作为技术经理？ - 赋能高科

一、作为技术经理？

1、具备良好的资料制作和讲解能力、文字和语言表达能力知识面广，专业知识强。

2、具有良好的沟通技巧、谈判能力、组织能力、销售能力功底。

3、积极、热情的工作态度，高超的说服力、影响力和号召力。

4、有较强的工作协调能力和沟通能力和团队合作意识。认真敬业、学习能力强、性格开朗5、市场营销方面要有思维，市场应变能力强，有周密、冷静思考问题的习惯，办事精确、有条理6、广泛的社交能力，良好的沟通能力。决策时果断，征求意见时谦虚。7、任何时候对自己和自己的公司充满自信，比下属更敬业，对下属赞扬鼓励多过批评责备。

8、乐观、坚毅、幽默的性格，要有大度的胸怀，用自身的人格魅力感染下属。

9、能承受较大工作压力，具备自我调节能力和反应能力，积极听取部属意见，并提供支持和鼓励。

10、做一位合格的良师益友，暗示或明示部门人员该做什么、怎么做、如何才能更好地完成工作。发现并培养周围有潜在能力的人。发现人才，用好人才。扩展资料：经理需要具备强化的素质：1、强化观念的转变：征求广大员工意见和行为、理念上形成了独特的管理，2、建立团队：把用人换为育人，建设一支精英团队。3、自己做事的风格与原则：我的做事原则是：务实，快速执行，讲效率求效果。4、尊重理解，强化沟通：要经常与员工谈心，尊重自己，尊重别人。

5、完善所有制度：建立简单、实效的实用手册，从岗位职责、制度、流程、考核等各方面进行了规范。

6、坚持全身心的工作，以身作则，与员工一起加班加点。

7、解决实际的事情：组织和丰富业余活动，优化工资体系，并坚持按时发工资，鼓励优秀的员工，表扬先进的员工，给员工解决实际困难。

二、专业技术人员有哪些大的作为？

专业技术人员有以下职业：

工程类：注册建造师、注册建筑师、注册结构工程师、注册安全工程师、注册设备工程师、造价工程师及助理工程师等级别的工程技术人员；

农业类：农牧师等技术人员；

卫生技术类：主任医师、副主任医师、主治医师等技术人员；

教学类：教授、副教授、助理教授、高级教师、教师等人员(含高等院校、中等专业学校、技工学校、中学、小学)；

经济类：经济师、助理经济师、经济员；

企业法律顾问类：一级企业法律顾问、二级企业法律顾问、三级企业法律顾问；

会计类：高级会计师、会计师、助理会计师、会计员；

统计类：统计师、助理统计师、统计员；

翻译类：翻译、助理翻译等人员；

图书资料、档案馆的馆员、助理馆员、文博人员、新闻、出版人员

律师类：高级律师、一级律师、二级律师、三级律师

公证类：一级公证员、二级公证员、三级公证员；

以及科研人员(自然科学研究、社会科学研究及实验技术人员)、民用航空飞行技术人员、船舶技术人员、广播电视播音人员、工艺美术人员、体育人员、艺术人员及政工人员等等。

专业技术管理人员具体指企业、事业单位的具前述执业资格证书和从业资格、职业资格证书，从事专业技术部门管理的管理人员；企业、事业单位下设的专业技术职能机构的负责人，如财务部长必须具有会计师从业资格证书、企业的生产车间和辅助车间(或附属辅助生产单位)中从事生产、技术、经济管理岗位的技术负责人和经过上级主管部门备案许可的政治工作人员。

三、excel数据库技术？

excel是一个表，一个EXCEL的工作薄一个数据库，它的每一张表就是数据库，你可象操作表一样对其进行查询等操作，它里面的列就是数据库的字段，行就是记录，因此你可以按数据库的架构来组建数据，只是你如果你组建的数据不符合数据库的规则，在查询时不能得到时相应的结果。因此在EXCEL中不存在创建数据库。但对存在的数据可以引用。

当满足条件A、B、C、D……时引用是可以的，但如果是在EXCEL中直接引用是不行的，一种是用VBA利用ADO访问EXCEL，在查询时把A、B、C、D几个条件按SQL语法写进查询语句中，引用返回的记录集，一种是利用函数把满足A、B、C、D的记录筛选出来，然后再引用。

