您好,欢迎访问

商机详情 -

新老版本并行

来源: 发布时间:2024年05月08日

《数据安全法》第七条提出了国家鼓励数据依法合理有效利用,保障数据依法有序自由流动的权益,即在高度重视数据安全的前提下,也要获取数据合理利用带来的价值,充分发挥数据作为关键要素的作用机制。数据的依法有序自由流动涉及数据处理的各个阶段,包括数据的收集、存储、使用、加工、传输、提供、公开等,各个阶段构成了数据活动的全生命周期,维护数据安全就是要维护数据从产生到销毁的全生命周期各项处理活动的安全性,因此,维护数据安全与促进数据开发利用是相辅相成、互相促进的关系,通过开展数据安全治理能够为数据开发利用提供安全基础保障,进而保障公民个人信息、组织的合法权益以及国家的安全,助力我国数字经济发展。上讯信息敏捷数据管理平台ADM获评“产品奖”。新老版本并行

新老版本并行,上讯敏捷数据管理平台ADM

应用敏捷数据管理平台ADM产品后,数据存储成本倍数级节约,提升了数据存储环节的效能。数据备份面临存储成本高的问题,敏捷数据管理平台采用内置高效的压缩存储池存放数据,压缩比约为3:1,存储即压缩,降低了备份数据的存储成本,同时,通过ADM的数据库虚拟化技术,一份基础数据即可快速拉起多份虚拟数据库,由于虚拟数据库90%的数据均与原始数据相同,因此拉起时不占用额外的物理存储空间,只对新增的写操作计入容量占用,因此,随着数据分发使用的场景和频率增加,虚拟数据库的份数越来越多,而存储成本将会呈倍数级节约,即10份虚拟数据库可以节约存储成本接近原始容量的10倍,节约数据存储环节的资源和成本。敏感数据发现上讯ADM产品的灵活性体现在异构引擎可以将大数据中心数据抽取至多类型数据库,输出格式多样化。

新老版本并行,上讯敏捷数据管理平台ADM

《数据安全法》等相关法律法规颁布后,数据传输、摆渡过程中的安全变得愈发重要。CDM解决方案类产品与数据安全解决方案的融合已成为大势所趋。CDM技术因其能够获取具有一致性的数据和快速的恢复能力受到市场的青睐。敏捷数据管理平台(ADM)主要基于CDM技术,通过多种数据采集方式获取黄金副本,并通过数据的快速挂载使用(通常TB量级的数据可实现分钟级生成),有效提高了数据副本的使用效率;同时,虚拟数据副本采用的是应用系统的标准接口,可通过自动化的策略、定时、周期性地完成数据有效性验证,保证了数据的一致性与可恢复性。


ADM内置独有的高效压缩存储池,压缩比高达3:1,存储即压缩,降低了基础数据源获取的存储成本与持续增长的副本数据存储成本,ADM的数据库虚拟化**技术,能够做到只需一份基础数据源,即可快速拉起多份虚拟数据库作为数据副本,拉起时不占用物理存储空间,节约了存储成本10倍以上,通常情况下,ADM将TB量级数据库拉起时间控制在分钟级,响应速度快,可满足开发测试、查询分析、合规审计、应急恢复等场景对数据交付效率的要求。因此,ADM同时具备快速交付副本数据和节约副本数据存储的目标,相对于传统的副本数据交付,1份10TB的数据库交付10个应用场景,则需要100TB的存储空间,大约需要花费1个星期的时间,通过应用ADM产品,只需分钟级即可同时在线交付10份10TB的副本数据,而且在未产生新数据写入的情况下,存储空间相较于耗费的100TB几乎是0占用,具体占用级别为GB级别。有人了解IT行业的CDM产品吗?

新老版本并行,上讯敏捷数据管理平台ADM

CDM产品方案的选择建议:自动化,在涉及副本数据使用的各个流程,需要做到自动化,包括数据获取、数据存储、数据安全处理、数据交付使用与管理、数据回收与销毁等,尽量减少人为的干预。安全性,CDM作为数据副本存放的介质,其自身的安全性关系到数据副本的安全,所以在选择CDM方案的时候需要考虑到其方案的容错性,是否可以双机部署,或者是否有其他的容错机制。平台化,CDM作为解决副本数据使用痛点的解决方案,要照顾到副本数据使用的各个环节,并且能够处理好各个环节中遇到的问题,做到副本数据的全生命周期管理,并且将整个管理流程平台化,真正解决副本数据使用及其相关的各类问题,能够建设成为综合的副本数据管理平台。哪个产品能实现敏感数据的自动化扫描发现?手工操作

敏捷数据管理平台ADM产品实现了国产数据库的备份与国产操作系统的兼容。新老版本并行

将ADM旁路式部署在生产业务网络中,采用全量备份、后续持续增量备份与全量快照合成、实时日志同步相结合的方式,将生产业务数据实时捕获到ADM平台,达到持续数据保护的目的,备份接口采用第三方应用提供的官方接口实现数据备份。采用数据库虚拟化**技术在生成数据快照的基础上提供一个可读写的副本作为恢复数据库,由此可以使原有TB量级的数据库在几分钟内恢复完成,缩短了备份数据应急恢复的时间,实现了生产业务的应急接管保证业务的连续性。新老版本并行

上一篇: restore recovery
下一篇: 隐私数据