DTCC2022中國數據庫技術大會最新議程出爐
責編：gltian ｜2022-06-29 15:12:18隨著互聯網高速發展，多種類型數據爆發式地增長，各種創新業務場景層出不窮，進而促進了供給端廠商技術和產品架構的創新。作為底層核心地基數據庫技術也迎來了百家爭鳴的繁榮景象，通過與150+位資深數據庫技術專家進行調查和討論，我們梳理出以下最受DBA關注的技術點和話題：
數據庫內核技術 ???推薦指數：4.5
數據庫內核技術一直都是技術人員關注的話題：解密數據庫內核架構、分析內核源碼，探索優化內核技能，掌握和了解數據庫內核模塊如事務、優化器、存儲、并發執行器等核心技術，通過對數據庫內核功能實現解析，結合具體的功能實現，按圖索驥，解析內核結構，具有重要的實踐指導意義。新硬件在數據庫內核的應用適配，分布式一致性與共識協議的實踐與演進，數據庫存儲與事務引擎的創新技術。
| 參考技術要點 | 平均分（5分制） |
| 數據庫內核技術探索 | 4.2 |
| 數據庫內核架構揭秘 | 4.8 |
| 數據庫內核源碼分析 | 4.6 |
| 數據庫內核優化 | 4.4 |
金融行業數據庫技術應用 ???推薦指數：4.5
金融行業數據庫的話題，這是因為金融行業對數據庫技術有更嚴格的要求，因此對于這一領域的經驗可以給更多人參考。
金融行業是數據庫領域的一個風向標，金融行業數據庫的前沿性技術展示，行家經驗分享對金融業務具有很好的參考意義。由于金融行業對業務穩定性、可靠性、高可用等嚴格要求，如何選擇適配海量數據、海量交易的分布式數據庫，屬于數據庫技術路線的核心范疇。而分布式數據庫目前尚處于可用向好用演進的中間狀態，不同技術路線的分布式數據庫都在快速發展，如何根據金融業務場景、數據規模、數據庫負載、監管需求、運維需求、數據庫生態、數據庫特性、應用改造成本、周邊工具適配、遷移方案、軟硬件成本等因素抽絲剝繭，選擇合適的分布式數據庫產品至關重要。數據庫選型不只是局限分布式方面，而應該考慮到實際的應用場景
| 參考技術要點 | 平均分（5分制） |
| 金融業務數據庫實踐與規范 | 4.2 |
| 金融行業分布式數據庫選型 | 4.6 |
| 金融行業數字化轉型痛點及建議 | 4.4 |
| 金融云數據庫的應用與實踐 | 4.8 |
云原生數據庫開發與實踐 ???推薦指數：4.2
過去我們稱為云時代的數據庫技術，以云計算作為基礎，將數據直接遷移到云上，形成了RDS，雖然一定程度可以解決擴容的效果，但是這猴子那個方案維護的成本也很高，資源利用率低。隨著云計算快速發展，云上數據庫技術的程度越來越高，因此對第一代云數據庫進行了改造和升級，也就是今天的云原生數據庫，更好的解決資源彈性擴展的問題。這種云原生數據庫再計算節點擴展就會很輕量，擴展速度更快。
對于云原生數據庫技術大家更關注的存儲與計算分離、異構數據存儲于處理，如何建設云原生數據庫，如何管理云原生數據庫以及多云環境下的數據庫管理等。
| 參考技術要點 | 平均分（5分制） |
| 云原生數據庫數據存儲技術 | 4.2 |
| 云原生數據庫應用實踐 | 4.2 |
| 云原生數據庫管理實踐 | 4.2 |
| 異構數據處理 | 4.2 |
分布式數據庫應用最佳實踐 ?推薦指數：4.2
分布式數據庫是目前最大的熱點，選型非常重要，目前分布式數據庫種類過多如何選擇一個好的數據庫落地最佳實踐。分布式數據庫組件的高效與先進性展示,分布式數據庫架構與應用，原生分布式數據庫架構與應用，基于分庫分表的數據庫架構與應用，數據動態遷移，以及遷移時對業務影響和效率等。分布式數據庫目前還是處于選型和穩定應用架構方面，如果一個分布式數據庫產品能夠在要求嚴苛的金融行業充分驗證場景，可以給其他很多行業提供參考，反之則不然。分布式數據庫在金融行業應用這個題目下面可以有很多發揮的空間，例如分布式數據庫設計；分布式數據庫遷移、數據比對、數據回寫、分布式數據庫應用優化、金融業務場景適配等等。
| 參考技術要點 | 平均分（5分制） |
| 分布式數據庫應用實踐 | 4.2 |
| 分布式數據庫性能優化 | 4.2 |
| 分布式數據庫選型 | 4.2 |
圖數據技術創新與應用實踐 ???推薦指數：4.0
圖數據庫是一種特殊的NoSQL，近幾年也是越來越受到大家的追捧。由于圖數據有一定的專業性，因此受眾相比關系型數據庫相對比較小眾。對于場景使用也有一些特殊要求，個別特殊場景需求比較大，例如社交圖譜、智能風控、知識圖譜等領域很受推崇。在圖數據庫領域最受用戶關注知識圖譜發展動態、圖數據庫的底層數存展示、圖數據庫中的存儲與查詢、圖數據庫選型和建議、圖數據庫最前沿架構等話題最受關注。
| 參考技術要點 | 平均分（5分制） |
| 圖數據庫架構演進與應用 | 4.0 |
| 大規模圖并行計算 | 4.0 |
| 圖數據庫存儲與計算 | 4.0 |
| 圖數據庫查詢與優化 | 4.2 |
海量數據架構設計????推薦指數：4.4??
