优炫数据库

聊聊即将到来的MySQL5.7停服事件

以下文章来源于白鳝的洞穴 ，作者白鳝 白鳝的洞穴. 老白个人交流平台，系统优化、Oracle和架构及驴行天下 上个月，信通院下属的云计算开源产业联盟发布了一个关于MySQL数据库开源生态的研究报告《开源数据库生态发展研究报告-MySQL开源数据库》，其中提到了在10月份MySQL社区将会发生一件大事--MySQL 5.7将会于2023年10月21日结束服务期（EOL）。 MySQL目前已经成为中国用户使用最广泛的开源数据库，其中5.7版本的用户的比重又是最高的，因此MySQL 5.7 EOL事件会影响到很多MySQL用户。 根据报告中的统计数字，MySQL 5.7用户占比在国内高达47%。届时这些用户将会面临选择，如何应对EOL事件。实际上2020年的时候就有一些机构提醒用户，MySQL 5.7按照生命周期将于2023年到达服务期限，当时这件事还在MySQL社区和DBA圈子里引发过一些关于开源项目安全性的讨论。3年后，这个狼来了的问题，终于正式要面对我们了。 实际上数据库EOL的问题并不是在MySQL 5.7上第一次出现，Oracle用户都很清楚每个版本EOL的时间表。只不过Oracle官方依然会对付费用户提供延长期服务，还会在数年时间里继续为这些用户发布安全补丁包，因此EOL的Oracle版本依然可以通过各种渠道找到安全补丁包。而作为开源数据库的MySQL，EOL就意味着开源社区不再提供安全与功能方面的补丁升级了。 面对MySQL 5.7 EOL这个事件，percona官方宣布了付费支持的计划，在EOL之后的三年内，percona会为需要服务的客户提供收费服务支持。不过支持的力度如何，是否承诺对安全问题发布补丁不得而知。 MariaDB一贯的对MySQL持有敌意，他们希望MySQL 5.7用户不要升级MySQL 8了，而是通过11条简单的命令迁移到MariaDB上去。除此之外，一些云厂商也纷纷提出了解决方案。 云厂商则纷纷发布了延长服务的声明，微软Azure将会在MySQL 5.7 EOL之后，为其公有云用户提供延长的服务，由Azure官方提供支持，最晚到2025年。 类似情况，亚马逊也将为其公有云用户提供一年期的支持。不论是亚马逊还是微软，当延长服务期结束后，MySQL 5.7用户将必须强制升级到MySQL 8或者迁移到其他数据库上。 面对这个问题，国内的MySQL生态的数据库厂商也纷纷给出了自己的迁移方案，希望吸引这部分用户到自己的产品上来。 面对MySQL 5.7 EOL这个事件，我们会如何面对呢？最近我也和一些MySQL 5.7用户做了一些交流，根据他们反馈的情况，以及业内对此问题的应对措施，再结合报告中反馈的四种情况，我总结了一下，大致有六种应对措施。 第一条路径：直接升级到8.0。做出此选择的MySQL5.7用户占比较高，此类用户对此问题早已了解，并且在半年前就已经开始应对工作。MySQL 5.7升级到8.0不仅仅是更换一个数据库版本而已，因为8.0与5.7在技术上有较大的差异，CBO优化器与SQL引擎都有一定的不同，因此数据库升级后应用需要做全面的测试，对于不够兼容的部分代码做一定的修改才能确保顺利迁移。因此采用第一种路径的用户，需要做一定的提前准备。 第二条路径：直接迁移到MySQL兼容的国产数据库。有一部分客户考虑到信创的问题，原本就已经计划对数据库进行国产化替代，准备一次性到位。如果用国产数据库替代，那么可以选择的路径也很多，很多国产数据库产品就是MySQL生态产品，比如腾讯TDSQL、万里GreatSQL、中兴通讯GoldenDB、Oceanbase、阿里PolarDB-x等。如果不需要使用存储过程，还可以考虑TiDB。很多国产数据库也有MySQL兼容模式，虽然不能完全兼容MySQL，应用做少量的修改也可以迁移过去。达梦、人大金仓、GaussDB等数据库都有MySQL兼容模式。直接迁移到国产数据库的优点是从根本上完成数据库国产化替代，不过缺点也很明显，一方面是迁移需要一定的资金，也需要一定的时间，另外一方面是国产数据库许可证采购的总体成本不低。 第三条路径：迁移到其他MySQL生态的开源产品，比如MariaDB和国内的GreatSQL。向MariaDB迁移的用户主要考虑的是摆脱Oracle生态，选择一个相对更加安全的开源项目，不过MariaDB社区是否足够安全，也是仁者见仁智者见智。GreatSQL是Percona Server的一个开源分支，也基于GPLV2协议，代码托管在国内的gitee上。在保持与Percona Server兼容的基础上，会更快速地修复漏洞，保障用户的数据安全。随后GreatSQL开源社区将会在官网上开设一个MySQL5.7停服专区，帮助MySQL 5.7的用户解决一些停服带来的问题，为某些暂时无法升级的用户提供支撑。随着软件供应链安全方面的需求的不断加强，国内开源项目分支的发展将会迎来高速发展。这条路径的迁移成本较低，缺点是用户目前对国内的开源分支的认可度还存在一定问题。 第四条路径：对于公有云用户，依托云平台再多撑一两年，在一两年中再选择方向。公有云厂商还会对MySQL 5.7提供一定时间的延长支持。公有云用户先观望一年再选择稳妥的技术路线的比例是比较高的。这条路线获得了一定时间的缓冲区，以便于做出更为科学的决策，不过仅仅是过渡期的临时做法。 第五条路径：换门，从MySQL直接更换数据库种类，转投另外一个开源数据库 PG 阵营。和摄影界换门一样，采取这条路径是要下大决心的。因为以往的应用都要修改，数据都要迁移，以往积累的应用开发与运维经验也都要放弃。 第六条路径：不变，继续使用MySQL 5.7。数据库都是在内部使用的，因此把网络的安全边界扎牢，哪怕有安全漏洞，也不升级，不改变，等到应用系统升级的时候再考虑升级或者更换数据库。选择这条路线的用户比例不低，这条路径成本最低，不过要承担一定的安全风险。采用这条路线的用户把安全依托在网络安全和边界安全上，通过扎紧篱笆来防止安全事故。 最后要表达的观点是，EOL是很多产品都会面临的事件，无需过度担心。不过数据库产品的EOL影响面更广一些，处理起来也更麻烦一些，特别是MySQL 5.7，对于一些复杂一些的系统，直接升级到8.0还是需要做一些验证工作的。作为一个核心的数据资产承载体，没有安全补丁处于裸奔状态的数据库也是一个比较大的隐患。从软件供应链安全上看，商用数据库Oracle在代码上的安全性要高于MySQL这样的开源数据库，再加上Oracle延长期服务依然在出安全补丁，用户也可以通过一些特殊渠道获得安全补丁。因此相对于Oracle数据库的版本EOL，MySQL 的EOL问题更受企业级用户的重视。面对即将到来的MySQL 5.7 EOL，IT部门的领导和DBA哪怕没有做什么动作，多思考一下也是好的。 对《开源数据库生态发展研究报告-MySQL开源数据库》有兴趣的朋友可以点击文后的阅读原文去下载。  

