生命在于运动,健康打卡成为时尚,每天在各种运动APP上打卡的人越来越多。华为运动健康APP为用户提供了自己的专属打卡数据,不仅有周报、月报、年报等各种运动数据,还有健康检测、运动指南、热门活动等内容。
华为运动健康APP拥有5亿+用户,月活用户数2亿+,日活用户数6千万,运动健康设备1.8亿+,是什么在支撑这些海量数据并发呢?这些数据又是如何实时更新的呢?
今天我们就来揭秘华为运动健康背后的黑科技——云数据库GaussDB(for openGauss),它依托分布式架构的超大规模集群能力,在同等硬件资源配置下支撑业务扩大两倍。截止目前,华为消费者云已在GaussDB(for openGauss)上线了40+业务,包括弹幕&评论、云空间、地理大数据等业务系统,实时为5亿+用户提供高效服务。
在揭秘GaussDB(for openGauss)之前,我们先来聊聊它的前世今生,以及它背后的匠心故事。
GaussDB(for openGauss)的前世今生
谈及GaussDB(for openGauss),首先要谈GaussDB,它的研发最早可追溯到2007年,起因是电信领域对数据的要求极高,找不到能与之较好契合的数据库,华为最终下定决心走上了研发数据库的道路,并把这款数据库命名为GaussDB。GaussDB的内核从一开始就追求“电信级高可用高安全高可靠“,随着云时代的到来,GaussDB和云的理念结合就有了GaussDB(for openGauss)。吃自己狗粮,首先服务好内部客户是云的基础理念,因此华为将GaussDB通过云原生分布式服务的方式,服务好华为的消费者云和流程IT等内部客户。
华为知道数据库的生态非常关键,始终坚持拥抱开放的生态。2020年6月华为在上述基础上把单机主备的内核进行了开源,打造开放的openGauss生态,繁荣人才培养,加速创新,让客户不再担心从一个封闭的数据库变成另外一个封闭的数据库。所以GaussDB(for openGauss)基于云化的部署模式,分布式形态,生态开放,更好满足了企业的数据库诉求。
华为GaussDB发布视频中有一行文字:向数学致敬、向科学家致敬。数据库被誉为基础软件“皇冠上明珠”,GaussDB不仅蕴含着华为对数学和科学的敬畏,也承载着华为对基础软件的坚持和梦想。

千锤百炼的GaussDB(for openGauss)
从内部锤炼,再到外部行业实践,GaussDB(for openGauss)淬炼出6大核心能力:
(1)超高可用:支持跨机房、同城、异地、多活高可用,支持分布式强一致,数据0丢失。
(2)开放生态:openGauss开放生态,确保客户避免被类似传统商业数据库的封闭生态锁定。
(3)极致扩展:通过分布式全局事务一致性优化,实现计算与存储的垂直扩展能力,同时支持新增分片的数据在线重分布能力。
(4)卓越性能:分布式优化器+Numa-aware技术加持,提供极致性能。在TPC-C、TPC-H等企业级负载下性能表现卓越。
以及具备丰富的企业级特性(如支持HTAP混合负载,拥有AI自治能力)和超高的安全性(具备独立的代码级的问题修复能力及架构优化能力),构建了极具竞争力的能力。
除了内部锤炼,GaussDB(for openGauss)也广泛应用于外部行业。在某国有大行应用中,GaussDB(for openGauss)成功支撑贵金属交易系统、渠道类业务、商密公文系统等核心业务,为客户带来3大核心价值:(1)高可用,实现了同城单Region多AZ互联支持同城双活,基于三层组网的金融级数据库高可用部署方案;(2)性能线性扩展,支持集群水平扩展,基本联机性能与传统顶级商业数据库持平;(3)弹性部署,部署实例及应用要快速响应业务需求,数据库支持容器化部署。
值得一提的是,华为云GaussDB(for openGauss)还在2020年荣获DTCC年度最佳创新产品奖,而且凭借丰富的数据库种类覆盖度和完善的产品布局,以及丰富的企业级特性;华为云凭借GaussDB系列数据库产品入选Gartner2020全球云数据库魔力象限,获得了市场的广泛认可。
13年积累,破茧成蝶,GaussDB(for openGauss)的每一步都走得踏实而有力,其丰富特性和极致能力广泛适用于金融、政企、互联网、运营商等关键场景,为企业数字化转型提供无限可能。目前,GaussDB(for openGauss)已于官网全面开放商用,欢迎大家前来体验!
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。