orczhou.com

  • 云数据库行业动态@2025-08-29

    标题：安全测评新增He3DB/崖山/神通V8.0;DTCC 2025 在北京举行;AWS支持PostgreSQL 18

    重要更新

    安全可靠测评新增三款集中式数据库：移动云大云海山数据库（He3DB）、崖山数据库、神通数据库 V8.0 [1]。据悉本次参与测试的厂商超 30 家，最终仅 3 家通过测评。

    DTCC 2025 在北京举行，议题涉及：AI For DB、Data+AI、向量数据库与RAG检索技术实践等AI应用实践、数据库自主可控架构设计、数据库内核解析、分布式数据库、云原生数据库、实时数仓，是中国数据库领域最盛大的年度大会[2]。

    更新详情

    阿里云
    • RDS MySQL 高性能本地盘主实例新增多种规格，存储空间上限提升至16,000 GB。[8]
    • RDS PostgreSQL 支持创建基于高可用架构的高可用系列只读实例。该系列的只读实例由一个主节点和一个备节点组成，能够实现只读实例的高可用性，从而保障只读业务的持续稳定运行。[9]
    • RDS SQL Server新增存储过程sp_rds_manage_tempdb_user，用于授予或移除指定账号对tempdb数据库的db_owner权限[12]
    Azure(微软云)
    • Azure 数据库迁移服务 (DMS) 现已提供结构（Schema）迁移功能 [16]
    • Azure Cosmos DB for MongoDB (vCore) 支持添加分片并重新平衡数据[17]
    • Azure 托管支持 Apache Cassandra v5.0 的实例[18]
    GCP(谷歌云)
    • 支持使用 Data Insights 让 Gemini 根据表元数据生成表和列描述[25]
    • 支持终止 Spanner 实例中的多个活动查询[27]
    • 在 Cloud SQL Studio / AlloyDB Studio中支持保存和管理 SQL 查询[37][40]
    • Spanner 提供了一个预定义库，其中包含 80 多个 MySQL 函数，您可以将其安装在数据库中。这些函数允许您像操作MySQL一样使用 Spanner [65] [66]
    • GoogleSQL 查询中支持 WITH 表达式来创建临时变量。[68]
    • GoogleSQL 中支持使用链式函数调用语法，使深层嵌套的函数调用更易于阅读。[71]
    Oracle云
    • 全栈灾难恢复引入了对 MySQL 数据库系统的支持[77]
    • 支持按计划升级到 Oracle Database 23ai [79]
    • GoldenGate 现已支持 Oracle Database@AWS Autonomous Database [80]
    火山云(字节)
    • 云数据库 MySQL 支持云盘存储类型 FlexPL 云盘或 PL0 云盘的实例，最大分别支持 32000GB 和 16000GB 的存储空间。
    • 云数据库 MySQL 支持为实例创建蓝绿部署，实现了版本升级、大数据迁移等业务场景下从生产环境到待切换环境零停机的无缝切换。
    • veDB MySQL 重启实例时，可以选择重启整个实例，也可以只重启指定的节点。
    • veDB MySQL 支持为每个节点设置切主优先级，该优先级能够决定在发生故障进行主备切换时，每个节点被选举为主节点的概率大小[19]。
    • 云数据库 Redis 版 RDB 分析新增支持分析 Top Key 前缀[20]。
    AWS(亚马逊云)
    • RDS 支持 MariaDB 11.8 [83]
    • RDS for Db2 支持跨区域只读副本 [85]
    • Amazon RDS 支持 MariaDB 11.4.8、10.11.14 和 10.6.23[86]
    • Amazon Neptune 现通过开源 GraphRAG 工具包支持 BYOKG – RAG (GA)[92]
    • Amazon RDS for PostgreSQL 现支持延迟读取副本[93]
    • Aurora MySQL 3.10 长期支持 (LTS) 版本发布[99]
    • PostgreSQL 18 Beta 3 现已在 Amazon RDS 数据库预览环境中推出[105]
    • Amazon RDS for PostgreSQL 支持次要版本 17.6、16.10、15.14、14.19 和 13.22[106]
    • DocumentDB 宣布扩展对 3.6 版的支持[110]
    腾讯云
    • 云数据库 MySQL 8.0内核版本更新20241005。[111]
    • 云数据库 MySQL 5.7内核版本更新20250730。[112]
    • 云数据库 MySQL 、TDSQL-C MySQL数据库审计支持日志投递至 COS 对象存储[113]