四、中国数据库技术的作用？

1、实现数据共享：数据共享包含所有用户可同时存取数据库中的数据，也包括用户可以用各种方式通过接口使用数据库，并提供数据共享。

2、减少数据的冗余度：同文件系统相比，由于数据库实现了数据共享，从而避免了用户各自建立应用文件。减少了大量重复数据，减少了数据冗余，维护了数据的一致性。

3、保持数据的独立性：数据的独立性包括逻辑独立性（数据库中数据库的逻辑结构和应用程序相互独立）和物理独立性（数据物理结构的变化不影响数据的逻辑结构）。

4、数据实现集中控制：文件管理方式中，数据处于一种分散的状态，不同的用户或同一用户在不同处理中其文件之间毫无关系。利用数据库可对数据进行集中控制和管理，并通过数据模型表示各种数据的组织以及数据间的联系。

5、数据一致性和可维护性，以确保数据的安全性和可靠性：主要包括：安全性控制、完整性控制、并发控制，使在同一时间周期内，允许对数据实现多路存取，又能防止用户之间的不正常交互作用。

五、数据库处理技术的概念？

既包括数据库设计、数据库实现、多用户数据处理、数据访问标准等经典理论，也包括商务智能、XML和．NET等最新技术

六、背景技术能否作为无效现有技术？

使用专利文献背景技术部分所记载的技术内容作为证据来评价被请求无效专利的新颖性或创造性时应注意的问题：专利文献背景技术部分所记载的技术内容本身存在有特殊性，这种特殊性表现在：1、专利文献背景技术部分所记载的技术内容通常与专利文献所要求保护的技术方案不同，是专利文献所要求保护技术方案的背景和基础;2、《专利审查指南》中虽然对专利文献背景技术部分所记载的技术内容给出了严格的规定，但现实中这部分内容常常表现为不规范性和不客观性。正是由于上述特殊性，在以专利文献背景技术部分所记载的技术内容作为证据评价被请求无效专利的新颖性或创造性时，应当注意以下几点：1、在没有引证信息的情况下，一般应当将作为证据的专利文献的公开日认定为该专利文献背景技术部分所记载的技术内容的公开时间,在无其他旁证证明和无被请求人自认的情况下，不应当然地推定该部分技术内容的公开时间是在该专利文献的申请日之前;2、在没有引证信息的情况下，如果被请求人自认，作为证据的专利文献背景技术部分所记载的技术内容在被请求无效专利的申请日之前已公开，则这种证据可以用来评价被请求无效专利的新颖性或创造性;3、在没有引证信息的情况下，如果作为证据的专利文献的公开日在被请求无效专利的申请日之后，被请求人对该专利文献背景技术部分所记载的技术内容的公开时间存在异议，且请求人不能提供其他旁证证明作为证据的专利文献背景技术部分所记载的技术内容在被请求无效专利的申请日之前已经公开，则该证据不能用来评价被请求无效专利新颖性或创造性;4、在没有引证信息的情况下，如果被请求人提出的反证足以证明作为证据的专利文献背景技术部分所记载的技术内容是在被请求无效专利申请日之后公开，则该证据不能用来评价被请求无效专利的新颖性或创造性，如果请求人提出的旁证足以证明作为证据的专利文献背景技术部分所记载的技术内容是在被请求无效专利申请日之前公开，则该证据可以用来评价被请求无效专利的新颖性或创造性。

七、数据库技术的发展趋势是什么？

前言

22 年 12 月 14 - 16 号是中国 DTCC 数据库技术大会，由于疫情的影响，今年大会分享全部改到线上直播了。个人主要观看了 14 号、16 号两天技术分享，所以这里结合各位大佬的技术分享，整体做一个观后的总结和个人思考，加深一下个人整体的认识，同时也期望能够对大家能够有所帮助，大家有什么想法欢迎关注我的公众号进行交流。如果有不对的地方，也欢迎指出。下面是这三天的大会技术专场的议程：

一、数据库发展趋势闲聊

14 号这天个人主要看了上午场（数据智能价值创新）和下午场（数据库内核技术）两个专场，上午主要观看了腾讯云（王义成）、华为云的 GaussDB（苏光牛）、PolarDB（李飞飞）、OceanBase（杨志丰）三位大佬的技术分享，主要是对数据库发展趋势的看法以及他们自家数据库的演进方向的思考。下午由于时间关系，数据库内核技术主要看了 StarRocks、PolarDB-X 两场技术分享，所以 14 号这天整体的个人总结主要从这些技术分享中带来的个人思考，下面先聊聊对数据库发展趋势的看法。

