在当今快速发展的科技时代，软硬件的升级和替换已成为企业持续发展的重要驱动力。随着国家对自主可控技术的重视，国产化软硬件的升级替换已成为行业趋势。

　　为此，ITPUB特别策划了主题为“国产化软硬件升级替换之路”的系列沙龙。邀请行业内的专家共同探讨在数字化浪潮下，如何实现国产化软硬件的平滑、稳定和安全升级替换。

　　我们迎来了第七期分享，达梦数据技术(江苏)有限公司总经理付新、阿里云数据库空天数据库产品负责人宋震、拓数派产品社区总监吴疆、泽拓科技数据库高级技术专家吴夏四位专家，分享了他们在国产化软硬件替代方面的最新研究成果和实践经验。

　　01

　　付新：达梦分布式NOSQL数据库架构探索与实践

　　付新带来了“达梦分布式NOSQL数据库架构探索与实践”的主题分享，结合达梦公司多款分布式NOSOL数据库架构的实践经历，介绍了达梦在NOSOL数据库领域的分布式架构演变路径与主要创新点，并对产品后续发展方向进行展望。

　　付新表示，达梦分布式NOSQL数据库最初采用的是典型分布式数据库架构，该架构采用计算/存储分离，计算节点无状态，存储节点数据分片，多副本，无单点故障，负载均衡，整个存储系统可以组成超大型KV系统，并采用LSM树支持顺序写。

　　但是，在后续的应用过程中，典型分布式架构出现了各种业务问题：如，存算分离架构在部分场景通信代价大；分布式数据库不适应单机/双机场景；数据存储成本高；数据分布方式不灵活；数据分片方式不灵活；数据迁移代价大；整个存储集群形成一个大KV系统对用户资源控制不便；分布式数据库的LSM树写放大突出等。

　　针对上述问题，达梦分布式NOSQL数据库架构正在不断演进及完善，实现了存算分离/存算一体自适应；单机分布式一体化；并灵活定义了副本数、数据分布节点和数据分片方式；通过建库时预估数据规模，实现了高速扩缩容和数据迁移；通过租户与database关联实现了多租户资源控制。

　　展望未来，付新表示，首先云计算为分布式数据库提供了可扩展的存储和计算资源，新的分布式数据库应该充分利用云计算高可靠、高可扩展的分布式存储能力，实现更高效的数据处理、更低的成本和更好的可扩展性。其次，充分利用AI技术，实现智能调优、智能查询、DB4AI等。最后，数据库一体机融合优化，达梦希望能推动国产数据库一体机更好地发展。

　　02

　　宋震：云原生数据库PolarDB的技术布局与功能体验

　　宋震带来了“云原生数据库PolarDB的技术布局与功能体验”的主题分享，依托阿里云数据库重点建设的解决方案体验馆功能，介绍了云原生数据库PolarDB的主要技术布局以及在相关领域的实践案例。

　　宋震表示，云计算加速推动了数据库系统的演进。从数据库发展历程看，有以下几个阶段：首先是从商业起步，不断向开源迈进；第二是从结构化数据在线处理向海量数据计算与分析演进；第三是从标准的结构化数据向多模发展。而云计算的出现从两方面进行了推动，即：计算分析一体化，减少了数据移动；存储计算分离，实现了资源池化、解耦。

　　针对上述趋势，阿里云数据平台持续向四化演进，即，云原生化、平台化、一体化和智能化，希望让数据管理开发像搭积木一样轻巧有趣。具体体现在以下几个方面，软硬协同优化，PolarDB存储节点（PolarStore）引入Smart-SSD并进行深度软硬件协同；PolarDB基于DBaaS平台实现Serverless高弹性；PolarDB支持了OSS、PolarStore的多态分层存储。

　　不仅如此，PolarDB还提供了全面的HTAP能力，“DB + Cache“一体化实现数据自动同步与融合，帮助用户降本增效、提升体验。在智能化管理方面提供数据库自治服务（DAS），在安全性方面，阿里云PolarDB是全球首个基于可信硬件的全加密数据库云服务。

　　谈到阿里云瑶池数据库体验馆时，宋震表示，我们如何让用户更了解我们？如何为用户提供开箱级的实测？这就是建立体验馆的背景。以PolarDB无感切换功能体验为例，PolarDB的无感秒切技术从故障探测、切换速度和切换体验三个方面对切换场景进行了优化，整合了多项技术，来解决用户在极致高可用方面的痛点问题。我们希望能给用户带来一站式体验行业典型场景与数据库优势功能的实践。