    参考链接

  • DTCC 2025 的 AI 部分观察

    上一次写DTCC已经是15年前了（参考：DTCC关于MySQL的未来），今天又有写一点什么的冲动了。因为要“练摊”，所以也只能是“部分”观察。

    AI 到底会如何改变数据库领域

    这次会场上，对于“佰晟智算”和“银联”在AI方向的一些探索关注的多一些，其他时间，则主要是在NineData展台“练摊”。说说一些感受吧。“佰晟科技”主要聚焦于国产化数据库的优化、监控管理等方向，最为亮眼的创新在于，将大模型的能力与“运维知识”深度的结合起来。白鳝很早就在给产品做市场预热了，所以，在产品推出比较短的时间能，就快速的获得了一些早期的种子客户。

    “银联”则是在内部的数据库管理上，做了很多的探索。银联有非常强的自主研发能力，也做了很多的智能化探索，包括Text2SQL、SQL的性能诊断等。Text2SQL很多的企业做了探索，但由于表名、列名的识别对于大模型来说，是非常困难的（一方面由于列可能非常多、而且命名比较简短），会让大模型出现非常强的幻觉问题，这使得在复杂OLTP场景，Text2SQL依旧难以胜任。但对于一些较为简单的场景，例如比较比较少，表、列都使用非常规范的时候，对于部分开发者，依旧有帮助。也注意到，有很多的企业在BI或者“取数”、“报表”场景，做了非常多的探索。

    在SQL优化的方向，AI的能力，已经得到了开发者比较一致的认可，大模型虽然可能会给出一些不太实用的建议，但是“正确”的优化建议，也总是在大模型给出的建议列表之中。这对于，DBA渐少的时代，对开发者来说，确实非常友好。

    NineData 在这个方向上，也做了很多探索，从最早发布ChatDBA以来，后续持续在“DDL转换”、“SQL 优化”、“Text2SQL”、“国产化转换”等方向去尝试，这些功能随着基础大模型的增强，以及辅助以各种优化，确实可以让开发者的数据库管理变得简单一些。

    Memobase

    还听了一场 Memobase 的分享，是一个关于大模型“memroy”的产品。创始人非常技术，整个介绍听下来，如果稍不留神，甚至不知道演讲者是来介绍 Memobase 的，而是把业界的“memroy”产品以及相关的技术栈介绍了清楚。本以为这可能是一个略微冷门的话题，但从现场的问答环节来看，开发者们在这个方向上有很多的问题要解决。

    这个是一个依旧在快速发展的方向。无论是Memobase还是Mem0，这类产品，与数据或者数据库的关系比较有趣的。简单的数据存储，即便是多模态存储，是无法简单的解决此类问题的。此类问题，当前，依旧是比较偏场景化的解决方案，例如，当天讨论的最多的，包括问答机器人、智能对话陪伴等。这些具体的场景下，产品需要深入到场景之中，才能解决开发者的问题。至于存储方案，可能不是当前最为紧迫的问题，所以存储上，可以用S3、也可以用“EloqData”、也可以考虑类似于MongoDB等其他的产品。

    Memobase 比较强调自己在 Latency 方面的优势，但是，目前来看，在一个Chat的场景下，多个百毫秒的Latency，似乎并不是问题。

    之所以，这里比较强调多模态的存储，主要在于：在这个场景中，通常会使用如下的方案，包括，使用 Graph 存储一些关联关系，例如一个人的朋友、“属性”等信息；还会大量使用json存储诸如profile、conversation 历史等信息。此外，这类方案，与RAG类似，也非常依赖注入Embedding、bm25等相似搜索，用于处理历史消息等。

    总得来说，是一个场景化的，混合的存储方案，去应对业务场景。

    创新与迭代是唯一出路

    这次在现场也与很多朋友讨论了 AI 对数据库从业者（不限于）的影响，大家也都有着类似的看法，如果你不是做基础大模型的，那么，基本上，如果你能够更好的使用 AI，那么就有可能开发者出更好的产品；如果你的产品，能够更好的使用AI的能力，你的产品可能会在市场上有更强的竞争力。