1.1 Serverless

对于数据库未来的趋势之一：serverless，这次听到这个词还是蛮多的。serverless 即无服务化，用户在使用数据库服务时，不需要关注数据库服务器的运维和管理成本，这些繁琐的管理交给云仓商来托管，用户主要专注自己应用架构设计和业务即可。对于未来云上数据库，serverless 必定是终态之一。个人还是非常认可这个观念的，serverless 能为用户带来主要以下两个好处：

无须关注数据库服务器繁琐的管理和运维成本
资源弹性扩缩容，使用户按需按量付费

这里重点说下第二点，传统模式下，用户在使用数据库服务时，需要结合实际业务的情况，通过对业务的 QPS、TPS、数据量等提前预估所需要的资源，最终来估算自己需要准备多少机器，然后提前一个月和运维部门沟通好，提交采购申请，最终使用完后，还需要想办法将采购的资源消化掉，这类情形在双十一大促期间尤为明显，这种模式下，有以下几个问题：

使用方需要提前预估计算资源，如果资源预估不准，会对业务以及成本有很大的影响，机器资源评估过少，当业务流量扛不住，对公司业务有影响，机器资源预估过多，会浪费很大的机器成本。
一次资源扩缩容链路过长，同时整个过程时间很久，同时在业务使用完后，还需要消化剩余的机器资源。一次资源扩容的需求，公司的人力成本过大。

所以使用 serverless 服务能够做到资源弹性扩缩容，同时做到按需按量付费。当然 serverless 弹性扩缩容具体能够做到什么程度，实际扩缩容的时间、扩缩容与实际业务使用资源的差异、扩缩容对于线上业务的影响，对于用户使用体验和成本，影响都很大。对于数据库内部冷热数据，也可以做到 serverless，把不经常使用的数据放到冷数据底层的存储，降低存储成本。

我看阿里云和中国信通院云大所联合发布了《Serverless数据库技术研究报告》，我还没有看，感兴趣的同学可以去看看。同时也可以看下伯克利关于 serverless 的这篇Paper（李飞飞大佬推荐）：

1.2 存算分离

上面说到 serverless 的弹性扩缩容，那么如何做到用户按需进行扩展（CPU、内存、磁盘）？所以云上数据库存储和计算分离是个很好的思路。

很多传统数据库是 Shared Nothing 架构，计算资源（CPU）和存储资源（内存、磁盘）都是在一台机器上，这样的好处能够降低网络 IO 带来的传输时间成本，最大化提升查询性能。但有一个问题就是，由于计算资源和存储资源都是在一起的，用户在机器扩缩容时，必须同时对计算资源、存储资源一起进行扩缩容，但可能用户只扩容计算资源，不想扩容存储资源，此时这种模式会对存储资源有一定浪费。

存算分离，用户能够分别对存储或者计算资源单独进行扩缩容，按实际业务需要来进行资源调整，进一步节约资源成本。当然存算分离架构下，也有两个不足点：

存储和计算之间会有一层数据网络 IO 传输时间成本，为了降低网络 IO 的影响，一般可以在计算节点上，加一层 Local Cache。
存储分离下，由于网络 IO 容易是瓶颈，会导致集群规模机器数容易受限。

可见，任何技术特性都不是银弹，需要结合实际业务侧需求，来综合评估，很多东西就是 Trade Off。下面是 PolarDB-X 的一张图：

1.3 私有云、公有云、混合云一套架构部署

这个不用多说了，私有云、公有云、混合云一套架构部署，便于数据库的运维和管理，能够提升数据库产品的交付效率，降低产品的交付成本，这对于私有云部署模式，带来的好处尤为明显。

1.4 多模多态一体化数据库

随着社会的发展，人们产生的数据格式越来越复杂，结构化（比如关系型）、半结构化（比如 Json、CSV）、非结构化（比如视频、图片）数据，相应的，单一模型的数据库也已经很难再完全支持公司的业务需求，数据库的种类也越来越多，RDS 数据库、KV 数据库、图数据库、文档型数据库、时序数据库等等。当然，完全通过一款数据库满足用户侧所有的业务需求也不现实，只能说在一款数据库上，尽可能多的来 Cover 业务侧需求。

