数据库虚拟化
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产品的成本控制体现在节约存储资源降低存储成本，自动化流程节约了人力成本。数据库虚拟化
l核心专利技术—数据库虚拟化（1）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。（2）ADM的数据库虚拟化技术，是通过获取一份基础数据源，快速拉起多份虚拟数据库挂载给目标业务使用，虚拟数据库拉起时几乎不占用物理存储空间，在实验室测试环境下拉起一个10TB数据量的虚拟数据库，*占用1GB左右的存储空间，明显节约了存储成本和时间周期，因此针对开发测试场景，需要对同一份数据创建N份副本数据时，存储成本节约近乎N倍。数据库虚拟化副本数据管理CDM产品与数据备份产品的区别？
上讯敏捷数据管理平台（ADM）支持增量备份与全量快照合成技术，传统的备份方案大多采用周期性的“全量备份+增量备份”策略，其增量备份大多不可持续，经过一段时间就必须执行一次全量备份。因而传统的备份方案经常面临备份窗口过大的问题，而且其增量备份数据的恢复效率相对低下，因为每个时间点的恢复都依赖于上一次全备副本和上一次全备副本后的所有增量数据，恢复操作需要进行逐个迭代恢复。此外，过期增量数据的清理操作也受限于备份副本之间的依赖关系，不一定能及时被清理。而增量备份与全量快照合成技术，即首先执行全量备份，之后只对新增或改动过的数据进行增量备份，此增量备份数据是持续的，而且每个增量备份的数据副本将自动合成为全量快照副本，便于恢复。因此，增量备份与全量快照合成技术能够大幅度减少备份时间，节省备份数据所需的存储空间，且提升了恢复效率。
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。 上讯ADM产品是集数据备份管理、备份校验管理、数据副本管理、敏感数据处理四位一体的数据管理产品。
企业开发需求更新频繁，对测试环境和测试数据提出了同步变更的要求，ADM的虚拟数据库快照功能解决了测试数据版本迭代的问题，通过对数据库状态进行定时或即时的记录，保留当前虚拟数据库的状态作为测试数据版本，一旦需要调用某个版本时，只需切换到不同时间点的虚拟库快照即可，灵活实现测试数据版本的任意切换，ADM还支持创建和维护虚拟库级联快照，满足回归测试等具体应用场景，通过这一功能明显提升了开发测试效率、升级迭代效率。海量数据供数于下游开发测试统计分析场景的数据使用需求该如何满足？备份状态
上讯敏捷数据管理平台ADM产品支持仿真的敏感数据处理。数据库虚拟化
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。数据库虚拟化