Sybase技术总监谈绿色数据库 - 专家访谈 - SYBASE技术专区

主持人：各位网友大家好！欢迎再次来到赛迪网嘉宾聊天室今天非常高兴请到了Sybase技术总监卢东明先生，聊聊绿色数据库的话题。

卢东明：很高兴在6月5号世界环保日这天来到赛迪网跟大家探讨一下有关绿色数据库的话题，很高兴在这儿跟赛迪网的同仁们一起聊聊，也能够跟网友们一起参加讨论。

主持人：今天是世界环保日，IT厂商很早提出来了绿色计算，但是软件厂商就没怎么提出绿色计算了，这是为什么呢？

卢东明：抛开IT不说，其实在很多的能源界，连IT界算不上的行业中，能源、交通重工业中提到绿色环保概念更多，我们以前提环保就想到污染的情况，像刚才一路过来也讲到了车子，我个人比较喜欢谈车的话题，我们也聊聊各种各样的车，大家买车时候都会谈到你的车百公里油耗是多少，这本身就是环保的思想，也跟大家的关系比较紧密。在全世界有很我围绕着环保的一些新的话题，比如说怎么样能够重复的利用一些资源？比如有些纸张是通过回收纸来用的，这本身也是环保的概念。硬件厂商以前有提出这样的概念，综合起来叫“SWAP”，S代表的是空间，WA 是瓦特，P是性能，这是硬件厂商提出来的有关绿色计算的思想。这个思想宗旨是怎么样在最小的空间里用比较小的能源能够提供给用户一个性能，这个概念硬件厂商一直在提，也一直围绕这个东西在开发一些不管是系统，像刀片式的服务器，把整个服务器的空间压缩成一个小刀片，整个机房空间缩小了，同时也提高了性能。这是硬件厂商对绿色计算的追求、思想和理念。

软件厂商为什么提这样的概念呢？目前来说我们没有听说过哪个软件厂商这样提，是因为他们跟硬件、或者跟直接的能耗，直接的消耗品，不管是从能量也好，还是原材料也好，关系不是很密切。但是Sybase一直秉承着这样的思想，怎么样在最有效空间里和能源消耗情况下给用户提供性能，我们也是本着这样的思想设计我们的产品。

主持人：对于软件厂商实现绿色计算并不是那么容易和直接的，我们如何衡量数据库软件为带来的绿色效应呢？

卢东明：我们围绕着绿色思想一直考虑着衡量软件厂商提到绿色数据库的想法，我们 Sybase提出这样一个口号就是“SPoT”用它衡量一个数据库，到底绿色计算能力有多强，S代表的是源数据，P代表的是性能的指数，T是目标数据库。这个公式是什么意思呢？我们假设在P一定的情况下，大家性能都差不多的情况下，S除以T就是原数据到目标数据库的数据压缩比例。数据库的一个产品到底在什么样的SPoT值的情况下给用户提供了一个等量的性能呢？这就是衡量数据库到底有多么绿色的指标。所以比如对Sybase来说，不具体指名字了，比如对A 数据库和B数据库来说，一个数据库的SPoT值大于1，一个小于1，那么就可以说大于1的数据库能够更加本着绿色计算的宗旨给用户提供服务。

卢东明：其实性能比较难直接的衡量，我们目前在市面上所有的数据库可以认为，数据库的基本性能和基本的理念思想都是差不太多的。因为有标准的用户界面和标准的存储方式。在性能基本一致的情况下我们主要衡量的是压缩比。通过这种方式比较好衡量数据库的绿色度。

因为大家可以这样看，数据最终存到数据库里面是放在主机上运行的，是放在存储的体系里存储的。到数据库里面是用300GB存储还是用1000GB存储，还是用100个GB存储？最终就导致了在机房里整个硬件的开销，也就直接影响了能耗。

主持人：那么目前市场上是否有其它的绿色数据库的产品呢？

卢东明：我们特别希望在绿色概念上跟Sybase有一样的数据库，但是目前很多厂商也是有这样的设想，有这样的想法，但是能够真正做到SybaseIQ数据库的产品，这样好的压缩比这样好的性能，目前我们没有看到能够直接跟我们抗衡的产品。当然不同的数据库也会提有各种各样压缩计算的方式，但是在我们目前了解的数据情况下并没有得到很好的验证。