    对于开发者来说，确实应该更加积极、甚至激进的去拥抱 AI 技术。LLM从出圈到现在，一共也就两三年时间，所以，“大家的起点都一样，不要犹豫，往前跑就可以了”。

    这个说法在当初ChatGPT刚出来时，Google也有类似的论断类似：““我们没有护城河，OpenAI也没有（We Have No Moat, And Neither Does OpenAI）”。事实上，经过也就两年的时间，Google Gemini 的能力、体验与市场，已经逐步在赶上ChatGPT。

    另一方面，现在整个社会最多的风投资金、最聪明的人都聚集到了这个领域，这个领域的发展和变化，可以说是“日新月异”，这个领域一定会出现很多新的商业模式和企业。但如果，跑得晚了，后面的追赶会更加吃力。从最近的Zack如此大价钱的挖掘 AI 人才，也可能看出，即便是，最头部的厂商，在这个势头下，也是非常焦虑的。

    向量数据库是AI还是数据库

    向量存储在搜索在多个AI场景都有这广泛的使用，这次大会上，包括腾讯、华为、中兴、Oracle等厂商都介绍自己自己在这个方向的探索，包括海量存储下的性能优化、标量与向量混合查询的性能、面相RAG常见的效果优化、高效的向量缓存方案等。

    最后

    DTCC 是一年一度的数据库领域朋友聚会，非常开心。因为要“练摊”的原因，错过了很多的主题分享，今年的DTCC就简单记录如上。

  • 使用 MCP 帮助大模型解决24点问题

    大语言模型非常非常强大，但也有一些弱点。例如，需要精确推理与计算的场景、实时数据（如天气）获取等。MCP则是对这类外部能力扩展的一个接口，让大模型/Agent都能够便捷的接入外部工具解决此类问题。

    本文通过演示创建一个外部计算24点的程序（MCP Server），让Cursor Agent访问LLM时具备快速的24点计算能力，从而帮助开发者快速了解如何构建一个MCP Server。该24点计算的MCP Server也已经在🤗 Hugging Face对外发布，你也可以接入你的Cursor（或其他MCP Host）进行测试（参考本文小结：在Cursor中配置MCP工具）[1]。

    创建 MCP Server

    现在各种工具框架已经把MCP入门构建的门槛降低非常低了，这里将使用Gradio构建一个24点计算的程序，并以MCP Server的方式提供给各MCP Host（本文是Cursor）使用，同时将该MCP Server发布在🤗 Hugging Face的Space上，以供其他人测试和使用。

    创建24点计算的MCP Server

    使用Gradio创建MCP的代码如下：

    #
# A project for mcp learning by orczhou
#
from solve_24_game import solve_24_game
import gradio as gr

def gradio_interface(a, b, c, d):
    return solve_24_game([a, b, c, d])

# Create the Gradio interface
demo = gr.Interface(
    fn=gradio_interface,
    title="solve the 24 game/puzzle",
    inputs=[
        gr.Number(label="Number 1", value=1),
        gr.Number(label="Number 2", value=2),
        gr.Number(label="Number 3", value=3),
        gr.Number(label="Number 4", value=4),
    ],
    outputs="text",
    flagging_mode="never",
    description="Solves the 24-point game. Given a list of four numbers, it attempts to find a mathematical expression using addition, subtraction, multiplication, and division that evaluates to 24. Each number must be used exactly once.",
    theme=gr.themes.Ocean()
)

# Launch the interface and MCP server
if __name__ == "__main__":
    demo.launch(mcp_server=True)

    Gradio 不仅可以快速构建可视化的交互界面（通常用于机器学习领域），还可以非常简单的构建起MCP Server，并将其托管于🤗 Hugging Face：

        demo.launch(mcp_server=True)

    在启动时，新增mcp_server=True即可以同时启动一个与此界面“相同”的MCP Server。

    左侧的代码首先创建了一个如下Web服务：

    在创建了上述的Web服务的同时，Gradio还会同时创建了一个如下Endpoint的MCP Server：

    https://orczhou-solve-24-game.hf.space/gradio_api/mcp/sse

    如果是本地运行，Endpoint则可能是：

    http://127.0.0.1:7860/gradio_api/mcp/

    这里解决24点问题的代码存储在文件solve_24_game.py中，代码参考：solve_24_game.py。如何解决24点问题并不是本文的重点，这里不做详述。

    本地运行该MCP Server

    在本地，则只需要使用python3 app.py命令即可运行：

     python3 app.py
* Running on local URL:  http://127.0.0.1:7860
* To create a public link, set `share=True` in `launch()`.