对话北大邹磊：要以发展的眼光看图数据库的挑战和机遇

以下文章来源于ITPUB ，作者任朝阳 ITPUB. ITPUB官方账户，分享社区技术干货内容，了解社区最新动态，参与社区精彩活动。 海量数据爆发下如何挖掘数据价值成为每个企业的必修课，图数据库因在处理复杂关系方面有独特的优势，可以挖掘关系背后隐藏的数据价值，越来越受到关注。 本文为《图数据库选型指南》系列选题文章之一，对话一线厂商、用户和学术界专家，揭开图数据库这一新型数据库的神秘面纱。探求图数据库技术发展的重点和难点，整理行业落地应用的实践，供业内参考。 （北京大学王选计算机所教授 邹磊） 图数据库当前处于早期发展阶段，很多方面还没有形成标准和共识。什么样的场景会用到图数据库？图数据库在数据栈中处于什么样的位置？图数据库的发展有哪些挑战和机遇？学术界和产业界需要怎样联合创新推动图数据库发展？本期我们邀请到了北京大学邹磊教授，就相关问题进行了交流。作为学术界的专家，他指出，图数据库市场的规模正在快速增长，但相较于一些传统数据库领域，它仍然可以被视为蓝海市场。当前图数据库确实机遇与挑战并存，因为处于起步阶段，众多厂商野蛮生长，机会很多。不过也面临多方面挑战：一是图数据行业相关标准还未健全，厂商之间存在多方面差异，导致图数据的交换困难，还未做到互联互通；二是图数据库的应用场景需要充分挖掘，需要找准图数据库的切入点，并且充分发挥图数据库在关联分析等方面的优势；三是将现有数据转化为图数据存在一定的技术挑战，工程量也较大。他认为应以发展的眼光看待图数据库的问题，当前学术界和工业界的关注点并不一样，但产学研用需要联合创新才能更好发展。 读博期间转向图数据库领域，产学研用需联合创新发展 ITPUB：您是如何加入图数据库领域的？现在的发展符合您之前的预期吗？ 邹磊：我是在华中科技大学计算机学院读的本科和博士，本科和研究生阶段对数据库内核逐渐感兴趣，到了博士阶段选择了图数据库方向。 我们学习的时候还没有大数据这个说法，但是在大三学习数据库相关课程的时候，我就对数据管理和数据库非常感兴趣。很重要的一部分原因，我认为是给我上数据库课程的老师，在谈到数据库新发展的时候，激发了我浓厚的兴趣。 后来本科保研的时候，我比较明确地选择了研究数据库方向的卢炎生教授。期间参加了实验室的一个数据库方向的学校教学信息化项目，包括全校的排课、选课和一整套功能的学校教务管理系统。主要是我们几个刚刚保研的研究生一起做这个项目。我记得很清楚，为了提高系统的性能，我们几个经常一起讨论怎么进行数据库表的设计和查询语句如何优化。在这个项目的进行过程中，我其实对数据库的内核开始越来越有兴趣，因为项目中我们只能利用现有数据库系统，做一些应用层的优化的事情，所以查询优化一直是我后面研究中最为有兴趣的事情，一直至今。 具体到博士阶段如何选题做图数据库，这有段过程。十到二十年前和数据相关的最火的关键词是“数据挖掘”，所以我一开始是做数据挖掘中频繁模式挖掘工作的，包括频繁项集、频繁子树和频繁子图的挖掘，我都看了大量的相关文献，也发表了我最初的几篇论文。后来，我看到一篇发表在SIGMOD 2004年的gIndex的论文，是用频繁子图来构建图数据库索引的工作，这篇论文影响了我的研究路线，此后我彻底地转到图数据库领域。我的博士学位论文就是《图数据库中子图查询方法研究》，并获得了2009年的中国计算机学会的优秀博士论文提名奖。 我读博士期间，图数据库的概念尚未成熟，比如我们当时在SIGMOD、VLDB投论文需要指明关键词的时候，找不到非常适合的主题。当时通常会选择 “Semi-structure（半结构化）数据处理”、“索引与查询优化”这些主题词。但是大家可以看看最近几年SIGMOD，VLDB的论文，图数据库和图数据管理相关论文数量可以说几乎能占到论文综述的一半。所以，您问我现在的发展是否符合预期，作为一位一直从事该领域研究的研究者而言，非常欣慰图数据库的研究能这样快速发展，也觉得自己非常幸运地能一直从事图数据库的研究。 ITPUB：在图数据库领域，学术界和工业界的关注点有什么不同吗？您觉得产学研用怎样才能联合创新推动图数据库更好地发展？ 邹磊：学术界和工业界关注点确实存在差异：学术界更关注核心、关键的单点技术的深挖和攻关；而工业界受市场驱动更关注图数据库产品的工程化和应用，需要考虑用户应用的方方面面，也更关注实际应用所产出的效益。不过就图数据库领域而言，工业界和学术界很早就进行联合，像蚂蚁、阿里、腾讯、华为等这些大厂都有自己的研究部门，而且和科研院所都建立了非常紧密的合作，或者是将高校的科研成果进行市场转化，在很多领域的成功应用中，都可以见到此类案例。我们北大团队和华为建立了联合实验室，近期面向华为的数据通讯产品，我们研发用于下一代路由器等嵌入式通讯设备上的图数据库产品，用于快速定位和分析网络故障，巩固了我国数据通信产品在国际上的技术竞争优势。因此，产学研用的联合已经被证明是非常有效地发展模式，对领域技术创新、成果落地以及合作各方都有促进作用。 谈应用场景：要以发展的眼光看图数据库的应用问题 ITPUB：图数据库的应用场景有哪些？有专家指出图数据库现在大多应用于边缘业务，属于探索创新的应用。是这样吗？ 邹磊：我觉得您讲的，和您刚才引述的专家的提法是有道理的。但是对于图数据库，我们得以发展的眼光来看待这个问题。 首先，我们要明确图数据库与传统的关系型数据库（如Oracle）在应用场景上是有较大差异。关系型数据库的应用场景很明确，而目前图数据库的应用场景需要结合行业特点和客户痛点问题进行挖掘和探索，各个行业应用场景都不相同，如在金融行业，图数据库的应用场景就包括风控、反洗钱、客户关系挖掘等等。