传统方案造成复杂、低效、孤岛化的现 状 • 多种数据产品、孤岛化严重；穿墙打洞、复杂低效；数据质量参差不齐 • 70% 企业结果是投了钱，疗效低（ Gartner 报告） Matrix DB ：高性能超融合数据库 历史原因造成纷繁复杂、低效 让数据回归应该有的样子！ Confidential 数字化 + 物联网是最大的机遇，企业需要卓越的数据基座而不是 单品数据库 1980-2000 2000-2020 Now 信息化 时代 互联网 时代 数字化 时代 Confidential 1 专用数据库 四维纵横 │ ©202 数 字汽车 Confidential （客户反馈从 3 天到 10 分 钟） • 硬件成本节省 80% • 精简技术栈：超融合数据库 MatrixDB 替换 Hadoop 全家桶 OpenTSDB 、 HBase 、 HDFS 、 Hi R di 智能座舱 画像分析 行为预警 实时查询 MatrixDB 数据库 方案效果：省心、省力、省时、省 钱 Confidential

全端适配）、Anyone（全员协同），但这绝不能以成 本失控为代价。零售业的微薄利润，要求每一分 IT 投入都必须产生可见价值。传统架构中，为 支撑高并发需堆叠服务器、为实现实时分析需部署多套数据库，这种 "以资源换性能" 的模式早 已难以为继。我们需要的是能精打细算的技术底座，用一体化设计降低总拥有成本，让有限的 IT 预算创造更大价值。 当下，AI 技术正从概念走向实战，成为重构商业 态数据实时转化为向量特征，能否用 SQL+AI 融合查询实现 "一句话找货"，直接决定了 AI 应用的落地效果。这要求数据库不仅是数据的 " 仓库"，更要是 AI 能力的 "孵化器"，让业务团队无需复杂技术就能调用智能分析能力。 正是在这样的背景下，我们看到了一体化云数据库的价值。它用分布式架构消解了多渠道并发的 压力，用 HTAP 引擎打通了交易与分析的壁垒，用向量原生能力架起了数据与 AI 迫切需要一代 既能兼容目前数据架构，又能支持 AI-ERP 架构的数据底座来支撑我们从这个时代，过渡到 AI 时代。这是很多有远见和未来意识的 CIO/CTO 的共识。 在此背景下，一体化云数据库的诞生恰逢其时。我们深刻理解零售企业的核心诉求：  弹性架构需应对“双 11”百倍流量脉冲，实现资源利用率与成本的最优平衡；  实时融合要突破 T+1 滞后，在毫秒级完成交易分析联动； 

智能化时代数据库自主可靠运维 白皮书 编制委员会 编委会成员（排名不分先后顺序） 朱正珊（福建海峡银行） 王义成（腾讯云数据库） 陈璐（福建海峡银行） 陈琢（腾讯云数据库） 张秀云（腾讯云数据库） 罗晓程（腾讯云数据库） 刘亚琼（腾讯云数据库） 编写组成员 李代丽 任朝阳 参编单位 IT���&ITPUB 腾讯云数据库 福建海峡银行 专家指导（排名不分先后顺序） 白鳝 薛晓刚 严少安 尹海文 PREPARATION COMMITTEE 第一章：智能化时代可靠运维发展趋势 �� �� �� �� �.� AI对传统运维的影响 �.� AI在运维实践中的挑战 �.� 运维应当如何拥抱AI �.� 具有团队建设预算 �.�.� 运维团队建设 �.�.� 运维团队能力可持续发展 �.� 制定对等的权责制度 �.� 构建完善的可观测体系 �.� 建立数据库和应急流程标准化 �.� 制定完善的应急预案 �.� 打造运维知识库体系 目录 CATALOGUE --------------------------------------------

Data+AI 技术体系正引领着无数企业 迈向数据智能的新纪元。 本书整理了阿里云在 Data+AI 领域的最新实践案例与深度洞察，涵盖电商、游 戏、营销、运营等多个行业的成功经验，以及技术专家对数据库与 AI 融合趋势 的专业解读。通过理论与实践的结合，我们将共同探索 Data+AI 如何成为企业 智能化转型的核心驱动力，帮助每一位读者找到属于自己的数据智能之路。 .............................................................................. 9 3. 媒体声音 | 专访阿里云数据库周文超博士：AI 就绪的智能数据平台设计思 路 .......................................................................... ............................................ 64 1. 云栖大会 | 数据库与 AI 全面融合，迈入数据智能新纪元 .......................... 64 2. 云栖大会 | 从数据到决策：AI 时代数据库如何实现高效数据管理？ ...... 76 3. 云栖大会 | 多模+一体化，构建更高效的 AI 应用 ......