整體上而言，數據架構已經是非常成熟的技術了。但是隨著數字化時代的來臨，數據的多場景多樣性也伴隨出現，持續的數據增長會要求我們對過去的架構做新的適配，以滿足快速業務增長的需求。隨著數據量增大，需要提高架構設計水平。例如我們當下進行數據架構設計時，不僅要考慮當前的需求，還應該兼顧未來的可能需求，因為一個可擴展的、靈活的架構設計就顯得非常重要。
智能運維 ???推薦指數：4.0??
運維是DBA的常規事項，智能運維已成為數據庫運維的一種趨勢，既是當前比較熱的話題，也是每個公司都必須考慮和面對的問題；隨著軟件技術的越來越智能化，對于從業者提出了更高的要求，例如多源異構數據庫云管、智能場景的算法應用、不同數據庫集群的智能化管理，如何管理更大規模的數據庫集群等，這些都是當智能化運維時代來臨，我們必須面對的現實場景。
| 參考技術要點 | 平均分（5分制） |
| 智能運維分析領域中的算法研究和場景探索 | 4.0 |
| 多源異構數據庫云管平臺架構與實踐 | 4.0 |
| 智能運維AIOps建設及無代碼化探索 | 4.0 |
| 不同數據庫多集群管理方法與實踐 | 4.1 |
時序數據庫 ???推薦指數：4.0
時序數據庫庫與圖數據庫一樣，時序數據庫有專業型。但時序數據庫應用方向更廣、更有想像空間，特別是IoT萬物互聯逐漸臨近，時序數據庫價值被更多的認可。時序數據庫主要落地在物聯網行業中，隨著未來IoT會產生越來越多的數據，時序數據庫也將會成為企業必不可少的工具，針對時序數據庫選型、時序數據庫架構分多種類型的設計、強一致的成本和時間效率、如何實時采集、查詢、調用、處理等這些技術都將是大家關注的焦點。
| 參考技術要點 | 平均分（5分制） |
| 物聯網時序數據庫應用實踐 | 4.0 |
| 時序數據庫的選型與實踐 | 4.0 |
| 時序數據庫架構設計 | 4.0 |
| 時序數據庫高效數據處理實踐 | 4.0 |
數據治理 ???推薦指數：4.0
隨著企業對數據資產的重視，數據質量是很多公司的痛點，如何依賴數據治理來保證數據質量也是很多公司在嘗試做的事情，通過數據治理保證數據質量，讓數據更加清晰，方便使用是數據治理的最重要的方面，行業的實踐有參考意義。隨著數字時代產生的數據多樣性，結構化數據的治理相對容易，對于非結構化數據的治理將是更多企業面臨的主要難點，這些經驗對企業架構設計來說也很有參考意義。
| 參考技術要點 | 平均分（5分制） |
| 元數據治理 | 4.4 |
| 非結構化數據治理 | 4.4 |
| 數據治理在質量方向上的實戰 | 3.8 |
| 數據治理在成本優化上的實踐 | 3.8 |
數據安全 ???推薦指數：3.9
數據安全是目前面臨的非常急迫要關注的問題.數據安全這一塊非常重要了，處理不好對企業的損失和信用影響極大.數據安全，無論熱度，都是大家必須關注的話題，很多國產數據庫，在增強源碼時，都選擇為數據庫添加TDE等安全特性入手，安全，是企業的剛需，特別上云之后，數據安全、脫敏，更是剛需。在當前數據隱私保護合規要求越來越嚴的大背景下，增加數據隱私保護，提升數據安全預警與監控技術是必要的
| 參考技術要點 | 平均分（5分制） |
| 數據脫敏技巧 | 3.9 |
| 數據安全治理實踐 | 4.1 |
| 數據安全的稽核和風險預警 | 3.9 |