　　03

　　吴疆：πDatacS赋能工业软件创新与实践

　　吴疆带来了“πDatacS赋能工业软件创新与实践”的主题分享，随着数字化时代的到来，工业领域正经历着巨大的变革，很多企业在工业软件的创新和实践过程中面临一系列挑战。吴疆表示，大数据应用涉及三个关键要素，即，数据、计算、模型。πDatacS的产品定位是灵活扩展的数据引擎，支持关系型数据库SQL、Spark/Flink等流批一体处理、LLM的向量数据库以及GIS地理数据库等。

　　同时，πDatacS具备整体数据平台方案，支持多模数据处理 (结构化、半结构化以及非结构化数据)，实现数据共享和分析。通过软件优化与新硬件(FPGA)加速，实现数据全链路的性能飞跃让数据存储、SOL查询、向量计算以及机器学习等能力全面升级。

　　据吴疆介绍，πDatacS具备三大优势：πDatacS全面升级Hadoop大数据和Greenplum数仓至云原生数据平台；全面支持大语言基础模型和私域数据结合做垂直应用；云原生下eMPP计算引擎全面颠覆MPP技术，大模型数据计算新范式。

　　吴疆详细介绍了πDatacS计算引擎之PieCloudDB虚拟数仓、PieCloudVector云原生向量数据库和PieCloudML（大模型）机器学习，他们可以支撑更大模型所需的数据和计算，为大模型提供独特记忆并为更大模型多模机器学习数据计算。

　　在成功实践方面，以某大型汽车集团全面升级大数据平台至云原生πDataCS为例，该企业依托于集团内部需求，建设了一个云平台，提供基础设施服务。随着子公司接入的数量越来越多，数据量也急剧增长，原本采用的Hadoop平台无法满足业务的分析需求。最终，用户采用了PieCloudDB作为核心数字底座，完成原来CDH（Hadoop）平台的替换，构建了制造业行业云的数据中台服务，既面向集团内部服务，同时也面向行业的公司提供服务。

　　04

　　吴夏：融合社区资源构筑强大的数据管理平台

　　吴夏带来了“融合社区资源构筑强大的数据管理平台”的主题分享，介绍了泽拓昆仑Klustron的架构与核心能力、融合与生态兼容能力以及应用场景和成功实践。

　　据吴夏介绍，泽拓昆仑Klustron是分布式HTAP数据库，可扩展的AI数据基础设施。主要组件包括计算节点、存储集群、元数据集群、cluster_mgr集群和XPanel等，并具备水平弹性伸缩能力和金融级高可靠性。

　　据了解，Klustron可以用服务器集群实现高性能TB级数据存储管理和分析利用，在关系模型基础上支持GIS、JSON和向量数据管理，并通过库内执行机器学习和用户自定义数据处理任务，及分布式多层级并行查询处理，在众多应用场景为用户创造巨大价值。

　　在生态兼容能力方面，Klustron兼容标准SQL、PostgreSQL和MySQL的应用和工具软件生态，融合利用PostgreSQL，支持PostgreSQL生态的向量数据管理组件等。

　　在成功实践方面，以环保再生资源处理行业为例，回收数据主要分类包括：低值废弃物、塑料、纸类、金属等，分配工具和其他资源是使用PostGIS存储车辆的路线规划、区域电子围栏等空间地理位置信息，并且每批次回收分类后重量等信息都要写入数据库。

　　客户也提出了迫切需求，希望运维成本减少、数据容量增加，性能也需要保持或提升、DDL不能影响业务、要求自动故障转移，故障恢复时长小于1min、监控粒度和告警规则易维护调整、同时支持定制化、能够支撑PostGIS使用数据量快速增长。

　　针对上述需求，用户最终采用Klustron后得到了价值提升，具体包括：运维成本降低60%；无限扩容，性能从平均耗时350ms提升至60ms；OnLineDDL，不锁表，不影响业务；FullsyncHA故障恢复能力，RTO≤30s；完备的监控和告警机制及策略和可容纳PostGIS使用的数据量快速增长。

　　在最后的圆桌讨论环节，几位专家就如何确保平滑稳定且安全的进行升级替换？是“平替”还是“升级改造”？以及技术人员如何应对当下技术环境等话题进行了深入交流。

　　专家们指出，在升级替换过程中，应注重平替与升级改造的平衡。一方面，平替可以快速地完成替换，降低对业务的影响；另一方面，升级改造可以更好地满足未来的业务需求，提升系统的性能和稳定性。对于技术人员来说，不断学习新技术和掌握新工具是必不可少的。同时，技术人员还应关注技术的趋势和发展，以便更好地应对未来的技术环境。此外，加强团队之间的沟通和协作也是确保项目顺利实施的关键。

　　小结，国产化软硬件升级替换之路是一项复杂的工作，需要综合考虑各种因素，只有通过深入的讨论和交流，才能更好地应对当前的技术环境，为企业的数字化转型提供有力支持。