分析型数据库动态数据脱敏技术应用

在数字化转型过程中,需要兼顾数据的价值利用和用户的隐私安全。近年来,国内外陆续出台了相关法律,要求对个人信息通过技术手段进行保护。数据脱敏技术是保障隐私数据安全性及促进数据价值共享的关键技术,在对用户数据匿名化、去标识化的过程中,保留一定的原始数据分布特征和格式属性,使得应用无法通过脱敏后的数据反向推断原始数据,但是仍然可以利用数据的分析价值。本文介绍了中兴通讯EBASE-A分析型数据库中通过改写查询语法树实现数据脱敏的方法,讨论了其技术路线优势、实现原理及架构设计。实验显示,应用典型脱敏规则会产生2.5%~15.7%的额外性能消耗,在应用中符合预期。

面向GoldenX软硬协同优化的异构加速列式存储引擎研究

万物互联时代,随着各类新型计算技术和新兴应用领域出现,传统数据处理方式逐步向云边协同数据处理的方式演进.云边复杂多变的生态系统(多云和多边缘)带来飞速增长的数据规模、复杂的数据位置及负载连接,如何高效稳定的存取数据信息以及如何加快数据查询处理已经成为学术界和工业界急需解决的关键问题.另一方面,以GPU/FPGA异构算力、NVM(non-volatile memory,非易失内存)存储、RDMA(remote direct memory access,远程直接内存存取)网络为代表的新型硬件技术的快速发展和应用,对现有软件架构体系产生了革命性的影响,为数据库系统的演进和性能提升提供了变革基础,吸引着越来越多研究者的关注.如何利用这些不断涌现的新型硬件技术来为工业界使用的真实数据库系统赋能已经成为目前的研究热点之一.首先介绍了中兴通讯GoldenX数据库系统架构,然后重点阐述其列式存储引擎利用新型硬件特性在计算层和存储层进行的软硬件协同设计和优化,主要包括:(1)将压缩/解压、加密/解密任务从CPU卸载到FPGA,利用FPGA的可编程特性,设计专用MISD(multiple instruction stream single data stream,多指令流单数据流)架构处理器,采用“软件接口级-计算核心级-功能模块级”三级流水线设计,提高数据流处理的效率;(2)为列式存储定制向量化执行引擎,利用CPU/GPU的SIMD(single instruction multiple data,单指令多数据流)新特性优化传统火山模型,降低了函数调用开销;(3)对SQL执行引擎进行优化,动态评估和利用GPU计算资源,采用JIT编译技术,将过滤/排序/聚集等具有矩阵运算特征的统计分析型SQL运算任务下推到GPU上,利用GPU的超高并行计算能力提高查询分析性能.实验表明,本文提出的软硬件优化方法有效提升了GoldenX系统性能,在TPC-H基准测试场景的22个查询中,优化后的GoldenX性能比优化前提升了2.5~10倍,比开启向量化的openGauss执行时长减少了17%~78%.

一本书的温暖

四年级刚开学时，老师给我分了个新同桌——我们班又瘦又小、不爱说话的女孩儿——寇子涵。自从和她成同桌后，我从没正眼看过她，总感觉看她哪儿都不顺眼。可是，有一件事彻底改变了我对她的看法。