但是这并不意味着图数据库就只能应用到非核心业务，比如很多工业互联网企业希望借助知识图谱的知识分析、知识溯源能力提升生产过程中的实时质量管控以及发生故障时快速进行故障根因分析等，而这些业务都是这些企业的核心业务。我们通常讲应用驱动技术创新，其实技术创新又可以带来新的核心应用，所以两者是相辅相成的。 所以我始终认为相关企业和学术界，图数据库的研究者、厂商及用户单位，需要经常一起坐下来进行交流，我觉得IT168 & ITPUB这样平台可以为我们提供更多这样的机会。 ITPUB：现在图数据库在哪些行业有落地？哪些行业应用得比较深入？ 邹磊：图数据库已经在许多行业落地，包括金融、医疗、零售、物流等。在这些行业中，图数据库的应用深入程度因情境而异，目前图数据库在金融领域的反欺诈、公安的线索挖掘、医疗领域的疾病关联分析以及零售领域的推荐系统等方面应用得比较深入。其实我们关注这些图数据库的落地场景，可以发现它们都是以数据之间的深层次、复杂关联为基础的，所以拥有这样特征的行业更加适合图数据库的落地。 ITPUB：不同行业对图数据库需求有哪些共性和差异？企业在图数据库选型时比较关注哪些因素？ 邹磊：不同行业对图数据库的需求都是有共性和差异的。共性需求包括高性能、可扩展性、安全性和易用性。企业在选型时通常关注数据量、查询复杂性、实时性要求以及成本等因素。此外，不同行业的特定需求也会影响选型，例如，金融领域更关注反欺诈能力，而医疗领域可能更关注数据隐私和合规性。 谈技术发展：标准化、性能、功能是图数据库研究重点 ITPUB：图数据库当下的研究重点有哪些？ 邹磊：关于这问题，我谈一下我个人的看法： 首先是图数据库的标准化问题，作为数据库系统，标准化的数据模型和查询语言是构建良好技术生态的前提；同时标准化也为学术界的研究提供了一个统一的尺子，可以鼓励更多的研究者专注最核心的技术问题，而不用担心自己研究的技术如何在工业界中被使用；在这一点上，以RDF数据模型为代表的图数据库要比属性图有着明显的优势，因为RDF图数据库完全采用了W3C在语义网协议栈中定义的数据、查询标准。大家可以仔细看一下学术界图数据库研究，尤其是查询优化和分布式图数据库管理的工作，大部分都是基于RDF图数据模型，因为这样大家的工作有个统一比较的标准。属性图最近在标准化方面，也有非常大的进展，包括ISO定义GQL语言标准，我们团队参与制定的国家标准计划《大数据 图数据库系统技术要求》也在做这样的事情，另外LDBC提供了标准的图数据库的测试集，也是试图为图数据库提供一个标准化的评测环境。 其次是图数据库查询优化问题，如前所述，查询优化始终是数据库系统的核心，这同样适用于图数据库。虽然大量研究论文和技术报告都在关注讨论这个问题，但是关于系统化地分析与讨论图数据库查询优化的关键点、技术路线、以及与传统数据库查询优化引擎的共同点和区别等方面的工作是比较缺乏的。我们在2011年的VLDB中提出以“子图匹配”为核心的图查询引擎构建方法，后来在我们的gStore图数据库系统中，一直就采用这样的技术路线，查询效果还是不错的。我们最近正在整理这方面一整套的查询优化机制的工作，后面再和大家一起分享。 ITPUB：图数据库的发展经历了哪些阶段？现在处于什么发展阶段？您觉得图数据库经历了哪几个重要发展节点（转折点）？ 邹磊：我觉得图数据库目前为止应该经历了三个阶段。 第一阶段是“非原生图数据库”阶段，这一阶段是随着关联分析、路径检索需求的不断出现，传统的关系型数据库为了满足海量数据关联分析性能要求，在关系型数据库之上增加了“逻辑图模型”而出现的支持图查询的“图数据库”，如Oracle中也支持图查询与图分析； 第二阶段是“原生图数据库”阶段，这一阶段是随着NoSQL数据库的兴起，以图模型作为数据模型的原生图数据库系统逐渐发展起来，如Neo4j，gStore等； 第三阶段是“多模的HTAP图数据库”，结合图计算引擎，实现“存算一体”的、支持事务分析混合处理的图数据库系统。目前各个阶段都有一些产品，也都在各自不断发展，所以严格意义来说这几个阶段我认为没有太明显的递进关系，更多的可能是不同发展方向。 ITPUB：如果按照数据模型划分，图数据库有RDF图和属性图。据悉，学术界RDF居多，而工业界属性图居多。为什么会是这样的局面？RDF和属性图有什么样的差异？ 邹磊：RDF图和属性图是目前图数据库的两大主流的数据模型，两者各有差异，各有优势。从我个人认知角度来讲，我觉得RDF的优势在于足够简单，所有数据都是三元组形式，而且是无模式（schema-free）的数据建模，灵活性高，也有统一的查询语言SPARQL，而属性图的优势在于可以通过边属性描述更多的信息，更加紧凑。至于为什么会出现学术界RDF居多，工业界属性图居多这个局面，我个人觉得更多的还是学术界可能更偏向于标准化的东西，RDF和SPARQL也是W3C在主推，但是这个局面也不是绝对的，目前也有不少的学术界团队在研究属性图模型，也有企业在研究RDF模型，大家都在相互转化，我们团队目前就在研究既支持RDF模型，又支持属性图模型的多模型图数据库系统。 ITPUB：图数据库的技术路线有哪些？您看好哪种技术路线？ 邹磊：图数据库目前正处于快速发展阶段，目前从技术发展方向角度来说，我觉得主要有两个发展方向：一是性能提升，通过研究新的数据存储模式、数据压缩技术及查询优化算法等，不断提升图数据库的存储能力和查询性能；二是拓展功能，在图数据库原有功能基础上，拓展新的功能，提升图数据库的能力，如图计算、图分析能力，混合事务分析能力等。 谈市场：图数据库市场仍然是蓝海市场，国内外齐头并进 ITPUB：现代数据栈正在不断完善更新，在数据库层面不断有新的数据库出现，图数据库、时序数据库，还有更新的向量数据库，您觉得图数据库在整个数据库栈中处于什么位置？将扮演怎样的角色？ 