主持人：其它产品他们的数据库衡量的标准和Sybase衡量的标准是不一样的是吗？

卢东明：大家的理念比较相似，都试图用压缩解决这样的能耗问题。当然最终数据库并不是以压缩为最终的目的，因为数据库最终是提供数据的服务，提供分析的能力，提供存储的能力。为什么SPoT这个共识一定要有一个P呢？它是反应了数据库根本的功能，给用户提供一个高的性能。Sybase IQ也并不是最终设计思想就是为了做成一个压缩的数据库，或者纯粹为了绿色而绿色，就好像路面的车是要省能源，但是最终目的是把一个人运到另一个地方。

主持人：您可否讲一下Sybase IQ和您所说的绿色产品在绿色性能上做一个比较呢？

卢东明：如果比一个用户的数据库系统很难说明问题的。因为拿任何一个用户的系统来说大家都可以各持己见，即使这样的话我们可以用第三方的数据说明这样的问题。比如说，我这有一张图是2005年Winter Corporation做的十大数据库评比。它提到了全球最大的一个数据仓库，是Yahoo点击流分析的数据仓库。大家可以看到，这个数据仓库最终是以100个TB的容量获得了05年全球第一大数据仓库的称号（做在Oracle系统上）。而据我所知，这个数据库到现在已经扩展到了250个TB。所以从05年到07年，它已经长了两倍半。而另外一个05年做在Sybase系统上的数据库是Nielsen Media Research，它是美国一家做媒体收视率分析研究的公司，它的数据仓库大小是17.6TB。如果观察原数据， Nielsen Media Research是18个TB, 而Yahoo是17个TB。所以说，Oracle是把Yahoo17TB的原数据扩张到了100TB了，大约是6倍的扩张而不是压缩。而Nielsen Media Research的数据库却被压缩得比原来还小。同样，参照一下数据量，Nielsen Media Research是5024行数据，而Yahoo只有3853行数据。所以，从这个例子可以看出Sybase IQ的压缩比是非常高的。

还有一个公司是TPC专门做数据库评估的数值，它在数字仓库领域有TPCH做了不同的数据库大小的比较，比如说我现在拿的是300GB(如表一)一级的，当时以TPC提供的数据各个厂商用各自的产品实现压缩比，在Sybase IQ的评比里，平均存储有一个指标数据比是2.64，和我们的友商相比，同样的300GB它的存储是50多，所以Sybase IQ值是1的话，其它的厂商会比Sybase小50多。1000GB(如表二)数据库值比较也有类似的结果。一个是实际的全球十大数据仓库，另外一个是 TPC数字比较，从第三方比较里面可以看出SPoT值在IQ里面是非常鲜明的。

主持人：绿色是我们衡量数据库性能的重要指标，但是绿色并不能解决企业全部的问题，那么Sybase IQ绿色解决方案是否会带来数据库其它性能的损失呢？

卢东明：提到压缩大家首先想到的是Win Zip ，也可能会想到MP3、MP4。我可以多讲一些技术方面的东西，从技术来说Sybase IQ的实现方式和大家日常中理解的Win Zip是非常不一样的，它是通过列式存储来实现的。而不是像传统的数据库，为什么做不到压缩，不是其他的厂商不想，因为目前整个数据库系统包括计算机系统它的瓶颈已经从CPU、内存转移到存储上，如何在存储上打开一个缺口是各个数据库厂商努力想实现的。怎么样做呢？Sybase IQ采取了全新的革命性的做法，把过去行式的存储变成了列式的存储，在列式存储的前提下会发现有很多优势。行式存储数据比较杂乱无章，对行式数据压缩的话很难施加压缩的算法，所以会想到Win Zip这类算法就是最好的。但是当出现列式的时候，会发现一列所有的数据都是一个数据的类型，而且数据值都有很多相似和可比性。对Sybase来说可以用代码表、高效率的把数据代码化。在列式存储里真正存储的不是这些值，而是这些值简化的比特值。比如举个例子，人口普查，全中国13亿人口，做统计，性别这列应该只有两个列，对SybaseIQ来说把它比特化，存的是13亿个比特值，是通过这样的方式把数据压缩下来，这种压缩在使用的时候，不仅没有性能的损耗而且正是因为做了大幅度的压缩，它的I/O量大大减少。这种情况下是大大提高了性能，因为把数据读到内存里以后，很多数据库使用的方式和计算能力已经差不太多了，但是Sybase IQ在最关键的I/O这个环节进行了大量的优化，通过列式存储和强力的压缩使得性能大大提高。我们在很多应用实例中都会发现使用IQ比使用相对应的数据库产品性能会提高多达十倍，甚至有的查询提高到上百倍。如果我把数字摆在这儿大家很难相信，很难理解，但是理解了存储整个体系结构完全是不一样的，有了革命性的变化才能理解指数值的变化，性能的提高。