🔨 Launching MCP server:
** Streamable HTTP URL: http://127.0.0.1:7860/gradio_api/mcp/
* [Deprecated] SSE URL: http://127.0.0.1:7860/gradio_api/mcp/sse

    在Hugging Face上发布 MCP Server

    在 🤗 Hugging Face上可以非常方便的创建并托管简单的MCP Server。详细的介绍可以参考：Spaces as MCP servers。这里演示如何进行操作。

    前提要求

    1. 首先，你要有一个🤗 Hugging Face的账号，注册即可
    2. （可选）可能还需要进行充值与信用卡绑定
    3. 准备好🤗 Hugging Face的Token，并配置好权限

    通常，Hugging Face运行程序的资源是需要付费的。但是也有部分免费资源，例如MCP托管的时候，提供了一个免费的CPU Basic(2 vCPU 16 GB RAM)的免费资源（当前免费，未来也可能是计费的）。

    在本地代码向Space上推送的时候，则需要通过Token的方式进行认证和权限管理。

    创建 Space

    进入🤗 Hugging Face，进入Space，点击“+ New Space”创建新的Space，则进入右侧的创建表单。

    注意到，在Space Hardware选项中，这里的CPU Basic 2 vCPU 16GB是免费规格，这里用作个人测试故选择免费。

    此外，这里选择了Gradio模板进行创建。

    可以看到，这里🤗 Hugging Face把相关操作的入门门槛降到了非常低的程度，对初学者非常友好。

    提交代码

    在完成创建后，可以使用 git想仓库中提交代码，Space则会根据代码架构，完全自动化的构建一个MCP Server向公网提供服务。

    代码提交可以参考如下命令：

    git clone https://huggingface.co/spaces/orczhou/solve_24_game
cd solve_24_game
git add solve_24_game.py app.py
git commit -m "mcp for 24 point game"
git remote add origin https://huggingface.co/spaces/orczhou/solve_24_game
git push -u origin main

    补充说明：首先在Hugging Face托管则需要把程序命名为app.py，此外，还需要编写一个requirements.txt文件说明Pythone程序需要的一些模块，这里仅需要gradio[mcp]：

    cat requirements.txt
gradio[mcp]

    调试

    这里使用Hugging Face和Gradio构建的MCP服务，可以非常方便的使用可视化的界面进行查看服务，例如，在这里可以通过，如下的URL来进行查看该服务是否正常：solve the 24 game/puzzle。

    此外，可以通过curl命令进行调试，以确认MCP服务是否正常：

    curl -X POST \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/list",
    "params": {}
  }' \
  -L \
  https://orczhou-solve-24-game.hf.space/gradio_api/mcp/
    data: {
  "jsonrpc":"2.0",
  "id":1,
  "result":{
    "tools":[{
      "name":"solve_24_game_gradio_interface",
      "description":"",
      "inputSchema":{
        "type":"object",
        "properties":{
          "a":{"type":"number", "default":1 },
          "b":{"type":"number", "default":2 },
          "c":{"type":"number", "default":3 },
          "d":{"type":"number", "default":4 }
        }
      }
}]}}

    在Cursor中配置该MCP服务

    配置新的MCP服务

    在Cursor的Settings->Tools & Integrations中找到MCP Tools，就可以通过New MCP Server处编辑mcp.json，从而增加MCP Tools。

    具体的配置，参考如下：

    {
  "mcpServers": {
    "solve_24_game": {
      "type": "sse",
      "url": "https://orczhou-solve-24-game.hf.space/gradio_api/mcp/sse"
    }
  }
}

    查看Cursor中MCP配置状态

    首次测试和使用MCP时，还是比较容易出错的。可以通过上述的MCP Tools处（右图）可以查看MCP的状态，已经该MCP中可用的工具。

    在Cursor中使用该MCP服务

    在Agent模式下进行对话，Cursor背后的大模型就可以使用该MCP的能力。为了避免Agent生成代码（Cursor的Agent总是倾向于生成代码解决问题），故使用如下提示词提问：

    “不要生成任何代码，使用工具计算如下24点问题： 2 5 5 10”。

    返回的结果如右图。可以看到，大模型拿到返回的结果(5-(2/10))*5后，进行了必要的解释与回答。MCP详细的调用过程如下，包括了使用的参数、返回的结果：

    在我的Cursor上使用该MCP

    因为这里创建的MCP Server是运行在公网环境，故在你本地的Cursor或者其他MCP Host上也可以配置和使用该MCP服务，配置的方法参考上述小结“配置新的MCP服务”，这里不再赘述。