邹磊：技术的创新和发展是应用场景需求驱动的，随着数据规模越来越大，数据格式和种类越来越多，传统的数据库技术面临多方挑战，因而出现了图数据库、时序数据库、向量数据库等新的数据库形式，这同时也说明某一种技术并不能解决所有场景的问题，不同数据库技术针对不同的需求场景具有不同的优势。 至于图数据库而言，它的特点决定了它可以在两个方面扮演重要角色。一种是在数据融合方面。图数据存储结构，是用点和边来存储实体和关系，传统的业务应用系统需要开发接口进行信息集成。但如果把这些应用系统中的关系型数据转化为图数据，就可以将数据融合在一张大图中，从而可以为上层数据分析系统提供综合分析方面的支持。例如在公安系统在分析案情时，可能会用到户籍、交通、住宿等多方面的数据，这时图数据库就可以发挥优势，将这些数据进行融合。第二，图数据在关联关系的分析方面，尤其是复杂的多跳关系方面也可以扮演重要角色。以社交网络为例，分析某两个人之间是否存在某些隐含的关联关系，如果使用传统的关系型数据库，可能要做多个表的join连接操作，当关系复杂时查询非常困难，而图数据库可以轻松实现。 ITPUB：据您了解，图数据库市场有多大规模？现在是蓝海还是红海？ 邹磊：图数据库市场的规模正在快速增长，但相较于一些传统数据库领域，它仍然可以被视为蓝海市场。 我觉得随着越来越多的企业认识到图数据库的价值，预计市场规模将继续扩大。前段时间刚好看到了一个国外权威机构发布的报告，预测全球图数据库市场规模将从2023年的29亿美元增长到2028年的73亿美元，复合年增长率为20.2%。不过，竞争也在加剧，因此厂商需要不断创新以脱颖而出。  ITPUB：有人说现在图数据库虽然火热，但叫好不叫座，是这样吗？您怎么看图数据库的机遇与挑战？国内外有哪些共性和差异？ 邹磊：我们认为叫座只是时间问题，当前国内外图数据库市场均处于起步阶段，近些年一直在保持快速增长。 首先，像金融、IT、电信等行业因为有大量数据、成熟的应用以及迫切的需求，  显露出了巨大的市场潜力并已经产生了显著的经济和社会效益；其次，整个社会对于图数据技术的认知也在逐渐扩大，因为基于实体和关系的图数据模型符合现实世界的抽象，相应的图分析方法也具有普适性，各行各业都可以自主挖掘应用场景，未来想象空间很大；再者，大模型等相关技术发展产生的影响，会进一步促进图数据库的普及和应用，大模型技术将自然语言处理能力大幅提升，对于非结构化数据转化为图数据有很大增强，两者在技术上具有互补性，可以相互促进。 当前图数据库确实机遇与挑战并存，因为处于起步阶段，众多厂商野蛮生长，机会很多。不过也面临多方面挑战：一是图数据行业相关标准还未健全，厂商之间存在多方面差异，导致图数据的交换困难，还未做到互联互通；二是图数据库的应用场景需要充分挖掘，需要找准图数据库的切入点，并且充分发挥图数据库在关联分析等方面的优势；三是将现有数据转化为图数据存在一定的技术挑战，工程量也较大。 在图数据库领域，国内外科研领域都取得很多优秀成果，市场上也都涌现出很多开源的、商业的优秀产品，属于齐头并进的形势。比如我们自己研发的基于RDF的gStore图数据库系统，也赢得了国内外同行的认可。 总结与展望 ：图数据库独有的三大特性和未来技术发展趋势 ITPUB：您觉得属于图数据库独有的特性，有别于其他数据库（如关系、时序、文档等）的特性有哪些？（列举您认为重要的前三个） 邹磊：我觉得主要有三个方面的特性。 一是查询性能，这里指的是数据关联查询的性能，关系型数据库通过大量join操作实现数据关联查询，搜索空间巨大，而图数据库通过图的搜索算法（如深度优先、广度优先）可以在较小的范围内进行快速检索，关联查询性能具有巨大优势； 二是语义表达，在传统数据库中（如关系型数据库）要查询两个数据之间可能存在的关联关系，需要穷举所有的可能性，相关查询语句非常复杂，而基于图数据库特有的路径检索或者属性路径方法，可以方便表达查询语义； 三是结构特性，基于点和边的图模式结构的图数据库，边的“稀疏性”结构特性也可以反映一些数据的“隐含”信息，如在社交网络中，与某人相关联的边越多，越能说明这个人是“社交达人”，而这种数据的“稀疏”特性在关系型数据库中很难发现和处理。 ITPUB：未来，图数据库有哪些重要的技术发展趋势？ 邹磊：我认为首先是HTAP和流批一体技术，HTAP就是事务分析混合型图数据库，既可以应用于事务型数据库场景，也可以应用于分析型数据库场景，而流批一体是指可以对数据进行批处理，即处理静态的、历史的数据集，也可以对数据进行流处理，即实时地处理一些数据流，实时产生结果。以满足更多场景需求。 然后是分布式技术图数据库技术，当前图数据的规模越来越多，已经达到千亿、万亿的处理需求，而且还会继续增长。学术界和工业界已经构建了不少分布式图数据管理系统，但分布式技术仍然是一个重要的发展趋势。 再者，图数据库在一些特定应用场景和运行环境下的技术研究也是一个重要趋势。例如动态图环境、低资源嵌入式环境、软硬件协同、时序数据等等，都面临不断增长的新需求，相应地对技术发展提出要求。 嘉宾介绍：邹磊，北京大学王选计算机所教授，大数据分析与应用技术国家工程实验室（北京大学）知识集成和智能决策中心主任。邹磊教授的研究包括图数据库，知识图谱，尤其是基于图的知识图谱数据管理，面向知识图谱的自然语言问答，图分析与机器学习，以及大数据系统；他已经发表了50余篇计算机领域的顶级国际学术期刊和会议（CCF-A）上，包括SIGMOD, VLDB, ICDE, TODS, TKDE, VLDB Journal等。邹磊教授曾获得中国自然科学基金（NSFC）优秀青年基金，国家重点研发计划项目的资助。另外，还获得了英国皇家学会的牛顿高级访问学者基金的资助。2017年获得教育部自然科学二等奖（获奖项目“大规模图结构数据管理”，排名第一）。

