数据库函数抽取
信息化时代，“数据”的应用较为频繁，海量数据的组成中，备份数据占有很大比例，而这些备份数据在没有发生故障时往往是被搁置不用的，被称为“暗数据”。而对业务数据的分析、统计、运维等操作都会直接作用在业务服务器，如此将会对业务性能产生影响，不利于业务系统的高效使用。如何做到解放业务系统，使其专注于业务处理上，也是IT管理者需要考虑的另一个现实问题。备份需要从业务系统中获取数据，统计、分析需要从业务系统中获取数据，研发、测试需要从业务系统中获取数据。这些数据从业务系统中拷贝出来后，如果得不到有效的管控，将会给企业带来安全隐患，这也是用户需要考虑解决的又一现实问题。上讯信息敏捷数据管理平台ADM产品支持全域重删技术，重删指纹库重建功能。数据库函数抽取
近年来，证券业务快速发展，信息系统变更日益频繁，敏捷开发、快速迭代已经成为支持业务创新的必要条件。数据库作为信息系统运行的重要支撑，数据准备和交付的自动化程度对系统开发、测试效率有大的影响。Gartner对CDM的定义是，它从生产环境通过快照技术获取有应用一致性保证的数据，在非生产存储上生成“黄金副本”（GoldenImage），这个“黄金副本”数据格式是原始的磁盘格式，可再虚拟化成多个副本直接挂载给服务器，分别用于备份恢复、容灾或开发测试等.敏捷数据备份数据是一家企业数据资产的来源，要注重安全防护。
上讯敏捷数据管理平台适用场景：数据交付速度慢的开发测试部门企业通过交付生产数据辅助第三方业务决策，如开发/测试环境、统计分析、准业务系统环境搭建等，交付生产数据的方式是通过生成业务系统数据副本，而副本的准备通常需要几小时，甚至几天不等，严重拖延了项目进度。
备份数据的有效性验证效率低的运维部门，大部分企业对其**业务系统进行了数据备份，为了检验备份数据的有效性，以及满足相关法律法规的要求，企业对备份数据采取周期性的恢复验证；由于企业的业务系统繁多，而人员相对紧缺，验证工作需要大量重复性动作，成为企业当前面临的一大挑战。
数据副本分散存放难以管理的数据中心数据副本一旦被交付使用，就**存在于使用环境中，随着数据使用场景的日益增多，数据副本在非生产环境中逐渐累积，**分散的存放方式导致副本的辨识度不高，后续使用与销毁难度明显增大。同时，重复存放现象严重造成了存储资源的浪费。u隐私数据泄露风险高的用户无论是通过生产数据库导出，还是通过备份系统恢复，都能够直接获取到企业的**生产数据，其中包含企业内部机密数据和客户个人隐私信息，一旦发生泄露将带来严重后果，不仅影响企业的名誉，也会造成一定的经济损失。
l数据库数据保护ADM采用图形化向导式操作，无需用户手动执行备份和恢复脚本，简化了备份恢复的难度。既支持传统的无挂载备份，也支持***全量备份、后续长久增量备份与全量快照合成、事务日志同步相结合的方式。数据库备份的基本流程如下：通过管理控制中心（Master）的Web管理页面推送客户端（Client）软件到需要保护的生产服务器上，自动完成客户端软件的安装和注册，与Server服务器端保持通讯。客户端将识别生产服务器中的数据库数据，并通过备份API读取数据库数据，然后将其传输至数据服务节点完成备份。管理控制中心（Master）负责向客户端软件和服务节点发送控制信息，管理整个备份任务的运行。例如：Oracle数据库采用RMAN接口进行多通道并行备份，备份粒度支持整个实例备份，恢复粒度支持细化到选定表恢复。上讯ADM产品采用副本数据管理CDM面向数据全生命周期进行数据安全管理。
上讯敏捷数据管理平台（ADM）支持重复数据删除技术，在典型的重复数据删除技术中，根据不同的数据备份场景选择适合的重删策略与粒度方案。在确定重删策略与粒度后，会根据输入侧不同粒度（卷级、文件级、块级）的数据采取不同的数据切分策略，并依据任务级与全局指纹库提供自适应源端的全局重删算法与策略，当前支持源端块级、文件级重删和并行重删技术。源端重删是采用基于内容的可变长数据切分算法，通过对数据块进行哈希算法的标记，即指纹（Fingerprint），在指纹库中寻找相同的指纹。如果存在相同指纹，则表示已保存了相同的数据块，ADM则不再保存此数据块，而是引用已存在的数据块，从而节省更多的备份空间。该算法还可以智能识别已修改的数据和未修改的数据，从而避免因修改数据位移而导致的未修改数据切分到新数据块中的问题，较大限度地提升重删性能和重删率，为避免数据备份过程中冗余网络传输与存储开销，在源端设置粗粒度前置数据校验可以明显缩小备份传输过程中的数据冗余，目的在于不备份任意一个冗余数据。上讯信息的敏捷数据管理平台ADM产品可应用于数据安全治理领域。备份对象
数据安全领域的CDM是指副本数据管理。数据库函数抽取
通过智能定义敏感数据类型，自动发现和识别敏感数据，包括数据类型、内容、约束关系，灵活排序减少人为筛选，定位敏感数据源。丰富的算法与仿真的字典库相结合，保证处理后数据仍具有业务属性，数据表间关系仍具有业务一致性，不影响数据挖掘分析数据价值。对涉及企业、个人信息的隐私数据，包括资金财产、个人、企业隐私的对照关系进行敏感数据识别，通过内置的规则进行处理，将数据敏感部分去隐私化，但并不失去数据挖掘的价值特征，减少数据隐私泄露带来的风险和损失，甚至降低可能发生的人身伤害和违法犯罪事件。数据库函数抽取