    其他

    更换Gradio的默认配色主题

    可以使用 theme=gr.themes.Ocean()选项更改主题选项：

    # Create the Gradio interface
demo = gr.Interface(
    ...
    theme=gr.themes.Ocean()
)

    更多的配色主题可以参考：Theming Guide。

    最后

    大模型说：“我不需要帮助，愚蠢的人类！”

  • 云数据库RDS MySQL性能测试与对比@2025年07月

    本文是一个系列文章的一部分，该系列较为完整的对各个云厂商的RDS MySQL进行了测试，包括了阿里云、腾讯云、华为云、百度云、AWS、Azure、GCP、Oracle Cloud等，最新的测试：云数据库RDS MySQL的性能。

    Sysbench QPS 详细数据

    dataaliyunawsazurebaidugooglehuaweioracletencent
    469343365161521641449235137016439
    8984266853018407928324284638711999
    16155971302855117360476776261012019864
    3223331227669761126337333132821135529928
    48267402636212245164429780170301160132940
    642928428181132611950511144194411255734154
    963103330829144182206611166198051228233711
    1283145032467150662291211191198261303032735
    1923228732558153142338611244204531267735476
    2563157131954154702329110963214891291036917
    3843141932047158922304511212228941324237473
    5123138232221159782298711399227501264337992

    Latency (Event) 详细数据

    如下表格分别为：平均延迟 和 95%延迟数据。单位为：毫秒/ms。

    dataaliyunawsazurebaidugooglehuaweioracletencent
    410.3821.3944.5633.2649.6830.6219.4911.18
    814.6321.5447.7135.3050.8333.6122.5412.00
    1618.4622.1052.2539.1360.4137.7628.4614.50
    3224.6925.3059.0045.5978.5343.3650.7219.24
    4832.3132.7770.5552.5488.3250.7374.4626.23
    6439.3440.8786.8659.05103.3459.2591.7333.73
    9655.6856.04119.8278.30154.7087.24140.6551.24
    12873.2570.95152.89100.54205.82116.19176.7670.37
    192107.02106.13225.58147.74307.27168.93272.5597.40
    256145.92144.17297.73197.78420.05214.36356.72124.79
    384219.91215.58434.67299.81615.95301.73521.43184.41
    512293.55285.85576.35400.66807.65404.86727.98242.43
    dataaliyunawsazurebaidugooglehuaweioracletencent
    412.3022.2851.9442.6175.8237.5628.6712.75
    819.2922.2856.8445.7982.9640.3736.2413.46
    1624.8324.8363.3251.02104.8445.7948.3416.71
    3235.5931.9471.8362.19132.4952.8994.1023.95
    4848.3444.1789.1673.13144.9762.19130.1333.72
    6461.0853.85116.8086.00161.5174.46155.8044.17
    9684.4774.46173.58116.80215.44134.90235.7482.96
    128106.75108.68235.74147.61277.21155.80267.41153.02
    192144.97164.45369.77207.82411.96253.35404.61173.58
    256189.93219.36511.33267.41569.67356.70502.20186.54
    384292.60314.45787.74390.30802.05511.33694.45257.95
    512390.30411.961050.76511.331050.76569.67960.30331.91

    MySQL 参数对比表格

    dataaliyunawsazurebaidugooglehuaweioracletencent
    have_sslDISABLEDYESYESDISABLEDYESDISABLEDYESDISABLED
    innodb_buffer_pool_size9.75GB11GB12GB12GB11GB9GB17GB12GB
    innodb_doublewriteONOFFOFFONONONONON
    innodb_flush_log_at_trx_commit11111111
    innodb_flush_methodO_DIRECTO_DIRECTfsyncfsyncO_DIRECTO_DIRECTO_DIRECTO_DIRECT
    innodb_io_capacity200002002002000500012000125020000
    innodb_read_io_threads44NA84424
    innodb_write_io_threads44NA84444
    log_binONOFFONONONONONON
    performance_schemaOFFOFFONOFFONOFFONOFF
    rpl_semi_sync_master_enabledONNANAONNAONNAON
    rpl_semi_sync_master_timeout1000NANA10000NA10000NA10000
    sync_binlog11110001111
    thread_pool_size8NA4NA4NA164
    version8.0.368.0.418.0.41-azure8.0.32-4.0.0.58.0.41-google8.0.28-2310038.0.40-u6-cloud8.0.30-txsql
    instance_typemysql.x4.large.2cdb.m7i.xlargeGP_Standard_D4ads_v54db-custom-4-16384rds.mysql.x1.xlarge.4.haMySQL.44c
    storage_typecloud_essdio1NAcloud_enhaNACLOUDSSDNAEXCLUSIVE
    storage_size100100100100100100100100
    storage_iopsNA30003000NANANANANA
    cpu_capacity97146.673.674.553.8154.8118.8107.3