优炫软件入选北京民营企业科技创新百强

近日，北京市工商业联合会正式发布《2022年度北京民营企业科技创新百强名单》，凭借在信息安全卓越的技术创新能力、解决方案及品牌影响力，优炫软件登榜第90位。 未来，优炫软件将持续发挥百强企业在产业发展中的示范作用，不断强化自身责任感和紧迫感，进一步深化技术研发、夯实行业优势、不懈前进创新，持续推动数字中国建设及行业数字化转型，为中国软件行业发展和产业升级做出更大贡献。

在实时场景，该用时序数据库、实时数据库还是实时数仓？你分得清吗？

时序数据库， 实时数据库， 实时数据仓库， 此三者，差之毫厘，失之千里。若弄不清楚它们之间的差别，实时场景中与客户交流， 就容易出现鸡同鸭讲，驴唇不对马嘴。 作者 | 祁国辉 责编 | 韩   楠 为满足实时响应而生的实时数据库 实时数据库（Real-time Database）是一种能够实时处理数据查询和更新的数据库。这类数据库的目标是在数据产生或更新后尽快地提供数据访问。实时数据库具有低延迟和高并发性能，通常应用于需要实时查询和数据分析的场景，如交通控制系统、在线游戏或者金融交易系统等。 一般而言， 实时数据库因为对响应有极高要求， 所以使用全内存的架构比较多，所以也有不少内存数据库也可以看作是实时数据库。 ◆ 实时数据库典型场景 交通控制系统： 需求：交通控制系统需要实时监控交通数据，如车辆位置、速度和路况信息，并根据实时数据进行智能调度和优化。 性能指标：数据读取延迟、数据更新延迟、查询并发能力、分布式事务性能。 在交通控制系统场景中，实时数据库的数据读取延迟、数据更新延迟、查询并发能力和分布式事务性能是关键指标。这些指标能确保实时数据库能够满足高并发、低延迟的实时数据处理需求。 以高铁的列车控制系统来说， 列车时速超过200km/小时， 司机已经难以辨别地面信号进行控制， 所以所有的突发情况， 都需要通过对路况，车辆运行情况等进行实时判断，然后快速做出响应。 在线游戏： 需求：在线游戏需要实时处理大量玩家数据，如角色状态、游戏排行榜和虚拟物品交易等，以保证游戏体验和公平性。 性能指标：数据读取延迟、数据更新延迟、查询并发能力、分布式锁性能。  因IOT而大行其道的时序数据库 时序数据库（Time Series Database）是一种专门用于处理时间序列数据的数据库。时间序列数据是按照时间顺序进行存储和管理的数据，通常包括时间戳和相应的数据值。时序数据库具有高效的数据插入和查询性能，以及良好的数据压缩能力。它们通常用于存储和分析时间序列数据，如金融市场数据、物联网传感器数据或系统性能指标等。 例如下图是某支股票一天的实时走势图，纵坐标是股价，横坐标是时间，这条线就是一条时间序列。可视化之后我们得以直观地观测股票价格。 某支股票一天的实时走势图 时序数据库一般是无 Schema 的。类似于关系型数据库中的 table 被成为 度量数据集（measurement）。一个数据集包含如下概念： 1.数据点（point），类似于关系型数据库中的 row； 2.时间戳（timestamp），表征采集到数据的时间点； 3.维度列（tag），代表数据的归属、属性，表明是哪个设备/模块产生的，一般不随着时间变化，供查询使用； 4.指标列（field），代表数据的测量值，随时间平滑波动。 从概念上讲，你可以将 measurement 视为一个SQL表，其中主索引始终是时间。tags和fields是表中的有效列。tags一般采用倒排索引。 ◆ 时序数据库典型应用场景 物联网传感器数据分析： 需求：物联网设备产生大量的传感器数据，需要进行实时存储、查询和分析，以监控设备状态、检测异常和优化设备性能。 性能指标：数据插入速度、数据压缩率、时间序列查询速度、时间窗口聚合性能。 在物联网传感器数据分析场景中，需要关注时序数据库的数据插入速度、数据压缩率、时间序列查询速度和时间窗口聚合性能。这些指标能帮助确保数据能够快速地存储和检索，并且占用较少的存储空间。 工业时序数据本身存在的特点。它不仅有传统大数据的特征，如数据量大（海量性）、数据上报频繁（高频性），对实时性、准确性的要求也越来越高。 某风能发电企业有超过 2 万个风能发电机，一个风机有 120 - 510 个传感器，采集频率高达 50 Hz，也就是每个传感器可达到 1 秒 50 个数据点的采集峰值，总量每秒采集 5 亿个点的数据，吞吐量极大，且因为有用数据做监控和报表等需求，实时性要求高。理想的数据库应做到写入及聚合查询低延迟，例如查询某段时间内的风速。此外，这些数据还具有价值密度低的特点，因此也应强调高压缩率，降低企业存储成本。  金融市场数据分析： 需求：金融市场产生大量的实时交易数据，需要进行实时存储、查询和分析，以进行市场监控、交易策略优化和风险管理。 性能指标：数据插入速度、数据压缩率、时间序列查询速度、滚动聚合性能。 为满足实时业务分析和决策而产生的实时数据仓库 实时数据仓库（Real-time Data Warehouse）是一种能够实时获取、存储和分析数据的数据仓库。与传统数据仓库不同，实时数据仓库支持实时数据处理和实时数据分析。实时数据仓库通常包含一组工具和技术，如数据集成、数据存储和实时分析引擎等。这类数据仓库适用于需要快速分析和决策的场景，如实时个性化推荐、金融风险管理或物联网分析等。 实时数据仓库典型场景 实时数据仓库典型场景 - 实时个性化推荐： 需求：实时个性化推荐系统需要实时获取用户行为数据，如浏览记录、购买记录和评价信息，并进行实时分析和模型更新，以提供精准的个性化推荐。 性能指标：数据导入延迟、数据查询延迟、实时聚合性能、实时模型更新速度。 实时数据仓库典型场景 - 金融风险管理： 需求：金融风险管理系统需要实时获取金融交易数据和市场数据，并进行实时分析和监控，以及时发现和预防潜在风险。 性能指标：数据导入延迟、数据查询延迟、实时报表生成速度、实时数据挖掘性能。 对于实时个性化推荐场景，实时数据仓库需要具备较低的数据导入延迟、数据查询延迟、实时聚合性能和实时模型更新速度。这些指标能确保实时数据仓库能够支持实时数据处理和分析，从而为用户提供精准的个性化推荐。 三者之间的联系与区别 数据类型和处理：时序数据库主要关注时间序列数据，而实时数据库和实时数据仓库则关注实时数据处理和分析。实时数据库主要用于实时查询和数据更新，而实时数据仓库则是在数据仓库的基础上增加了实时数据处理和分析的能力。 应用场景：时序数据库适用于处理和分析时间序列数据的场景，如物联网数据分析和金融市场分析等。实时数据库适用于需要实时查询和数据更新的场景，如交通控制系统和在线游戏等。实时数据仓库适用于需要实时获取、存储和分析数据的场景，如实时个性化推荐和金融风险管理等。 技术架构：时序数据库、实时数据库和实时数据仓库在技术架构上也有所不同。时序数据库通常使用专门针对时间序列数据的数据结构和存储技术；实时数据库则关注低延迟和高并发性能；实时数据仓库则包含数据集成、数据存储和实时分析引擎等组件。 数据分析和查询能力：时序数据库主要针对时间序列数据的查询和分析，例如滚动聚合、时间窗口查询等。实时数据库注重实时查询和数据更新，例如实时查询在线用户的信息或实时更新游戏分数等。实时数据仓库则提供实时数据处理和分析能力，例如实时聚合、实时报表和实时数据挖掘等。 数据延迟：时序数据库通常对数据延迟的要求较低，因为其主要关注时间序列数据的长期趋势和模式。而实时数据库和实时数据仓库则注重数据的实时性，尽量减小数据产生和更新到数据访问之间的延迟。 扩展性：时序数据库、实时数据库和实时数据仓库在扩展性方面也有不同的考虑。时序数据库通常关注数据的高效插入和查询，因此在分布式系统中可能采用数据分区和数据复制等技术。实时数据库则注重低延迟和高并发，可能采用分布式事务和分布式锁等技术。实时数据仓库则关注实时数据处理和分析的扩展性，例如采用流式计算框架和分布式存储等技术。 写在最后 通过对实时数据库，时序数据库，和实时数据仓库的分析， 我想大家会对这三种数据库的使用场景有了更进一步的了解， 三者之间， 有相通之处在于， 都是和时间紧密耦合，但是针对不同的细分场景， 在细分场景下由于需求有细微差异， 从而导致了不同的技术路线。当然，之后随着技术发展和用户需求的变化， 肯定还会出现更多更新的融合场景， 也可能会有更多的新产品出现。

