5月17日,OceanBase在第三届开发者大会宣布一体化架构再升级,全新推出“共享存储”产品。
该产品开创性实现对象存储与事务型数据库(TP)的深度集成,创新构建存算一体与分离的多云原生架构,不仅大幅提升云上数据存储的弹性扩展能力,更使TP负载的存储成本最高降低50%。
此次突破也使OB Cloud成为业界首个在TP场景下支持对象存储的多云原生数据库,为海量数据场景提供兼顾成本优化与性能保障的云原生解决方案。

在云计算时代,对象存储是一种新的数据存储方法,它将数据存储为“对象”,因高可靠、低成本、可无限扩展等特性,被广泛应用于分析型数据库(AP)、企业存储备份、归档和数据湖等场景。
但在事务型数据库(TP)的生产环境中,因数据计算对低延迟、高性能有极致追求,普遍采用紧耦合的存算一体架构,因此依赖本地磁盘或云盘,无法支持对象存储的应用。这一情况下,虽然数据库的交易性能得到保障,但也带来了云上扩缩容不灵活、成本过高等问题。
作为一款100%根自研的原生分布式数据库,OceanBase具备极强的技术创新能力。为了解决无共享架构在弹性和成本方面的瓶颈问题,OceanBase创新推出“共享存储”产品,将计算与存储解耦,以自研一体化架构实现对对象存储(如Amazon S3、阿里云OSS等)的深度支持。
据OceanBase CTO杨传辉介绍,这背后是OceanBase的多项技术突破:
一是构建多级缓存架构,有效解决对象存储的访问延迟问题;
二是自研基于对象存储的 LSM-Tree引擎并采用深度工程手段,降低对象存储的I/O压力;
三是通过独有的持久化缓存弹性伸缩,进一步解决TP场景下热点数据的稳定性问题;
此外,优化对象存储的访问全链路,确保TP业务毫秒级响应的稳定性。
这些技术难点的逐一突破,也使OceanBase的云数据库OB Cloud成为目前业内唯一能够在TP场景下稳定运行对象存储的多云原生数据库:在TP负载下,存储成本最高降低50%;在AP负载下,存储成本最高可降低为原来的1/10。
据悉,OceanBase的“共享存储”产品在云上可被应用于多种业务场景,包括典型TP、历史库及备份库,时序类业务、HBase兼容类业务、流水型业务系统、OLAP业务等。
会上除“共享存储”产品的发布外,OceanBase还宣布,OB Cloud上线百度云。截止目前,OB Cloud已支持阿里云、华为云、腾讯云、百度云、AWS、Google Cloud 六大主流公有云平台,全球覆盖超过100个可用区。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。