主持人：您提到了使用Sybase IQ相对于使用其他数据库有10倍甚至100倍的提高，您是否比较过DB2和Oracle这样的数据库呢？

卢东明：不管是我们在推广我们的技术和为客户提供解决方案的过程，几乎每天都面对着这样的我称之为传统的数据库，它在底层的数据结构是没有革命性的变化的，是行式结构通过各种各样的存储，表分区试图减少开销，优化数据库。我们也自己也有一个产品Sybase ASE也是沿着这样的技术路线在走的，这个技术也有一定的提高。但是没有一个技术是彻底在I/O这一层重新改写存储的。跟这些数据库相比IQ在查询、分析方面有着非常优异的表现。我们每天和这些数据库都在进行着各种各样的比较。

主持人：目前Sybase IQ在国内国外市场应用状况如何呢？

卢东明： Sybase IQ推出到现在为止应该有十几年了，全球我们有超过1700个成功用户，从中小型企业到非常大型的企业，从几百个G的用户到几十个T的数据库，规模是相当大的。国内，目前比如说铁道部一直在使用Sybase的数据库，现在也要开始启用Sybase IQ数据仓库的产品做它的分析。中国农业银行全行现在也要上数据仓库的应用。国外也不胜枚举，有些金融业，像我过去在美国工作的一家专门做资产管理的证券公司就是选用了Sybase IQ的产品，能够帮他们实现每天多达300多家数据商提供的数据汇总到数据仓库并分析完后做第二天的交易。像大家都谈现在的中国股市，现在波动非常大，这种大型的资金、资产管理公司是靠数学的模型，很少有人的感情在里面的，是靠数学模型通过大量的数据运算出每天交易的单子。这一切都是使用IQ很有效的成功案例。我也欢迎大家能够到我们的网站上看我们在各行各业成功的案例。

网友：Sybase占据移动数据库市场多少份额呢？

卢东明：这个话题跟今天的话题很配合，熟悉Sybase的产品知道，我们公司数据库产品分三种，ASE是我们做的传统联机事物处理数据库。还有Sybase IQ是专门为海量数据或者是复杂分析型的应用做的数据仓库的产品。我们还有一个数据库叫ASA，这个数据库是一个非常小型的数据库，数据现在应用的发展一个是走大型，海量数据。另外一个就是走小型，移动的计算。这个小型的数据库也可以把它看成是一种非常具有环保意识的产品，因为如果没有ASA这样的产品，比如说一个人口普查，或者是油田的IT服务人员要下到场地里面去做数据服务的时候势必要带一套比较庞大的设备才能实现数据的服务，这本身就是增加了能源的消耗。像Sybase的ASA在整个移动数据库市场，目前占到了73％的份额，而且是连续6年在这个领域一直处于领先的地位。也是专门为移动数据，移动应用设计的，小到可以放在我们的PDA上运行，最小的所占的空间才几十KB，也是非常环保的。

主持人：如果说Sybase IQ代表了数据库市场发展的新方向，您认为这个新的方向代表BI发展到了其整个生命周围的哪个阶段呢？

卢东明：提到商业智能这个话题，这个话题现在很火，这个话题分两方面吧。问软件或者硬件厂商有没有BI的产品，多半都会说，说有端到端的解决方案和一整套的解决方案。问用户有没有在做BI的系统？我想很多用户都会说在上BI系统，或者说也有计划在做BI系统。即使没有也可能说我们买了BI的产品，大家都在讨论BI。到底BI发展到什么样的阶段呢？其实每个人都有自己的意见，我个人意见是目前BI还是处于高速发展的阶段。不管是从产品，还是从理论都在逐步的形成过程中，并没有一个定论。就像大家提操作系统是什么？我想已经没有人问了，已经有定论了，只是各个厂商有不同的理念。像数据库也不会有人再问了，但是大家问到底什么是BI？其实很多人都没有很清楚，包括厂商在内。我觉得每一个厂商包括每一个用户都在像做“瞎子摸象”每一个都是摸到了象的一个部分，实际上把各个厂商甚至各个用户所有的意见集成起来才能够综合起来看到大象原来是这样的。我觉得BI不是一个产品，甚至不是一个体系结构，是整个一套系统工程，一套流程，是一个过程。它最终的目的是怎么样能够为企业提供智能，怎么样能够把企业中的信息或者数据信息化，能够让这些信息驱动企业的发展。企业整个发展过程来说是有很多阶段的，比如最早期是报表的阶段，现在很多企业也是处于报表的阶段，甚至很多企业数据量大的情况下对报表都很头疼，再往来上决策支持服务系统，服务对象也从企业老总这一级会到企业决策的一些角色而未必是全公司必须要汇总到CIO或者CTO或者CEO这些人那里才能做一个决策。