成都市龙泉驿区副区长龙海波一行莅临优炫软件调研指导

9月26日，成都市龙泉驿区副区长龙海波、区新经济和科技局局长廖艳丽、区新经济和科技局党组成员、机关党委书记廖骏、经开产投集团（工投公司）执行董事、总经理钟利、区委区政府值班中心副主任许之一行莅临优炫软件北京总部调研指导，优炫软件董事长梁继良陪同调研。 座谈会上，董事长梁继良对成都市龙泉驿区领导一行的到来表示热烈欢迎，梁继良致完欢迎词后，由董事办魏辰介绍公司情况等。副区长龙海波听后，对优炫的发展表示非常认可及高度赞扬。 副区长龙海波一行听取了关于公司发展历程、主营业务、战略布局、技术成果等介绍，充分认同优炫软件在数据库领域取得的成绩和发展思路。 领导一行参观了总部办公环境，观看公司研发的数据库管理系统、数据安全等产品的大屏演示。

江西广播电视台党委书记、台长龚荣升会见北京优炫总经理黄志军一行

转载至广电赣军 10月10日下午，江西广播电视台党委书记、台长龚荣生会见北京优炫软件股份有限公司总经理黄志军一行，就台（集团）与北京优炫深化合作事宜进行了深入交流。台（集团）党委副书记、总编辑、总经理丁晓胜，集团副总经理龙凤生出席。 龚荣生对黄志军一行表示欢迎。他指出，北京优炫作为国产数据库的领军企业，专注国产数据库和数据安全的定位，抓住了信息技术国产化替代的国家重大战略机遇，在数字技术领域取得重大技术突破，成功解决了数据库国产化的难题，顺应了国家重点扶持高科技产业的有关政策。双方通过资本合作布局技术领先、具有良好成长预期及投资价值的高科技企业，符合我们江西广电在数字科技领域的战略规划。 龚荣生强调，北京优炫首选江西广电作为战略合作伙伴，既是对我们的信任，也是江西广电发展的机遇选择，希望北京优炫将相关的数据库管理、运营推广等业务尽快落户江西。技术竞技是电竞行业的标杆，已成为全球最具潜力、发展最为迅猛的新兴产业，北京优炫此次引入的世界知名技术竞技项目，将更好地赋能江西广电产业生态圈。双方要秉着相互信任的原则共同前进，高效、稳健、精准地推进资本合作和项目拓展。 丁晓胜高度肯定北京优炫的技术实力和发展前景，认为双方有着广阔的合作空间。就此次双方资本合作和项目拓展，丁晓胜指出，由台（集团）科技发展中心牵头，组织网股公司、风尚购物公司、数字科技公司、数字文化集团等集团所属主要科技企业，实地赴北京优炫与其技术部门、典型用户开展技术交流，客观评估北京优炫技术体系和产品前景。计划财务部组织精干人员，根据公开资料对国内知名的科技企业如美团、滴滴、海量等做好财务效益和资本价值分析，为台和集团决策提供参考。 龙凤生对北京优炫坚持自主创新的理念表示认同。他指出，要充分发挥江西广电在宣传推广上的优势，向省内目标用户推介国产数据库产品，不断深化北京优炫与江西广电的合作。 黄志军对江西广电的大力支持表示感谢。他介绍了北京优炫近期重要工作进展和科创板上市规划，并就市场趋势、重大项目、产品研发、财务报表等作了详细解读。他希望在重大项目、资本市场等领域与江西广电全面深化合作。 台（集团）总经办（产业经营管理中心）、计划财务部、基建管理中心、投资公司负责人，北京优炫有关人员参加会见。

