文章图片
文章图片
“警告：如果您是被列入美国政府禁令名单中的个人及实体公司，将不得使用此服务。
文章图片
大数据产业创新服务媒体
——聚焦数据 · 改变商业
2020年8月13日，Docker.Inc 更新了服务条款的内容，提示如果在美国制裁清单上的个人或实体公司，可能无法使用 Docker 的产品服务。
Docker 服务禁令生效，让信仰科技无国界的一大批人士失望不已。中国云市场特别是私有云市场，或将与伴随这个酷暑的洪涝灾害一样，迎来洪水猛兽——受禁令影响，华为、科大讯飞、海康威视、大华股份、商汤、依图、旷视、360 公司、烽火、中科曙光、海光等中国科技公司不能使用 Docker 商业版。
【数据库|Docker也被禁了，Oracle还远吗（）】Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux 或 Windows 机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。
文章图片
△Docker应用场景（via：docker.Inc）
Docker 的应用广泛，在云计算中，可以实现虚拟化应用，但是与 VMware（一家主流的美国收费虚拟化软件）类似的虚拟机相比，它比虚拟机更节省内存，启动更快（虚拟机分钟级启动，Docker 是毫秒级启动）。
文章图片
△Docker与虚拟机架构比较（via：docker.Inc）
一个更为形象的比喻是，如果把物理服务器比作码头，拥有场地和各种设备，那么服务器虚拟化就好比码头上的仓库，拥有独立空间堆放各种货物或集装箱；Docker容器就像是一个个的集装箱，可以将各种货物打包。
幸运的是，Docker 分商业版和开源版，开源版免费不受限制，禁令一出，将迫使包括中国在内的关联科技公司转向开源的 Docker 软件或其他开源软件。
受家长管制，Docker 不带你玩是小事，问题是其他美国科技公司如果也被家长管制，譬如 Oracle 数据库或 VMware 虚拟化平台，这些卡脖子技术和产品也不带你玩，可能就更难了。
这不是危言耸听。2019 年 9 月 26 日，Oracle 公司就致函委内瑞拉的合作伙伴，声称它将再也无法与它们合作，以遵守特朗普总统签署的 13884 号行政命令。
同样是为了遵守 13884 号行政命令，Adobe 公司也发布了一份用户支持文件，公司将从 10 月 28 日起停用委内瑞拉的所有帐户。
这与今年 6 月美国禁止包括哈工大在内的中国 13 所高校使用 MATLAB 软件如出一辙。
如果诞生于 1977 年的 Oracle 数据库也出了与 Docker 类似的公告，对于受制裁的中国企业用户而言，不得不应对新一轮的技术截杀。
先来看看 Oracle 数据库在行业的地位。作为稳定的关系型数据库的鼻祖，Oracle 数据库在金融、医疗及其他行业的财务领域，都有广泛的应用，可以这么说，世界上几乎所有行业都在应用 Oracle 数据库产品和技术。
作为 Oracle 公司创始人和灵魂人物，拉里·埃里森 (Larry Ellison) 曾在 2018 年发表令人担忧的言论：如果就这么让中国经济超越我们，让中国培养出比我们更多的工程师，让中国科技公司击败我们的科技公司，那我们就离军事科技也落后的那天不远了。美国与中国的激烈竞争中，我站美国队。
幸运的是，在国产化数据库替代 Oracle 方面，虽然在性能、成熟度方面还有差距，但是国产数据库可用、能用，是目前行业的普遍观点。当我们不得不面对残酷的技术截杀时，数据库替换和数据迁移又是一场令 CIO 焦头烂额的事情。
与数据库产品一样，针对 Oracle 数据库的数据同步和迁移工具，也主要掌握在 Oracle 公司手中。此时若要将原先存储在 Oracle 数据库的业务数据，迁移到国产化数据库或其他数据库中，除了市场上 MySQL、SQL、Python 等迁移工具（如果没有被禁），还有就是国产化数据库迁移工具。
虽不似 Oracle 数据库产品那样需要综合全面的技术，但数据库迁移工具还是要面对以下问题：
●数据库异构平台选择问题
●数据库操作人员专业性问题
●数据库数据迁移后可用性问题
●数据库实时增量数据的迁移问题
●数据库数据迁移后完整性检查问题
●数据迁移过程中对源端性能影响问题
解决数据库迁移的问题是一个基本需求，在大数据应用日趋完善的今天，从数据库中抽取关键业务数据到大数据平台，为业务部门提供可参考的决策报表数据，才是凸显其商业价值的关键，下面以网上的一个例子说明：
文章图片
△数据从 Oracle 到 Kudu 的过程
上图是数据库 Oracle 到大数据仓 Kudu 的数据抽取→转换→转载的过程，先通过数据库复制产品 i2Active 将源端数据库的结构化数据解析、提取后，通过 i2Stream 进行对接、转换，并发送给消息队列，最终写入 HDFS。在此基础上将数据同步到 Kudu/HBas 等数据仓库。
这种应用普遍的场景，就是帮助证券、银行、支付平台等实现数据从数据库传输到大数据平台，然后再由用户根据业务需要，转换成各类报表数据，为各类商业智能 (BI) 项目服务。
譬如，电商平台可以通过用户数据，精准提取用户画像的数据标签，将这些带标签的数据传输到大数据平台，通过报表数据，精准获取某一特定消费人群的消费喜好、载体和支付方式，营销部门就可以定向进行广告投放和促销引导。
这种大数据应用技术，向我们展示了数据的强大应用价值。而当数据成为一种可被精准利用的生产资料时，将极大提升我们的商业竞争力和国防军队的实战能力。
这或许是国内科技公司被技术封锁的真正原因。
2019数据猿年度榜单：
●2019大数据产业趋势人物榜TOP 10
●2019大数据产业创新服务企业榜TOP 15
●2019大数据产业创新服务产品榜TOP 40
2020年度榜单，尽情期待！
—— / END / ——
好书推荐
︾
文章图片
数据猿公益策划榜
#榜样的力量#
《新冠战“疫”——中国数据智能产业最具社会责任感企业》榜
文章图片
文章图片
推荐阅读
- 人脸识别|【人脸识别系列】| 实现自动化妆
- 人工智能|干货！人体姿态估计与运动预测
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- 【C】题目|【C语言】题集 of ⑥
- 数据库|SQL行转列方式优化查询性能实践
- Python专栏|数据分析的常规流程
- 历史上的今天|【历史上的今天】2 月 16 日（世界上第一个 BBS 诞生；中国计算机教育开端；IBM 机器人赢得智能竞赛）
- mysql|一文深入理解mysql