从目前国外对BI理论上的提高来说，他们已经提这样的概念，就是决策的层次不是在上升，而是在下降。不管是库存也好，还是销售情况也好在比较低的层次就能够掌握这样的信息，就能够做这样的决策，是通过决策，信息、BI系统支持企业的决策。这是目前整个BI的发展情况。

从数据库市场发展来看，像Sybase IQ这样的产品是顺应了BI发展的情况，所有人都知道信息里面有黄金，但是怎么把黄金挖出来，如果只存了一个月的数据做一个判断能准确吗？就像我告诉你过去中国一个月股市的信息，你觉得很好，买。但是你没有看到5年、10年的信息做的判断能是代表性非常准确的吗？你要想存3个月、1年、5年甚至10年的数据，真正海量数据前提下能够很高的性能给用户提供服务呢？就回到SPoT这个概念，这也是Sybase IQ应运这种潮流和趋势而产生的，而且为用户发挥很大效益的一个时间切入点。

主持人：Sybase IQ以后是否有足够的市场发展空间呢？

卢东明：Sybase IQ从诞生到现在已经十几年了，但是不管是在中国还是全球，IT领域要是找10个人问你的数据库有多大？跟原数据之间的比有多大？知道Sybase IQ吗？我觉得知道的还是相当少的。比如说一个人到两个人知道的话，剩下8到9个人就是我们工作的对象，服务的对象，也就是我们成长的空间。我们成长的空间实际上是非常大的，而且随着现在对BI这个话题越来越火，大家聊的越来越多。其实我们可做的事情也非常多，这就是我们目前要服务的这些对象。

主持人：作为一款优秀的分析型数据仓库引擎，Sybase IQ的应用范围如何？

卢东明：定位是非常准确的，Sybase IQ作为一个数据库仓库的引擎，或者是分析型的，它的应用范围是非常广泛的，不管是小型企业、中型企业还是大型企业只要提到决策、数据仓库、BI、商务智能他们都会有这样的需求就是从数据应用层积累下来，怎么样对这些数据进分析。就说报表好了，怎么样在TB级数据情况下做一个有效的报表，以前十分钟或者十小时做的报表，怎么样让它不到一个小时把这个数据分析完成，这都是Sybase IQ的应用层。使用IQ可以做到简单的报表加速器的效果。还有一些应用就是复杂的分析，现在中国我估计在银行业或者电信业都会出现这样的需求，就是经营分析和营销决策支持。比如电信、或者移动怎么样给客户提供一个套餐，怎么样定位这个套餐和评估用户的接受程度？也很多数学模型来做复杂分析的这也是一种应用范围。还有一种应用范围是数据整合商，比如说我刚才讲到的尼尔森媒体研究机构就是通过汇总分析出来数据之间的共性、特点，再转回来卖给别人，这就是典型的数据整合商。这些都是Sybase IQ非常成功的应用。

主持人：什么样的企业具备实施的要求呢？是否是信息化、分析能力达到一定程度的时候才能上Sybase IQ呢？

卢东明：大家可能有这样的想法觉得BI这个词既然说的那么庞大，那么复杂，是不是只有像中移动或者是像大的银行，大的企业这种层次才能提BI这样的想法呢？其实，我的答案是不尽然。因为每一个企业都有从小到大的过程，小的企业怎么样成为中型企业呢？中型企业怎么样在竞争总战胜成为大型企业？这实际上是每一个企业对自己IT部门要提出的要求。回到刚才说的话题，你们的数据里面一定有黄金，一定存在着你可以使用的信息，让你的企业有比你的竞争对手更高的发展。所以并不一定说你的IT能力一定要到了多少人或者什么样的资源情况下才可以想BI这件事情。而且根据IQ的压缩，它的TCO就是整个总拥有成本这些特性来说，实际上它更能够帮助一些中小型企业有一个很好的想法，怎么样在这个想法上有效的进行实施？因为IQ给你们的IT系统提供了一个非常好的解决方案，是代价非常小的解决方案，它是使得中小型企业有了这样的可能和大型企业竞争。

