数据抽取组合

功能节点统一管理，支持弹性扩展ADM采用多节点高可用部署架构，保障数据服务高可用，并消除单节点故障导致的业务不可用问题，确保数据服务连续性。采用Scale-out架构，根据业务发展规模，按需扩展集群节点，无需停止服务，灵活满足业务需求。同时，ADM支持存储池容量的弹性扩充，满足不断增长的数据存储需求。（2）数据存储成本倍数级节约，提升数据存储环节的效能首先，数据备份面临存储成本高的问题，ADM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；其次，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，因此拉起时几乎不占用额外的物理存储空间，*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，虚拟库的数量越来越多，而存储成本将会呈倍数级节约，例如针对同一份数据创建N个虚拟库，传统方法需要N倍的存储空间占用，而通过ADM只需要占用近乎0TB的存储空间，**节约了数据存储环节的资源和成本。数据安全领域的CDM是指拷贝数据管理。数据抽取组合

上讯敏捷数据管理平台（ADM）支持并行重删技术，通过在多个不同的节点上构建指纹库，并将指纹并行分布于多个节点，采用内存级指纹库进行重删，所有指纹读写全部保存于内存中，从而提升指纹查询和处理效率，并且减少了因磁盘中指纹库增大所导致的随机IO压力。以此识别并消除数据备份过程中数据源中重复的数据，该技术适用于不同平台中的文件、数据库、虚拟机等不同应用类型的数据，可以大幅度减少需要传输的数据量，从而极大地节省数据传输带宽，解决单点性能和存储空间压力。磁带库管理通过对接第三方备份系统进行备份数据的自动化恢复校验有什么产品？

当前ADM支持对商业数据库、国产化数据库、文件、虚拟化平台、国产云服务器、容器等的备份恢复与容灾以及磁带库归档。***兼容Windows、Linux、Unix、统信、麒麟等各类操作系统；具体支持Oracle/MySQL/DB2/SQLServer/PostgreSQL/Informix/GoldenDB/OceanBase/OpenGauss/达梦/南大通用GBase/人大金仓KingBase/GaussDB(DWS)/MogDB/MongoDB/丛云KingWoW/TDSQL/GaussDB(forOpenGauss)/VastBase/TiDB/AntDB/磐维/海量等数据库的备份恢复与细粒度备份恢复；

敏捷数据管理平台（Agile Data Management）简称ADM，是采用基于CDM（副本数据管理）的数据库虚拟化技术，为企业上中下游数据的备份恢复、数据验证、敏感数据处理、分发交付提供的面向数据全生命周期的安全管理解决方案，在保证数据安全使用的同时，提高了数据使用效率并降低了数据存储成本。ADM由数据备份管理、备份校验管理、数据副本管理、敏感数据处理管理组成，实现了数据复制容灾、数据存储管理和数据流程管理，通过自动化流程任务编排的方式实现了数据使用的成本控制、版本管理与开发利用,能够充分发挥了数据资产的潜在价值。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。

《中华人民共和国数据安全法》中明确指出数据处理，包括数据的收集、存储、使用、加工、传输、提供、公开等。数据安全，是指通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障持续安全状态的能力。当前，有效的保障数据安全的方式仍然是数据备份，即企业针对生产业务的数据、文件制定备份策略生成备份数据，一旦业务数据发生丢失或损坏，则恢复备份数据提供业务访问，传统的数据备份方案并未提供数据的恢复验证手段，因此企业在发生数据丢失时，启用备份数据恢复失败的案例屡见不鲜，这也给各行业客户造成了巨大的经济损失和不良的社会影响，为满足法律的合规性要求，备份数据的恢复验证成为备份恢复解决方案的必要需求，但由于备份数据量巨大、涉及业务系统繁多、专业人员数量有限，定期的备份数据恢复验证仍然是一道难题，上讯敏捷数据备份恢复验证解决方案为备份数据的恢复验证提供了创新的技术手段，包括备份数据的分钟级快速恢复、秒级可用性验证、按计划周期性定时自动恢复验证，保障了备份数据的可恢复性与可用性.数据安全领域数据安全治理的产品有哪些？磁带库管理

国内较早发布CDM领域的平台型产品是上讯敏捷数据管理平台ADM产品。数据抽取组合

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。数据抽取组合