以上,个别scan等性能提升100%+

高可靠性:

多副本机制,副本丢失提前感知检测恢复,提供9个9个数据可靠性

高安全:

提供白名单隔离,支持VPC

低成本:

同比自建成本,云数据库HBase便宜至少20%,后续进行本地盘、云盘、OSS分级别存储后,成本将进一步下降。

云数据库HBase的技术架构

tupian

基础资源层:

  底层使用了ECS及本地磁盘的架构,保证在低成本的同时又具备高性能

基础软件层:

  使用了Ali-JDK及Ali-Linux,背后是源码级团队维护

HBase内核层:

  与阿里集团一致的版本,阿里内部所有的性能优化、功能增强在公共云的客户都可以享受到。这些包括但不限于:提升读写性能、增强稳定性、降低磁盘等

运维平台方面:

  包括监控报警、配置管理、健康诊断等,易于运维的功能。

云数据库HBase的使用场景

  云数据库HBase作为大数据时代的存储,基本解决以下三大类的场景:
tupian

平台类:

  存放是平台的产品,即其它软件的存储,比如目前很就行的Kylin,阿里内部的日志同步工具TT,图组件Titan等。此类存放的往往平台的数据,有时候往往是无业务含义的,可作为平台的底层存储使用。

用户行为类:

  此类主要是面向各个业务系统。这里的用户不仅仅指的人,也包括物,比如物联网。在阿里主要还是人产生的数据,比如:淘宝收藏夹、交易数据、旺旺聊天记录等等。这里使用比较直接,数据直接存放HBase,再读取。难度是需要支持千万级别的并发写访问及读取,需要解决服务质量的问题。

报表类的需求:

  比如报表、大屏等,如阿里巴巴的天猫双十一大屏。

云数据库HBase商业化上线福利

  作为一款优秀的产品,在正式商业化前,阿里云已经进行了为期4个月的免费公测,共有1307家企业在云上建立了集群进行测试。为感谢公测期间各方提出的产品改进建议及对产品发展的贡献,阿里云决定加大力度将技术红利回馈所有用户,本次云数据库HBase商业化上线初期(8月10号-10月31号),所有产品规格将以**包年68折发售**,公测用户还将免费享受专家服务。

产品选购请戳此处

原文链接:http://click.aliyun.com/m/28316/

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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