举一个例子，在美国有很多电子商务的公司，比如像亚马逊和eBay这样的公司，他们自己很有钱，他们挖掘各种各样的模式，如果你到亚马逊上点了裙子了，也点了衣服了，但是最后没有买，去别的地方了。亚马逊数据仓库里面没有这个信息，他怎么样能够知道这个用户到哪儿去了呢？美国有一家相当小的公司，并不像亚马逊那样有钱但是使用了Sybase IQ的解决方案，存储了网上全部代理用户的信息，这个用户如果到了雅虎买东西了，这个信息实际上对手最想知道的信息，这么小的公司因为使用了非常有效的解决方案可以成长的非常快，可以从大公司里面赚到钱。所以到底什么样的企业具备实施的能力和模式？实际上大家可以把思路打开，不一定局限于钱、财、物、人等等要具备什么样的资质才可以做这样的东西。所以想法是非常重要的。

主持人：不同的行业业务有很大的不同，同一个行业业务也不一样，Sybase在商业智能方面怎么样才能满足不同行业、不同企业、不同业务的需求呢？

卢东明：Sybase围绕BI这个领域除了有一个商业智能核心数据仓库引擎以外我们还针对各个行业，各个领域有一整套商业智能的方法论。我们称之为IWS（商业智能解决模型）这个模型是依据现有的数据仓库或者BI发展这么多年到现在为止 Sybase花了很多人力、物力做的成功的方案。用户有了IWS可以帮他把BI系统开发过程中前期的设计能够一次跳过去很多。尤其对中国的BI开发系统经常会有一些需要并制，不管是根据国情还是根据语言的变化也好。比如做数据仓库中的时间纬，每个星期或者每个月的哪一天，但是外国人做的数据仓库里一定不会有农历的时间。比如铁道部做分析的系统，但是他一定分析春运什么时候发生，这个分析时间纬是围绕农历来走的。这就是典型的定制的例子。Sybase这一套方法论可以帮助各个行业，各个领域的用户能够更快、更好的见效。

主持人：据我了解Sybase最近在广发“英雄贴”，这是向您的竞争对手叫板吗？

卢东明：“叫板”这两个字也很好，因为很多不管是用户还是厂商也好也会提这样的类似的问题，就是你们在向谁叫板吗？我觉得并不一定这样看，我们Sybase 公司很大的理念，就是我们提这个“英雄贴”的理念（如果说叫板的话我们是叫板所有的数据库厂商怎么样用最好的最有效的方式为用户服务），如果大家能够应帖的话，我们这个帖上承诺能够对传统数据库进行有效的压缩，我们承诺3倍以上的压缩。一个传统的数据库放到Sybase IQ以后，会发现数据库总的存储量减少三分之一。如果每个数据库厂商都能本着这样的观念为用户服务，最终获利的是所有用户。回到今天的话题，也是为环保做一些贡献，不用12个CPU做事情的就不用12个CPU，这不是更好吗？这是我们提“英雄贴”的宗旨，希望用户和集成商跟我们一起推动这个事情。让大家能够意识到大家追求的数据库的服务才有一个效率。

英雄贴

主持人：最终受益的还是我们的用户。那么我们该如何评价一个数据库产品的好坏呢？数据仓库未来发展趋势如何呢？

卢东明：目前在数据仓库这个领域，国外的产品比较多。发展的方向不外乎有几个，一个是传统的数据库还要生存，还要在原有行式存储的基础上进行优化。比如说进行表分析，或者是有效的索引机制优化查询的性能。还有一些厂商是用硬件或者接近于硬件的思想，比如说通过一种数据仓库的组件或者是数据仓库的硬件平台提供解决方案。Sybase IQ是非常独特的不一样的思路，是通过在存储层能够进行有效的存储，压缩了以后把整个I/O需求随之带来的系统开销大大的降低。