比如现在 HTAP 数据库，在 TP 的基础上，增加了 AP 的数据分析能力，提升数据库的分析时效性，同时一般会带着 Zero-ETL 的口号一起来宣传，像 GassDB、PingCAP TIDB、阿里 PolarDB、OceanBase、SingStoreDB（原 MemSQL）都在做 HTAP。阿里 ADB 的离在线一体化（离线 ETL 处理 + 在线 OLAP 分析），让数据库尽可能 Cover 离线 ETL 和在线 OLAP 分析需求。阿里的 Lindorm多模数据库，提供宽表、时序、文件、搜索等多种数据模型等等。

1.5 数据库智能化

数据库智能化，主要有两个方向：

AI For DB
DB For AI

AI For DB，主要思路是结合 AI 机器学习能力，智能化运维和管理数据库，让数据库做到自治化，智能的做到 SQL 性能优化和问题根因诊断。

DB For AI，主要是如何让 DB 来支持更多 AI 场景的需求，怎么做到 AI 模型的抽象、存储、推理等等，这块个人了解的比较少。

1.6 模块化构建数据库

李飞飞大佬认为未来数据库系统内核可以结合用于实际业务侧需要，模块化的组装出数据库，比如用户的需求可能是：读多写少、读少写多的、分析型的、IO 密集型、计算密集型、AI 类的、HTAP 类型等等，相应的需要的存储、计算、带宽等对应的硬件资源，可以使用不同型号和规格的硬件来组装，对于底层机器资源来说，数据库能够做到一套代码，数据库内核各模块在不同形态下的资源类型，同时能够很好的 Work。

个人认为未来数据库内核各模块不仅能够在不同形态下的资源类型进行构建，同时数据库内核也能够进行组装。未来对于一个 DataBase 的研发，可能就是使用已有的数据库中各模块的标准事实开源组件，快速组装出一个 DB，比如 SQL 方言标准（使用 Mysql / PG）、SQL Planner 层（ Apache Calcite / DuckDB ）、Planner 层和 Runtime 层计划序列化通信方式（substrait）、Runtime 层使用( Apache Arrow + Rust Or ClickHouse）、数据湖存储（Iceberg / Hudi / Deltalake）、列存（Parquet Or ORC）。公司将相对有限的工程资源，尽可能多的投入到差产品异化功能上，这样才能和其他同类产品有竞争优势，形成独特性。

1.7 用户对数据库拥有更强的自主可控性

Blue/Green Deployment 是 AWS 2022 re:Invent 亮相的产品，看网上资料说是一套灰度技术，未来用户想去做某个操作时，但不确定该操作对线上实际业务的影响是什么，此时就可以借助 Blue/Green Deployment 来灰度进行验证，没有问题，在完全切流。

下面这张图片的出处是来源于知乎同学@zhoutall 的文章<a href="https://zhuanlan.zhhttp://ihu.com/p/591406895">《AWS re:Invent 2022数据库内核视角摘要》，感兴趣可以看下他这篇文章，还是非常有收获的。个人看完也非常认可其观点的，现在云数据库场商希望用户做得事情越来越少，所以提供了很多工具，或者解决方案，来帮助和指导用户做决策和执行，但实际用户可能需要更大的自主可控权（对业务影响的可控）。

二、数据库内核技术分享总结

数据库内核技术方面，个人主要听了 OceanBase、Starrocks、阿里云 DLA，所以这里主要讲下这三场分享的总结。

StarRocks 今年主要宣传语是从极速 OLAP 到极速数据湖分析，从原来数据在自己 OLAP 存储到底层存储是数据湖，所以第一步则是在 Connector 做了扩展，支持了 Hudi、Iceberg（v1、v2）、Hive、JDBC 数据源。扩展了新的数据源，那么 FE 的元数据这一层，肯定要能够识别到外部数据源，同时对于外部的数据源元数据获取，增加了 Cache（分区、文件 List、统计信息）。其他也做了各种细节优化，比如 Scan 优化、优化器等等。

StarRocks 今年还做了存算分离，这样的话，计算节点是无状态的，那么可以弹性扩缩容。最值得关注的一点，今年 StarRocks 提出了它们的 StarOS 的设计，StarOS 通过抽象和统一存算分离架构下的分布式逻辑，同时统一了存储，这块听起来感觉不错，具体信息后面看 StarRocks 的分享吧。