    补充测试

    在最近的两次 MySQL 测试中，都补充进行了数据量更大的测试。在原测试的基础上，修改了sysbench的数据准备参数，补充测试参数：

        # cpu-io mixed benchmark
    tables=16
    run_time=300
    table_size=5000000
        # cpu intensive benchmark
    tables=10
    run_time=300
    table_size=1000000

    根据之前的计算，在该“cpu-io mixed benchmark”下，数据总量约18.4 GB，即，该压力测试则会成为一个读IO密集型的测试。各个云厂商在该模型下的性能表现如下图：

    Sysbench QPS 详细数据

    dataaliyunawsazurebaidugooglehuaweioracletencent
    4402714999461800144920047545689
    8471729801798328827023749357010257
    16564235882810572242756848712717248
    326464368929878380572912139748224535
    486854373330078789665114857771626788
    647052372430658982699015630806727617
    967292372230769204725915960829326969
    1287421386130659324759816162838026215
    1927556403030909675747416291852827930
    2567588401730809545760316336867628165
    38476354159310010147764110285872328725
    5127693436331131060278025391880928922

    Latency (Event) 详细数据

    如下表格分别为：平均延迟 和 95%延迟数据。单位为：毫秒/ms。

    dataaliyunawsazurebaidugooglehuaweioracletencent
    417.8848.0476.0540.0049.6835.9395.6212.66
    830.5248.3280.0943.7953.2938.4140.3314.04
    1651.0480.29102.4950.3267.3642.0540.4416.70
    3289.10156.14192.8068.73100.5347.4477.0623.47
    48126.02231.39287.2798.29129.8658.15111.9432.25
    64163.32309.23375.70128.24164.7573.71142.7641.71
    96236.90463.84561.46187.66237.92108.25208.3264.07
    128310.35596.25751.37247.10302.96142.51275.0087.88
    192457.04856.601117.62356.97462.11212.04405.03123.71
    256606.961145.531494.61482.24605.40281.92531.03163.56
    384904.341659.372226.85680.65903.58671.53792.11240.53
    5121196.512109.122954.89867.321179.101705.201044.82318.47
    dataaliyunawsazurebaidugooglehuaweioracletencent
    420.7455.82104.8458.9278.6043.39787.7414.73
    833.7253.85102.9773.1399.3347.4745.7916.71
    16150.29227.40142.3997.55170.4852.89102.9721.89
    32297.92325.98262.64139.85240.0263.32344.0833.12
    48350.33397.39397.39193.38287.3881.48450.7748.34
    64390.30467.30520.62235.74303.33215.44484.4462.19
    96458.96612.21802.05325.98363.18331.91559.50137.35
    128530.08759.881109.09411.96427.07376.49612.21167.44
    192669.891352.031678.14569.67634.66467.30707.07196.89
    256831.461973.382238.47787.74816.63539.71802.05235.74
    3841191.923095.383326.551050.761191.921836.241013.60320.17
    5121589.903911.794437.271327.911561.522082.911376.60411.96