等创新实践不断涌现。同时，在自主可控的战略要求下，数据库国产化、芯片替代、软硬件适配等工作 稳步推进，构建安全、可信、高性能的金融 IT 底座。 《2025 金融业新一代数据中心创新发展案例集》系统梳理了近年来金融业在数据中心领域的创新 实践与典型成果，涵盖“数据中心智能化与云化升级、灾备与多活数据中心建设、数据库国产化实践、 数据库迁移与运维管理、智能运维与 AI 应用、云网融合与智能网络创新”六大领域，汇集了银行、保险、 异地灾备多活建设实践 广西北部湾银行：分布式数据库应用实践 光大证券：数智化数据中心多云管理平台 海南农商银行：同城容灾云平台 昆山农商银行：信创云平台建设项目 河南农信：灾备自动化运维平台 吉林农信：新数据中心云计算平台建设项目 财信人寿：云数据中心建设项目 爱心人寿：云上云下异地灾备中心项目 大家信科：大家保险集团全面风险整合数据库 37 19 16 40 44 50 灾备与多活数据中心建设 02 数据库国产化实践 03 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新 陕西长银消金：基于云原生的数据库云平台建设项目 贵州农

手持终端 平板设备 大屏幕 触摸一体机 PC 端 窗口端 林业内部用户 普通用户 林业综合支撑平台 数据共享服务平台 运行管理平台 数据管理平台 林业资源数据库 林业基础数据库 林业综合数据库 林业专题数据库 公共基础数据库 资源 数据 库 应用 支撑 平台 应 用 系 统 用 户 智慧林业 林业资源监管平台 综合营造林管理平台 林业灾害监控与应急管理平台 森林防火综合平 手持终端 平板设备 大屏幕 触摸一体机 PC 端 窗口端 林业内部用户 普通用户 林业综合支撑平台 数据共享服务平台 运行管理平台 数据管理平台 林业资源数据库 林业基础数据库 林业综合数据库 林业专题数据库 公共基础数据库 资源 数据 库 应用 支撑 平台 应 用 系 统 用 户 生物多样性管理：实现对野生动、植物的直观可视化描述、数据管理、统计分析等功能。 森林生态监测： 详尽地掌握森林病虫害变化的过程及状况。 林业行政执法管理：对林业执法案件进行统一信息化管理，实现林业行政执法管理、移交档案管理、行政案件 报表管理。 林木种苗管理：林木种苗储备数据库建设、林木种苗生产基地数据库建设、以及林木种苗网络信息平台建设。 森林采伐利用管理：提供采伐许可证的电子审核审批、采伐台帐数据管理、采伐许可证在线套打等一整套服务。 林业综合信息管理平台 木材经营管理：实现

端到端可靠性设计，保障系统稳定可靠运行 3.1.4 原生安全能力基线，构筑纵深防御高安全体系 数据层 3.2.1 五大核心要素，定义和设计云上数据库 3.2.2 基于数据迁移和同步技术，保障数据完整性与准确性 3.2.3 数据库和存储设备协同，高效实现大库备份和恢复 中间件层 3.3.1 业务中间件，支撑敏捷、高效的消息和事务处理 3.3.2 接入中间件，实现云上业务同云下业务的无缝连接 设计，具备强大的并行处理能力。 该系统通常能够支持数万至数十万级并发用户访问，并可确保系统在长时间稳定高效运行。主机系统广泛应用 于银行、保险、电信及政府等关键行业，承担着实时交易处理、大规模数据库管理以及批量数据处理等重要业 务任务。 07 主机技术栈是一个高度集成、分层协同的复杂体系，强调垂直整合和可靠性，通常由五个层次构成，分别 是：硬件与操作系统层、管理运维层、数据服务层、中间件层和业务应用层，如图 核心业务数据全生命周期的关键一层， 组件主要包含关系型数据库、层次型数据库、文件存储系统、数据加密保护系统等。 (4) 中间件层 中间件层主要负责连接业务应用层与底层操作系统和数据库，为应用程序提供一系列支持服务，以实现高 效的事务处理、消息管理、负载均衡、容错和通信等功能。中间件层通常由多个组件组成，包含在线事务管理 器、数据库事务系统、MQ 消息队列、企业服务总线、Web 应用服务器、批处理等。该层与操作系统、数据