阿里云 DLF 主要分享了他们如何做统一的湖仓元数据服务的经验，目前业界开源数仓标准的元数据服务是 Hive MetaStore，所以几乎主流引擎都支持直接从 Hive MdetaStore 中读取数据。但 Hive 本身也有部分局限性：

ACID 和 Hive 引擎绑定，同时不支持 Time-Travel 查询数据/元数据
不易于对接内部自家引擎接入，单点问题，同时引擎需要 Thrift 协议接入，高可用的问题。

而在开源权限体系方面，主要有 Hive 自身权限和 Apache Ranger，但它也有各自缺陷：

针对以上两点，所以阿里云做了 DLF 这款产品，统一了湖仓的元数据服务，同时兼容了 HMS 接口，对外也提供标准的 Open API ，方便客户接入。

其他的一些分享，个人记得比较清楚两点是：数据库的迁移工具和数据库容灾。如果你的产品如果想买入到某家客户时，尤其是数据库方面，那么你要考虑到客户存量的业务如何能够方便的迁移到你的产品上来，最好能够非常底成本的、客户无感的迁移。同样，数据库容灾，关乎着企业数据和业务生存问题。

三、个人思考

不得不说，国内在数据库这个领域还是挺卷的，共有 200 多家数据库公司，有 TP 的、AP 的、数仓的、湖仓的等等，但最终能跑出来的可能就几家。当前云上数据库一直都被国内几家云场商占领着，比如阿里云、腾讯云、华为云等等，对于中小型创业公司而言，云肯定是要做的，但在国内市场直接去和几家云厂商 PK 云，当前阶段还是过于激进，赢面较小，选择出海，可能更加明智一些。

中小型创业公司目前主要争取还是私有云场景下独立部署的市场，这样不仅要保证自家产品的质量，同时还要比拼谁家的交付效率更快、交付成本更低，这样才有更大赢的可能性。

八、向量数据库技术要求？

向量数据库技术需要具备高效的向量相似度计算能力，快速的向量检索和聚类功能，支持大规模高维度数据的存储和快速查询，同时要具备数据并行处理和分布式计算能力，以适应大规模数据的存储和处理需求。

此外，还需要具备稳定性和可靠性，能够保证数据的一致性和完整性，同时具备良好的可扩展性和易用性，以满足用户对数据库系统的需求。

九、newsql数据库技术特点？

NewSQL数据库技术特点主要体现在以下几个方面：高性能：NewSQL通过列式存储、数据压缩、缓存等技术，可以大幅度提高查询速度和数据处理能力。可扩展性：NewSQL支持横向扩展，通过添加更多的服务器节点来提高系统性能，以满足海量数据的存储和处理需求。高可用性：NewSQL支持自动故障转移、数据备份和恢复等功能，确保系统的稳定运行和数据安全。支持SQL查询：NewSQL保留了传统的SQL查询方式，方便开发者和数据分析师进行数据操作和分析。数据一致性：NewSQL数据库保证数据的一致性，无论使用传统的ACID事务还是基于复制和分区的CAP理论。分布式架构：NewSQL数据库引入了NoSQL数据库的分布式架构，支持大规模数据和高并发请求的处理。大数据处理：NewSQL数据库可以处理大规模数据，支持高并发的请求，满足传统关系型数据库无法满足的一些需求。以上就是NewSQL数据库技术的特点，希望对你有所帮助。

十、面向对象数据库技术？

面向对象数据库系统（Object Oriented Data Base System，简称OODBS）是数据库技术与面向对象程序设计方法相结合的产物。

对于OO数据模型和面向对象数据库系统的研究主要体现在：研究以关系数据库和SQL为基础的扩展关系模型；以面向对象的程序设计语言为基础，研究持久的程序设计语言，支持OO模型；建立新的面向对象数据库系统，支持OO数据模型。

面向对象程序设计方法是一种支持模块化设计和软件重用的实际可行的编程方法。它把程序设计的主要活动集中在建立对象和对象之间的联系（或通信）上，从而完成所需要的计算。一个面向对象的程序就是相互联系（或通信）的对象集合。面向对象程序设计的基本思想是封装和可扩展性。