    MySQL 参数对比表格

    dataaliyunawsazurebaidugooglehuaweioracletencent
    have_sslDISABLEDYESYESDISABLEDYESDISABLEDYESDISABLED
    innodb_buffer_pool_size9.75GB11GB12GB12GB11GB9GB17GB12GB
    innodb_doublewriteONOFFOFFONONONONON
    innodb_flush_log_at_trx_commit11111111
    innodb_flush_methodO_DIRECTO_DIRECTfsyncfsyncO_DIRECTO_DIRECTO_DIRECTO_DIRECT
    innodb_io_capacity200002002002000500012000125020000
    innodb_read_io_threads44NA84424
    innodb_write_io_threads44NA84444
    log_binONOFFONONONONONON
    performance_schemaOFFOFFONOFFONOFFONOFF
    rpl_semi_sync_master_enabledONNANAONNAONNAON
    rpl_semi_sync_master_timeout1000NANA10000NA10000NA10000
    sync_binlog11110001111
    thread_pool_size8NA4NA4NA164
    version8.0.368.0.418.0.41-azure8.0.32-4.0.0.58.0.41-google8.0.28-2310038.0.40-u6-cloud8.0.30-txsql
    instance_typemysql.x4.large.2cdb.m7i.xlargeGP_Standard_D4ads_v54db-custom-4-16384rds.mysql.x1.xlarge.4.haMySQL.44c
    storage_typecloud_essdio1NAcloud_enhaNACLOUDSSDNAEXCLUSIVE
    storage_size100100100100100100100100
    storage_iopsNA30003000NANANANANA
    cpu_capacity96.6152.173.272.849.3163.4119.9108

  • 云数据库行业动态@2025-07-25

    标题：阿里云RDS发布全新Supabase托管服务; IDC发布中国金融集中数据库份额Oracle/达梦/华为云领跑

    重要更新

    阿里云 RDS 发布 Supabase 托管服务，帮助客户利用 Supabase 能力快速构建全栈应用，该方案可以帮助开发者简化应用构建过程中的后端开发。

    IDC 发布2024年《中国金融行业集中式关系型数据库市场份额》，总市场规模为：11.6亿元人民币，前三分别为：Oracle、达梦、华为云[1]。

    更新详情

    阿里云
    • RDS PostgreSQL支持一键交换两个RDS PostgreSQL实例的连接地址，以减少在新旧实例替换等场景下进行连接地址交换所消耗的时间。[4]
    • RDS Supabase是云数据库RDS PostgreSQL提供的托管Supabase服务，您可以利用该能力快速构建基于RDS PostgreSQL的后端服务，适用于早期方案验证（MVP）、AI应用开发、SaaS平台等多种场景。当前仅对白名单用户开放 [5]
    • RDS SQL Server支持在手动备份时通过控制台或API指定备份集的保留时长。[7]
    GCP(谷歌云)
    • Cloud SQL for SQL Server 现已提供 Active Directory 写入端点支持 [28]
    • BigQuery中，GoogleSQL 将成为通过命令行界面 (CLI) 或 API 运行的查询的默认方言 [30]
    Oracle云
    • OCI 数据库与 PostgreSQL 增加了对 PostgreSQL 16 的支持 [37]
    火山云(字节)
    • 托管 Redis 支持过期 key 管理功能[38]
    百度云
    • GaiaDB 支持保定地域双机房部署，提升产品的同城容灾能力 [41]
    AWS(亚马逊云)
    • RDS for PostgreSQL 和 RDS for Oracle 的Redshift零 ETL 集成现已推出[42]
    • Amazon RDS for Db2 支持使用 Kerberos 进行组授权[43]
    • Timestream for InfluxDB 现支持 24xlarge 内存优化实例[46]
    • RDS for PostgreSQL、MySQL 和 MariaDB 现已在其他 AWS 区域支持 M8g 和 R8g 数据库实例[55]
    • Amazon RDS for PostgreSQL 18 Beta 2 现已在 Amazon RDS 数据库预览环境中推出[62]
    腾讯云
    • 云数据库 MySQL 发布数据库代理版本1.3.18。[70]
    • TDSQL-C MySQL 版发布数据库代理版本1.3.17。[71]
    • TDSQL-C MySQL 版8.0内核版本更新3.1.16.002，提升数据库性能与稳定性。[72]
    • TDSQL-C MySQL 版只读分析引擎发布了全新的内核版本3.2503.1.0，支持了诸多全新的内核特性。[73]
    • TDSQL-C MySQL 版本支持了创建“分析集群”。分析集群可为用户提供更加高效的数据分析查询与数据汇聚能力。分析集群可将多个数据源的库表数据实时同步到一个“只读分析引擎”实例中。分析集群采用“LibraDB 内核”，可提供高性能的复杂分析查询能力。[74]
    • 云数据库 SQL Server 支持设置事件告警，使用此功能便于用户第一时间获知运维事件及其他事件的动态。若系统检测到对应异常事件，将通过多种可选的方式向接收对象发送事件告警通知。[75]