| 數據訪問管控技術與技巧 | 3.9 |
數據湖與實時數倉技術與應用實踐 ???推薦指數：4.2
數據湖是對傳統的ETL、數據集市的改良，技術較新。基于數湖技術的實時數倉是目前熱點方向，相關實踐比較有參考的意義。實時分析能力不斷提升，帶給業務的價值正被企業不斷的挖掘并應用，繼lambda和kappa架構之后，很多人發現這兩種架構都不能很好的支撐所有的數據處理場景，因此現在有很多公司提出湖倉一體的實時數據架構，數據倉庫從 T+1模式轉為實時模式，是目前數據倉庫方面的最熱的點.
| 參考技術要點 | 平均分（5分制） |
| 多樣化數據采集處理 | 4.2 |
| 數據倉庫實時數據分析 | 4.4 |
| 基于開源技術的實時數倉 | 4.2 |
| 湖倉一體化技術 | 4.2 |
性能優化與SQL審計 ???推薦指數：3.9
SQL性能優化雖說是老生常談，目前的企業系統開發過程中對此的標準及關注度都非常高。不規范的SQL編寫導致的系統事故也非常的多。SQL性能優化是每個公司，每個DBA都非常關注的內容,針對SQL優化這塊的內容，很多數據庫官網和服務商都陸續推出了自動優化的工具，但當企業業務或場景發生變化是，這些優化的手段有時會失效。SQL審計是越來越多公司需要關注和滿足的SQL功能,SQL統計信息采集也是目前決定最終代碼性能的關鍵因素。MGR是MySQL數據庫目前和后續幾年的主要架構方式,看著很美，一般人搞不定,對MGR褒貶不一。
| 參考技術要點 | 平均分（5分制） |
| SQL性能優化 | 4.0 |
| MGR性能調優 | 3.8 |
| SQL審計 | 4.0 |
| SQL統計信息采集與分析 | 3.8 |
大數據 ???推薦指數： 4.0
大數據技術隨著這十多年的高速發展，已經成為十分成熟的技術。目前大數據的同步技術設計及優化也是目前廠商遇到的難題之一。相比較傳統BDP類大數據平臺的建設當前應用較廣，但實際技術趨勢上傳統的Hadoop這類東西開始逐漸衰落，大數據領域新一些的開源技術可能效果會更好一些。因此，大數據超大規模數據的管理實踐、ZB級數據存儲和計算的系統、在線大數據存儲與算力管理等這些技術將是下一步大數據從業人員關注的重點。
NoSQL數據庫技術實踐 ???推薦指數： ?3.8
NoSQL數據庫作為常規的數據庫技術，使用場景廣泛，Redis是目前主要的緩存NoSQL,幾乎每個公司都會使用。盡管NoSQL數據庫已經實現大面積的落地，但是針對此類數據庫的運維保障存在嚴重的技術不足.NoSQL的技術我理解相對TP來講，并不是太復雜，重點是：場景。
DTCC2022中國數據庫技術大會最新議程發布
2022年8月18日~20日，由IT168聯合旗下ITPUB、ChinaUnix兩大技術社區主辦的第十三屆中國數據庫技術大會（DTCC2022）將在北京國際會議中心隆重召開。大會以“數據智能 價值創新”為主題，緊跟時代步伐，引領前沿技術，設置2大主會場，20+技術專場，將邀請超百位行業專家，重點圍繞時序數據庫、圖數據技術、實時數倉技術與應用實踐、云原生數據庫、大數據平臺與數據安全等內容展開分享和探討，為廣大數據領域從業人士提供一場年度的饕餮盛宴。作為頂級的數據領域技術盛會，DTCC2022將繼續秉承一貫的干貨分享和最佳實踐砥礪前行。