其实往后的趋势，目前我个人是非常看好IQ的方向。因为它是真正能够在整个硬件、软件系统开销和应用开发开销上都是最小的数据库的产品。

主持人：商业智能厂商都在技术上提供整体服务转变，这种趋势下Sybase应该如何应对呢？

卢东明：我们Sybase也是应运用户的需求也做了相应的措施。其实Sybase从最初的产品包括ASA、IQ都是本着开放的思想为用户提供最好的解决方案。刚才我提到整个BI市场里，现在分工非常细了。做数据仓库的厂商，做前端展现的厂商，做数据抽取的厂商都已经相当成熟了，目前已经不太可能突然出来一个新的初创公司说要彻底改变BI领域数据仓库的产品结构，要完全新创出一个东西来完全打败市场上数据仓库的产品。实际上现在分工比较细致的，每领域也都有着非常鲜明代表性的产品。Sybase IQ本着开放性的思想，跟这些有代表性的产品都有最好的接口。通过这样的方式能够让用户有最宽广的选择，让他们根据自己的喜好来选择。

主持人：商业智能建设是很长期的过程，即使建设以后随着企业业务的变化会导致企业业务部门需求也会发生变化，甚至导致业务体系升级。已经建好BI系统的时候如何进一步提高BI的应用水平呢？

卢东明：业务系统升级肯定会对BI系统提出更高的要求。这是对应用厂商或者是数据平台厂商提出更高的要求，也对硬件厂商提出了更高的要求，特别是数据仓库的厂商他们面临着我怎么样能够以最高的水平给用户提供BI的应用平台，这也是我们Sybase很早就看到的一点。

网友：您能否讲一下数据挖掘和数据仓库的关系？

卢东明：数据仓库理解起来比较简单，从最简单的概念来说就是比数据库大得多的数据库，一般的数据库可能从几百个GB级开始，数据仓库大小上比传统数据库要大很多，另外从功能上、体系结构上，可能包含了一个企业各个部门、各个层次所有的信息。所以大家会更多的听到企业型数据仓库，就是包含了企业各个领域、各个部门甚至是长时间的信息。数据挖掘并不是一类产品，是一类工作。就是通过数据挖掘的软件，数据分析的软件，能够把数据里面的“黄金”找出来。它的基本原理是根据很复杂的数学算法把这些数据里的关系和特性，或者是数据里面分配的模式、规律找出来，这是数据挖掘。

主持人：今天聊天时间也到了，非常感谢卢先生和我们一起分享绿色数据库的相关话题，也非常感谢各位网友的参与。

卢东明：很高兴有这样的机会来到赛迪网跟网友们在一起聊聊天。谢谢！

主持人：现在网友的问题很踊跃，我们还可以再留点时间继续回答网友的问题。

网友：中国为什么没有自己的数据库？

卢东明：整个数据库是一个相当复杂的系统软件，它对软件整体的要求的确比较高，需要有相当长的时间和相当大的财力资源支持着长时间的努力才能做出来能够在企业级和目前数据库产品竞争的产品。其实中国并不是没有自己的数据库，而是目前还没有能够在企业级和国外产品进行全面竞争的产品。我个人也非常乐观，希望能够看到中国有自主的数据库。就像中国以前并没有自己自发的操作系统一样。

网友：一般的数据库都会提供一个免费或试用版的供开发人员使用？

卢东明：我们Sybase IQ有试用版，大家只需要和我们的市场部或者销售部门打一个电话，填写一个试用表格就可以得到一份在不同的平台Sybase IQ的试用版。

网友：Sybase好像也开源吧？

卢东明：Sybase IQ有在开源的操作中Linux上的产品，但是IQ并不是一个开源的数据库。意思是说，我们IQ的源代码并没有以开源的形式公开，但是我们是完全支持开源的操作系统的。

网友：请教一下大家是怎么备份数据库的？备份应注意什么？

卢东明：在数据库和数据仓库级别我们提到的备份往往不是同一个问题。当数据量大到 TB级的时候，用传统的数据库存的备份思想通常不能够解决用户的灾难备份的需求。因为设想一下，把几个TB的数据重新加载回来往往需要几十个小时甚至几天，那么你的企业能够承受这样的等待吗？Sybase IQ有着一整套更加有效的解决方案。我们称之为Nonstop IQ。它是结合目前最新的存储系统软件以及Sybase IQ本身的虚拟备份功能来为用户提供最佳的数据库备份以及灾难备份的解决方案。


	博客 \| Linux \| 论坛 \| 人才 \| 培训 \| 知识库 \| 资料 \| 读书 \| 手册 \| 精华 \| 下载 \| 沙龙 \| 搜索