抖音基于业务的风液兼容数据中心规划与设计

以下文章来源于ITPUB ，作者李雪薇   本文为《液冷服务器选型指南》系列选题文章之一，笔者通过对话一线液冷服务器专家，帮助用户了解液冷服务器选型的重要性和方法，提供液冷服务器选型的关键因素和考虑要点，通过对不同液冷技术的对比与评估，用户可以了解各种技术在性能、能效、成本等方面的差异。 在日前举办的2023年开放计算社区中国峰会（OCP China Day 2023）上，抖音视界有限公司数据中心技术总监井汤博以终端用户的角色，分享了当前主推方案面临的挑战和应对策略，并详细介绍了抖音基于业务的风液兼容数据中心规划与设计。   抖音数据中心简介 在抖音集团内部，会把数据中心简单分为两个层次，即宏观的数据中心和狭义的数据中心。 从广义来说，抖音数据中心包括底层的基础设施和上层的IT设备（服务器、网络设备和相关的网络链路）。 从狭义来说，抖音数据中心的基础设施主要是风火水电的设备，包括所配套的一些电力、土地、网络和水资源。 值得一提的是，广义的数据中心在抖音集团内部会作为一个底座，去支撑上层的平台资源（数据库、操作系统、APP），包括头条、西瓜视频、公有云服务等。   抖音数据中心的技术理念主要分为五个方向：超大集群、节能降耗、高效稳定、极速交付和绿色低碳。其中，抖音的重点工作是保证数据中心的高效稳定和节能降耗。 同时，抖音数据中心更加关注两个点：超大集群，极速交付。超大集群是指多个大规模数据中心集群建设经验，单一集群达40万台，无损互联高性能RDMA网络，提供快速稳定算力支撑，服务器面向能效优化研发，提升单位能耗性能。 值得一提的是，抖音是一家年轻的公司，业务发展速度非常快，往往超出了IDC本身资源规范建设周期。 因此，在倡导技术理念的同时，抖音会主张极速交付，从规划设计、选址、资源选取都倡导工厂预制化、模块化交付（集装箱数据中心、预制化配电模块、预制化制冷模块等），从而提升工程质量，缩减交付周期。   抖音数据中心的技术演进 抖音从成立之初，在数据中心基础设施领域的技术演进过程，可以分为四个阶段：起步阶段、快速部署阶段，标准化阶段和绿色阶段。    在起步阶段（2012-2017年），通过采用一些简单的租赁型数据中心，来满足已有业务发展需求。 在快速部署阶段（2017-2021年），抖音倡导敏捷型交付，从数据中心获取到预制化的建筑、制冷方案、电力等模块，满足业务快速增长需求。 在标准化阶段（2021-2023年），抖音数据中心业务分为两个方向：标准化，节能的示范落地。这一阶段，抖音侧重于液冷技术的研发与试点，将以往的经验固化，进行标准化的设计和探索，从而保证平衡的质量和交付的权衡。 在绿色低碳和创新阶段（2023年-未来），基于国家对可再生能源的倡导，以及公司对成本和TCO的平衡，驱动新型制冷方案的诞生。 数据中心技术方案的决策过程 井汤博从脉络上给大家梳理了抖音集团内部对不同技术方案的决策过程，他表示，“我们并非只使用热点技术，而不使用过时技术，更多是从逻辑上分析问题，考虑其是否满足业务需求。”   整个决策过程包含两大因素：限制因素和可选因素。从抖音集团底层架构来说，限制性因素是很难被影响，包括政策，业务紧急需求，新一代IT的代际演变等。 可选因素包括特殊需求、TCO优化、挖掘潜力等。比如，数据中心的建设目标是什么，快速交付、低成本，还是满足政策对PUE或者绿色低碳的限制和要求？ 随后，将这些条件输入决策矩阵中，通过项目落地和成本和进度可靠性复盘，来迭代设计优化理念和架构创新。最终，抖音集团内部就会遴选出来一些真正适合自身的技术方案。 如图所示，针对不同的业务驱动场景，抖音集团内部更关注的一些因素，成本优势、快速交付、稳定可靠、技术制约、资源制约、可持续发展等，它们会引导技术方案组合的决策。 当前主推方案面临的挑战和应对 基于上述决策逻辑，井汤博认为，“接下来在一段时间之内，冷板液冷会成为抖音主要的技术方案。”   冷板液冷是高功率密度和高效散热平衡的解决方案，可以降低PUE达1.2以内，提升资源利用率，便于老旧机房升级改造，适合大多数地区气候条件，具有极高性价比。 然而，冷板液冷技术本身的灵活性和响应不足，对服务器、IT网络、机房、存量的限制很多。一旦发生变更，从液冷变成非液冷，变更成本非常高。不同区域的方案差异较多，当IT发生代际变化和更新时，运维挑战会增加，进度影响也非常大。 因此，抖音归结出三个应对方式：定制化的专有设计、工程化、液冷专有。 在风液兼容方面，需要匹配业务变化波动和服务器代际变化，降低变更成本和进度影响，复用性增强。 在标准化方面，采用归一化设计，固化常规场景设计理念和架构，保证运维一致性高，变更成本低，业务迁移成本低。 在产品化方面，技术路线稳健迭代，推动技术有序演变，持续优化成本/质量和稳定性提升。 风液兼容规划需求和思路 抖音风液兼容规划需求来自于不确定性，通过产品化的规划，既有成熟方案的整合，合理的兼容假设，还有必要的成本增加和人力投入，最终产生风液兼容的设计。 整体规划需求是在规定时间和成本内，交付限度范围内的兼容性机房，并且满足稳定性要求。 抖音风液兼容规划的总体思路，大概分为两部分：一、从参数上，保证高灵活、高可靠和低成本。二、从收益和代价上，在满足业务的基础上，实现价值量化，保证ROI可控。   关于风液兼容技术方案的四个考虑点：建筑及空间兼容，制冷系统兼容，电力系统兼容，机柜及网络兼容。 建筑及空间兼容性取决于机柜、列级、房间、室外设备空间。 制冷兼容包括冷源兼容、输配管路兼容、风侧末端兼容三方面。 电力兼容主要指电力资源的平面化、超电化，机柜供电区间的弹性化。 机柜及网络兼容包括标准机柜兼容、楼内网络互联兼容、园区跨楼互联兼容。 总体来看，风液兼容理念收益明显，兼容性强，匹配业务和IT代际变化，相对变更成本低，进度可控，业务比较友好，设计池化。当然，风液兼容理念的代价是初期投资略高，部分空间浪费和电力资源浪费。 风液兼容规划执行及落地 关于风液兼容规划执行及落地，抖音主要围绕需求管理、风险管控、代际迭代、产品化等方面着手。   井汤博指出，“在中国，我们进行了一些小范围的探索，在海外，也进行了大量的规划设计，未来风液兼容会作为我们的主推方案。希望大家可以一起共建风液兼容的行业生态。” 总结来看，风液兼容不是万能良药，有收益也有代价，关键要看“疗效”。风为主or液为主？取决于你的场景和收益。 定制化or规范化？取决于你在什么阶段。如果处于起步期，选择一个优秀的方案更好；如果处于成熟期，选择一个稳定规范的方案更为妥当。

