Postgres Conference China 2016 中国用户大会 Scaling with PostgreSQL 9.6 and Postgres-XL Mason Sharp mason.sharp@gmail.com Huawei Postgres Conference China 2016 中国用户大会 whoami • Engineer at Huawei (USA Postgres-XC • Postgres-XL Postgres Conference China 2016 中国用户大会 Agenda • PostgreSQL 9.6 Scaling Features • Scaling Solutions • Use Cases • Postgres-XL Postgres Conference China 2016 中国用户大会 BTW- PGConf

. . 199 拆分为不同的日志文件 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 5.2.5 Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 简介 . . . . 用的时间窗口，甚 至做到用户完全无感知，是弹性伸缩的另一个挑战； 最后，弹性伸缩不应该对现有的数据造成影响，如何保证数据的正确性，是弹性伸缩的第三个挑战。 ShardingSphere‐Scaling 是一个提供给用户的通用数据接入迁移及弹性伸缩的解决方案。 4.7.3 目标 支持自定义分片算法，减少数据伸缩及迁移时的业务影响，提供一站式的通用弹性伸缩解决方案，是 Apache ShardingSphere ShardingSphere 弹性伸缩的主要设计目标。 4.7. 弹性伸缩 55 Apache ShardingSphere document, v5.1.2 4.7.4 状态 ShardingSphere‐Scaling 从 4.1.0 版本开始向用户提供。当前处于 alpha 开发阶段。 源 码：https://github.com/apache/shardingsphere/tree/master/shardingsphere‐

ShardingSphere‐Proxy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3 ShardingSphere‐Scaling (Experimental) . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.1 规则配置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 5.4 ShardingSphere‐Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 5.4.1 简介 . . . . . . mysql -u${proxy_username} -p${proxy_password} -h${proxy_host} -P${proxy_port} 2.3 ShardingSphere-Scaling (Experimental) 2.3.1 规则配置 编辑 %SHARDINGSPHERE_PROXY_HOME%/conf/server.yaml。 %SHARDINGSPHERE_PROXY_HOME%

ShardingSphere‐Proxy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3 ShardingSphere‐Scaling (Experimental) . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.1 规则配置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189 5.4 ShardingSphere‐Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 5.4.1 简介 . . . . . . mysql -u${proxy_username} -p${proxy_password} -h${proxy_host} -P${proxy_port} 2.3 ShardingSphere-Scaling (Experimental) 2.3.1 规则配置 编辑 %SHARDINGSPHERE_PROXY_HOME%/conf/server.yaml。 %SHARDINGSPHERE_PROXY_HOME%

ShardingSphere‐Proxy . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3 ShardingSphere‐Scaling(Alpha) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3.1 1. 规则配置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 4.4 ShardingSphere‐Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 4.4.1 简介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 结束 ShardingSphere‐Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262 应用配置项 . . . . . . . . . . . . . .

displays. Known Limitations Gnome Shell’s Fractional Scaling (before version 44) Versions of Gnome-Shell prior to 44 don’t fully support fractional scaling. Using fractional under older versions of Gnome-Shell little arrow sign. LMB on this icon to make the region reappear. Hiding and showing the Sidebar. Scaling The scale of certain regions (such as the Toolbar) can be changed by dragging inside them with Ctrl-MMB bottom. The width of a node can be changed by dragging its left or right border. Rotating (R) and scaling (S) only apply when you have multiple nodes selected and only affect the nodes’ positions. Connecting

ShardingSphere‐Proxy . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3 ShardingSphere‐Scaling (Experimental) . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.1 1. 规则配置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 5.4 ShardingSphere‐Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 5.4.1 简介 . . . . . . mysql -u${proxy_username} -p${proxy_password} -h${proxy_host} -P${proxy_port} 2.3 ShardingSphere-Scaling (Experimental) 2.3.1 1. 规则配置 编辑%SHARDINGSPHERE_PROXY_HOME%/conf/server.yaml。详情请参见运行部署。 %SHARD

12政企、创业者必读 DeepSeek出现之前 我们对大模型发展趋势的十大预判 13政企、创业者必读 14 DeepSeek出现之前的十大预判 之一 传统AGI发展步伐在放慢 需要寻找新方向  Scaling Law边际效应递减  人类训练数据接近枯竭  合成数据无法创造新知识  推理能力难以泛化，成本高昂 全面超越人类的人工智能在逻辑上不成立政企、创业者必读 15 DeepSeek出现之前的十大预判 25 颠覆式创新的四种方式政企、创业者必读 DeepSeek-R1突破了大模型Scaling Law瓶颈 导致大模型悲观论 认为大模型的能力无法进一步得到质的提升 开辟强化学习新范式 从预训练Scaling Law转变为强化学习Scaling Law 大数据+大参数+大算力的 预训练Scaling Law的边际效应递减 • 人类构造的训练数据已达上限 • 万亿参数规模之后，继续增大参数规 训练算力成本和工程化难度大幅上升 强化学习Scaling Law • 利用合成数据解决数据用尽问题 • 利用self-play强化学习，在不增大参 数规模前提下，大幅提升复杂推理能力 • 通过后训练算力和推理算力，在不增加 预训练算力前提下，大幅提升模型性能 DeepSeek颠覆式创新——技术创新 26政企、创业者必读  预训练模型如GPT——疯狂读书，积 累知识，Scaling law撞墙  预训练模型思考深度不够

杨植麟对于⽤
transformer
这个概率模型的思想基础⾛向
AGI
也很有信⼼，⽤他的话说“如果你有
10
亿的
context
length，今天看到的问题都不是问题”。
AGI：AI
本质就是⼀堆
scaling
law

海外独⻆兽：我们把
LLM
的训练⽐作登⽉，⽉之暗⾯的名字也和登⽉相关。你怎么看现在创业公司 的
LLM
训练，在
GPU
和算⼒资源有限的条件下，还能实现登⽉吗？
杨植麟 0
的
25
到
26
次⽅
FLOPs
这 种规模。这个数量级接下来肯定还会持续增⻓，所以我认为算⼒是个必要条件，因为机器学习或者
AI
研究了七⼋⼗年，唯⼀
work
的东西其实是
scaling
Law，就是放⼤这⼏种⽣产要素。
我们其实⽐较有信⼼，在⼀年的时间窗⼝，能够达到
10
的
26
次⽅这样规模的模型，资源最终会得到 合理分配的。
海外独⻆兽：OpenAI
训下⼀代 层⾯ 能实现的差异化就越⼤。如果技术已经收敛了，那⼤家只能去追赶，就是同质化内卷。 然后我其实⽐较乐观，因为现在仍有巨⼤的
tech
space。AGI
技术可以分为三层：
第⼀层是
scaling
law
结合
next-token-prediction。这个基础对所有⼈都是⼀样的，追赶过程逐渐收 敛。在这个路径上，
OpenAI
现在做得更好，因为他们过去四五年投⼊了相应的资源。

Portable, Scalable, Automated Full lifecycle management of TiDB cluster - Deployment - Upgrading - Scaling - Handle network, hardware failures, etc. - Backup/Restore/Data migration - ... TiDB Operator Bootstrapping - Configure services/configmaps, etc. - Upgrading - Change version, config, etc. - Scaling - Automatic Failover - Create replacements for failed replicas PingCAP.com Deploying - Bootstrapping successfully, scale in the StatefulSet Scaling In - PD PingCAP.com - Delete the TiKV store via PD API first - Wait for the store to be tombstoned - Scale the statefulset Scaling In - TiKV PingCAP.com - Scale