極客網(wǎng)·智能硬件（杭州）9月20日，2024云棲大會上，阿里云瑤池數(shù)據(jù)庫宣布重磅升級，發(fā)布首個一站式多模數(shù)據(jù)管理平臺DMS：OneMeta+OneOps。該平臺由Data+AI驅動，兼容40余種數(shù)據(jù)源，實現(xiàn)跨云數(shù)據(jù)庫、數(shù)據(jù)倉庫、數(shù)據(jù)湖的統(tǒng)一數(shù)據(jù)治理，幫助用戶敏捷、高效地提取并分析元數(shù)據(jù)，業(yè)務決策效率可提升10倍。
阿里云副總裁、數(shù)據(jù)庫產品事業(yè)部負責人李飛飛
“數(shù)據(jù)是生成式AI的核心資產，大模型時代的數(shù)據(jù)管理系統(tǒng)需具備多模處理和實時分析能力，以數(shù)據(jù)驅動決策和創(chuàng)新，為用戶提供‘搭積木’一樣易用、好用、高可用的使用體驗?！卑⒗镌聘笨偛谩?shù)據(jù)庫產品事業(yè)部負責人李飛飛表示。
圖：阿里云推出多模數(shù)據(jù)管理平臺DMS：OneMeta+OneOps
當前，近80%的企業(yè)在建設數(shù)據(jù)平臺時采用多種數(shù)據(jù)引擎、多數(shù)據(jù)實例組合的策略，AI興起也帶來了非結構化數(shù)據(jù)的指數(shù)級增長，給企業(yè)對數(shù)據(jù)的高效檢索和分析管理提出了更大挑戰(zhàn)。此次，阿里云重磅推出由“Data+AI”驅動的多模數(shù)據(jù)管理平臺DMS：OneMeta+OneOps，助力構建企業(yè)智能Data Mesh（數(shù)據(jù)網(wǎng)格），提升跨環(huán)境、跨引擎、跨實例的統(tǒng)一元數(shù)據(jù)管理能力。
DMS創(chuàng)新設計了統(tǒng)一、開放、跨云的元數(shù)據(jù)服務OneMeta及DMS+X的多模聯(lián)動模式OneOps。OneMeta首次打通不同數(shù)據(jù)系統(tǒng)，可支持全域40余種不同數(shù)據(jù)源，提供數(shù)據(jù)血緣和數(shù)據(jù)質量的一站式數(shù)據(jù)治理。
OneOps則基于數(shù)據(jù)開發(fā)平臺DataOps和AI數(shù)據(jù)平臺MLOps，將不同數(shù)據(jù)庫引擎（關系型數(shù)據(jù)庫、數(shù)據(jù)倉庫、多模數(shù)據(jù)庫等）集結到統(tǒng)一平臺，讓用戶“開箱即用”，實現(xiàn)全鏈路的數(shù)據(jù)加工和計算能力。
自上線以來，DMS已服務超過10萬企業(yè)客戶。借助跨引擎、跨實例管理和開發(fā)以及數(shù)據(jù)智能一體化，DMS將幫助企業(yè)從分散式數(shù)據(jù)治理升級至開放統(tǒng)一數(shù)據(jù)智能管理，可降低高達90%的數(shù)據(jù)管理成本，業(yè)務決策效率提升10倍。
李飛飛表示：“這是自云原生數(shù)據(jù)庫2.0后，阿里云瑤池數(shù)據(jù)庫又一次里程碑式的改造升級。DMS：OneMeta+OneOps為企業(yè)提供了全域數(shù)據(jù)資產管理能力，讓業(yè)務數(shù)據(jù)‘看得清、查得快、用得好’?！?/p>
據(jù)介紹，極氪汽車采用DMS+Lindorm一站式多模數(shù)據(jù)解決方案，實現(xiàn)32萬在線車輛上萬車機信號數(shù)據(jù)的彈性處理分析，開發(fā)效能提升2倍，降低50%云資源成本。在大模型領域，此方案支撐月之暗面構建AI智能助手Kimi，幫助Kimi準確理解用戶的搜索意圖、整合與概述多種信息源，實現(xiàn)精準和全面的信息召回，提升用戶交互體驗。
此外，云原生數(shù)據(jù)庫PolarDB今年首次提出基于“三層解耦, 三層池化”（存儲、內存、計算）、AlwaysOn架構的多主多寫和秒級Serverless能力，解決了多主架構中沖突處理和數(shù)據(jù)融合、以及Serverless秒級彈性租戶隔離的難題。在高并發(fā)場景下，PolarDB性能為業(yè)界同類數(shù)據(jù)庫3倍，并憑以上成果成功摘得中國首個ACM SIGMOD和IEEE ICDE工業(yè)賽道“最佳論文獎”。
本次云棲大會，阿里云瑤池還正式發(fā)布了云原生內存數(shù)據(jù)庫Tair Serverless KV服務，是阿里云首個基于NVIDIA TensorRT-LLM的推理緩存加速云數(shù)據(jù)庫產品。Tair采用NVIDIA TensorRT-LLM一起進行了深度優(yōu)化。相比開源方案，該服務可實現(xiàn)PD分離/調度優(yōu)化吞吐30%的提升 ，預計成本可降低 20%*注。
*注：基于Qwen2 7B模型在長上下文場景構造實驗環(huán)境數(shù)據(jù)測試，最終效果以實際產品和場景測試數(shù)據(jù)為準。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