    参考链接

  • 云数据库行业动态@2025-07-04

    标题：华为云HDC发布TaurusDB PostgreSQL版;IDC报告发布阿里云数据库第一,华为云本地部署第一;OceanBase发布中文名“海扬数据库”

    重要更新

    华为云HDC大会，数据库发布：GaussDB Doer 基于AI的智能助手; TaurusDB for PostgreSQL 全新引擎于正式发布; GaussDB 透明多写功能发布[31]。

    IvorySQL 2025 生态大会暨 PostgreSQL 高峰论坛于6月27日—28日在济南成功举办。本次盛会汇聚了包括开源基金会/社区负责人、PostgreSQL国内外资深开发者、企业代表及资深开发者。[1]

    OceanBase CEO 杨冰全新发布 OceanBase 品牌中文名——“海扬数据库”。[2]

    IDC 2024下半年中国关系型数据库市场报告：阿里云数据库整体、公共云第一[15]；华为云数据库本地部署市场份额第一![3]；腾讯云增速第一[11]。

    今日，SIGMOD行业学术会议上：阿里云PolarDB数据库蝉联SIGMOD最佳论文奖[12]；华为多篇论文成功入选，GaussDB同步亮相[19]。

    PingCAP 荣登 2025 AI Cloud 100 China 榜单，排名第四！[22]

    更新详情

    • RDS PostgreSQL Serverless极致弹性免费体验功能发布，在瑶池数据库解决方案体验馆中，您无需购买任何资源，即可在线体验Serverless功能的智能弹性能力[4]
    • 云数据库RDS提供无感数据集成（Zero-ETL）功能，用于将RDS数据同步至数据仓库（AnalyticDB PostgreSQL），您无需搭建或维护数据同步链路，且数据同步链路不收费[5]
    • RDS 高性能云盘的基准IO性能提升，IOPS最高提升22400，IO带宽最高提升350 MB/s。[6]
    GCP(谷歌云)
    • Cloud SQL Enterprise Plus 版实例的写入端点功能现已正式发布 [14]
    • 数据库迁移服务支持异构 SQL Server 到 PostgreSQL 的迁移 [25]
    • Google云发布 Spanner CLI（内置于 Google Cloud CLI 的 Spanner 交互式 Shell）直接连接 Spanner 数据库并与其交互 [30]
    Oracle云
    • HeatWave：支持版本 9.3.2[39]
    火山云(字节)
    • 云数据库 MySQL 提供新的实例类型——多节点实例。多节点实例采用了一主多备的集群架构，支持自动故障切换和手动切换[13]。
    • 缓存数据库 Redis 优化大 Key 分析功能[16]
    • 文档数据库 MongoDB 支持更多 OpenAPI 接口 [17]
    百度云
    • 托管 PostgreSQL 支持跨地域备份恢复，从异地的BOS快速拉取已备份的文件恢复数据，保障业务连续性。[42]
    • 托管 PostgreSQL 支持跨地域备份。[43]
    • GaiaDB 新增独享型和通用型计算节点规格，超大规格（64核及88核）为白名单功能[44]
    • GaiaDB 支持一键从RDS实例同步数据至新的GaiaDB集群[45]
    AWS(亚马逊云)
    • Amazon Keyspaces（适用于 Apache Cassandra）现在支持变更数据捕获 (CDC) 流[48]
    • Amazon Aurora MySQL 和 Amazon RDS for MySQL 与 Amazon SageMaker 的集成现已推出[51]
    腾讯云
    • 云数据库 MySQL 只读分析引擎发布了全新的内核版本3.2503.1.0，支持了诸多全新的内核特性。[69]
    • 云数据库 MySQL 只读分析引擎新增支持了新加坡、成都地域。[70]
    • 云数据库 MySQL 5.7内核版本更新20250510。[71]
    • 云数据库 MySQL 只读分析引擎发布了全新的问题修复版本2.2410.8.0。[72]
    • 云数据库 MySQL 只读分析引擎发布了全新的内核版本2.2410.7.0，支持了诸多全新的内核特性。[73]
    • TDSQL-C MySQL 版只读分析引擎发布了全新的问题修复版本2.2410.8.0。[74]
    • TDSQL-C MySQL 版只读分析引擎发布了全新的内核版本2.2410.7.0，支持了诸多全新的内核特性。[75]

    参考链接