金融多主数据库应用行动计划在京正式启动

让中国人用上自己的数据库 文章来源：新浪财经  10月13日，2023金融业数据库技术大会在京成功召开。在下午金融业数据库技术创新发展分论坛中，金融信息化研究所与阿里巴巴、奥星贝斯、达梦、南大通用、华为、天翼云、万里数据库、云和恩墨、优炫数据库、崖山科技共同启动金融多主数据库应用行动计划，代表我国金融数据库多主架构升级工作已达成产业合作共识，并正式进入统筹推进阶段。 会上，金融信息化研究所庄文君发表《勠力同心，共促我国数据库多主架构升级》主旨分享。庄文君认为，当前金融行业应用我国数据库进程仍需加速，主要挑战在于目前广泛采用的主从架构的数据库，无法同时满足我国金融业务对稳定性、弹性和绿色集约的要求。多主架构数据库所有实例均可支持读写，且一份数据副本可被全局多个实例共享，因此同时具备高可靠性、强扩展性与高集约度，是我国金融行业数据库的必然发展方向。从供应侧看，国内多主架构数据库研究成绩斐然，阿里、华为、南大通用、优炫、万里等厂商均已取得重要突破；多主架构数据库依赖存算分离架构，而我国高性能网络、高可靠共享存储等基础设施水平也已达世界领先。因此，多主架构数据库已具备迈向成熟的重要条件。 谈到如何加速推动多主架构数据库成熟落地，庄文君认为，凝聚中国数据库产业链力量是关键。目前中国数据库从业人员众多，但力量分散在300多家大大小小的数据库厂商中，应当明确发展方向，集中力量攻关多主架构数据库研究；我国数据基础设施厂商也应投入更多研发力量到实现多主架构的关键技术方向上，以便数据库厂商充分利用，避免重复造轮子。为了更好的凝聚产业链力量，金融行业应当通过专项行动，统筹推进多主数据库研发与应用。因此，金融信息化研究所协同产业标准组织、数据库厂商与基础设施厂商，启动金融多主数据库应用行动计划，共同明确工作方向、统筹力量投入、管理推进节奏，基于存算分离，加速我国数据库多主架构升级。 分享结束后，庄文君与阿里云数据库解决方案总监冯程、OceanBase技术研发总经理韩富晟、达梦数据库副总经理彭军、南大通用CTO张绍勇、华为闪存存储领域总裁黄涛、崖山科技副总裁王南、万里数据库售前部技术总监姚鑫楠、云和恩墨产业发展部总经理柏翔、优炫软件数据库事业群总经理王国军、天翼云数据库资深专家陆太宝共同登台进行金融多主数据库应用行动计划启动仪式。 金融多主数据库应用行动计划启动是我国数据库发展史上的又一重要里程碑，标志着我国数据库产业逐渐步入统筹发展阶段，并集中力量攻关领域前沿课题，努力实现数据库技术从追赶到超越。参与此次推进计划的机构涵盖金融行业标准研究机构、数据库领军企业和基础设施领军企业，是我国IT产业界一次重磅握手，彰显出金融行业推进我国数据库多主架构升级、加速基础设施自主自强的信心与决心。

山西省临汾市委书记李云峰与优炫软件董事长梁继良一行举行工作会谈

工作会谈 加大投资布局力度 助推临汾数字经济高质量发展 山西省临汾市委书记李云峰与北京优炫软件股份有限公司董事长梁继良一行举行工作会谈 深入交流 10月16日，市委书记李云峰与北京优炫软件股份有限公司董事长梁继良一行举行工作会谈，就加强务实合作进行深入交流。 加强合作 优炫数据库管理系统 推波助澜 李云峰代表市委、市政府对梁继良一行表示欢迎，对北京优炫给予临汾数字经济、信创产业发展的支持表示感谢。他说，当前，临汾正处于发展的最好时期。近年来，全市上下深入学习贯彻习近平总书记考察调研山西重要讲话重要指示精神，全面落实省委、省政府部署要求，持续优化营商环境，牢牢把握城市“双品质”建设这一最大逻辑，城市基础设施、公共服务水平大幅提升，城市颜值气质价值不断攀升，一大批知名企业相继落地，各类优秀才俊竞相来临创新创业。特别是我市主动融入“东数西算”国家战略布局，推动全领域全行业全产业链数字赋能，全面拓展智慧城市等场景运用，打造了尧都高新区云商产业园，吸引了字节跳动、百度、360、阿里、网易、北京优炫等一批知名数字经济标杆企业落地，全市数字经济呈蓬勃发展之势。北京优炫与临汾有着良好合作基础，未来合作前景十分广阔，希望企业继续深耕临汾，充分发挥技术、人才等方面优势，加大在临投资力度，共同推动双方合作不断取得新突破，助推临汾数字经济高质量发展。市委市政府将为企业提供最优质的服务，全力帮助企业开放市场、开拓市场，真正让到临汾投资的企业能挣钱、能盈利、实现可持续发展。 梁继良感谢市委、市政府对北京优炫的大力支持，高度赞誉临汾良好的营商环境、强劲的发展势头，简要介绍了企业发展情况和进一步深化合作的思路。他表示，北京优炫将把临汾作为发展布局的重要基地，加强沟通对接，持续做大做强在临业务规模，吸引带动更多合作伙伴、关联企业到临汾投资兴业，为临汾推动高质量发展全面提质提速作出积极贡献。 北京优炫软件股份有限公司首席运营官、电投云碳（北京）科技有限公司总经理孙家彦，深圳市怡亚通储能科技有限公司副总经理于修和，市委办公室、市发改委、市工信局、市行政审批服务管理局、市促进外来投资局、尧都区负责人参加会谈。 文章来源：临汾日报 文 临汾日报全媒体记者 张浩 视频来源 临汾广播电视台 编辑 荀丹薇 校对 韩晓霞 师卓莹 责任编辑 卢婷