. 20 .1 基础库 20 .2 主题库 21 .2.1 建立完善行业大数据技术标准 21 .2.2 项目库的建立 21 .2.3 投资人数据库的建立 22 .2.4 产权交易机构资源库的建立 23 .3 分析库 24 .4 索引库 24 第 5 章 数 据 处 理 25 . 数据集成系统（ETL）介绍 采用支持关系型数据库、分布式全文数据库、分布式文件系统的 ETL 工具作为数据集成工具。利用多主机集群分布式部署数据集成工具，同 时并发处理大量数据抽取、数据清洗转换处理和数据装载任务，将各种 源数据装载到指定位置。 源数据库 数据集成引擎 配置管理 统一监控 源数据库 数据集成引擎 数据仓库 源数据库 数据集成引擎 …… 源数据库 数据集成引擎 数据集成工具提供 载到若干个目标数据库。从而实现按照统一的规则集成数据，有效提高数据 质量、价值。产品由管理中心和在线设计器组成。管理中心用于管理整个 系统的用户信息、系 统信息、网络信息，以及建立业务，并进行业务控制和运行监视；在线 设计器用于调用各种控件建立转换和作业。 .2.2 主要功能特点 1) 支持大数据架构：可将将数据库数据以 RCFlie 格式写入 HDFS。同时支 持大数据库，能够将增量数据写入大数据库。

QuestMobileTRUIH中国移动互联网数据库 QuestMobileGROWTH用户画像标签数据库 QuestMobileTRUTHBRAND品牌数据库 QuestMobileTRUTH全景生态流量数据库 ESTMOBILE QuestMobileADINSIGHT广告洞察数据库 QuestMobileNEWMEDIA新媒体数据库 QuestAuto中国新能源汽车数据库 3）主要研究模型 行业发展生命周期理论、行业集中度理论 -032024-042024-052024-062024-072024-082024-092024-102024-112024-12 Source：QuestMobileTRUTH中国移动互联网数据库2024年12月 2024年12月全网用户画像 同比变化 男 50.4% 一线城市 10.2% +1.2% 性 别 女 49.6% 新一线城市 18.1% 城市等级 二线城市 19.6% 46-50岁 10.1% 2000-2999元 19.6% 同比变化 51岁以上 26.5% 3000元以上 9.4% +0.8% Source：QuestMobileGROWTH用户画像标签数据库2024年12月 2024年12月细分行业月人均使用时长 全网用户月人均使用时长 TOP10 单位：小时 单位：小时 同比增长率 200 +3.5% 短视频 62.9 3.2% 165

QuestMobileTRUIH中国移动互联网数据库 QuestMobileGROWTH用户画像标签数据库 QuestMobileTRUTHBRAND品牌数据库 QuestMobileTRUTH全景生态流量数据库 ESTMOBILE QuestMobileADINSIGHT广告洞察数据库 QuestMobileNEWMEDIA新媒体数据库 QuestAuto中国新能源汽车数据库 3）主要研究模型 行业发展生命周期理论、行业集中度理论 -032024-042024-052024-062024-072024-082024-092024-102024-112024-12 Source：QuestMobileTRUTH中国移动互联网数据库2024年12月 2024年12月全网用户画像 同比变化 男 50.4% 一线城市 10.2% +1.2% 性 别 女 49.6% 新一线城市 18.1% 城市等级 二线城市 19.6% 46-50岁 10.1% 2000-2999元 19.6% 同比变化 51岁以上 26.5% 3000元以上 9.4% +0.8% Source：QuestMobileGROWTH用户画像标签数据库2024年12月 2024年12月细分行业月人均使用时长 全网用户月人均使用时长 TOP10 单位：小时 单位：小时 同比增长率 200 +3.5% 短视频 62.9 3.2% 165