金融行业，具有对数据库最为严苛和复杂的要求与调整。分布式事务型数据库，经过多年发展，也成功验证其可行性与实用性，可以在金融行业核心场景中稳定运行。

PG数据库的很多企业级运维功能还不完备，这对于从ORACLE等企业级数据库转型过来的DBA感受到不适。因为PG的运维中还是有很多小地方需要注意的，对于大型的企业级系统来说，如果忽视了这些问题，可能会引发运维问题。

7月，几大数据库相关报告发布，很是热闹。2022年至今，新兴数据库企业数量呈现回落，市场逐步收敛，标志着我国数据库产业正从数量增长期向质量增长期转变

一般情况下，大多数系统在刚刚开始的时候往往因为开发时索引设计不够合理而产生了大多数的性能问题，最初的优化工作可以基于慢SQL的处理，通过索引的优化可以度过你最初的具有挑战性的日子。

我经常与那些准备投入大量时间和资源用于注定失败的数据质量计划的组织进行交谈。激励措施和关键绩效指标能够推动良好行为，这并不是什么秘密。

在启用SWAP的数据库系统中，swappiness建议设置小一些，低于10，甚至直接设置为0，这样SWAP的使用倾向会小一些。

最近给几位数据开发转数据产品经理的同学做相关辅导，发现研发转产品在需求挖掘和产品思维方面普遍是短板。对于研发转产品顺利上岸后，如何才能提升产品能力呢？

过去几年，人们越来越关注如何用数据计算投资回报率。也许是因为数百万元花在了无法解决业务需求的平台和管道上——它们整合了数据，但并没有让数据变得更有用或更易理解。

如何评定企业数字化系统的应用价值?一个很直观的评价标准就是系统有没有真正应用起来!但对于大部分传统企业而言系统应用注定在坎坷中进行。

过去一年，生成式人工智能（GenAI）的采用率呈爆炸式增长。2023年Gartner企业机构AI调研发现，GenAI是受访企业部署最广泛的AI技术之一。

Gartner 预测，到 2025 年， 基于云原生平台的数字化业务比例将达到95%，将带来云原生数据库市场的快速增长。

在当今竞争激烈的市场环境中，企业要想实现可持续增长，就必须深入了解并精准把握其用户的价值。其中，LTV(Lifetime Value，用户终身价值)分析作为一种关键的数据分析工具，正逐渐成为企业制定市场策略、评估投资回报以及优化用户关系管理的核心依据。

客户是软件公司的生命线，在当前市场模式下，希望国内的软件大厂还是多一些以客户为中心的思维，多一些以客户为中心的落地能力，提升一些为客户解决问题的响应速度。

本文提出了知识图谱微调：一种基于符号知识编辑的大模型个性化方法(KGT)，通过优化外部知识图谱而非模型参数来个性化模型。

正如某企业CIO所言“在企业数字化转型建设过程中，凡不是从全局视角的省钱，都是后面费钱”，因此企业需要的是不仅是专业能力，更需要有全局观，降低数字化成本无可厚非，但决不能为了过于节省成本而为后期挖坑。

7月18日，OceanBase在京举办的沟通会上首次披露了营收数据，2023年，OceanBase的金融行业营收规模为2.7亿元人民币。在IDC发布《中国金融行业分布式事务型数据库市场份额，2023：技术验证结束，迎接高速增长》报告中，OceanBase收获两项第一：金融行业本地部署市场份额第一、保险证券子市场本地部署份额第一。

数据不仅仅是数字和事实的集合，它是生成式AI时代的金矿。从数据准备度的提升，到数据成熟度的持续发展，每一步都是向数据驱动未来迈进的关键。

我国对于公共服务类系统的业务连续性要求是十分高的，也许这场蓝屏风波，能够给我们的一些IT部门领导敲响警钟吧。是时候重新评估一下这些系统是否能够满足企业的对外业务承诺

在实时分析大趋势下，企业需要根据业务需求选择合适的实时分析产品与方案。企业在进行实时分析型数据库选型时，会关注性能、稳定性、易用性、生态对接、数据导入/导出性能、数据导入导出介质、成本等因素。

他一直把国产数据库厂商当成自己的合作伙伴，虽然有时候这个伙伴也不大靠谱，但是几年来大家相濡以沫，把这项工作持续推进下去了 。随着时间的推移，数据库产品也在他们这样的用户的支持下越做越好，他们对国产数据库的信心也越来越足。