Actian Zen v16.10: Moderne Beobachtbarkeit, verbesserte Sicherheit und Python

Wir freuen uns sehr, die Veröffentlichung von Actian Zen v16.10, ein bedeutendes Update, das darauf abzielt, Beobachtbarkeit zu modernisieren, die Datensicherheit zu stärken und Python zu unterstützen.

Aufbauend auf der innovativen Grundlage von Zen 16.0 führt diese Version drei bahnbrechende Fähigkeiten ein:

1. Prometheus-basierte Telemetrie.
2. Native SQL-Datenmaskierung.
3. Unterstützung für SQLAlchemy-Dialekte.

Diese Funktionen basieren direkt auf Kundenfeedback und helfen Ihren Teams dabei, verwalten mit größerer Transparenz verwalten , sensible Informationen an der Quelle zu schützen und moderne Anwendungen mit Python zu erstellen.

So hilft Ihnen Zen v16.10 dabei, intelligentere, sicherere und besser vernetzte Edge-Anwendungen zu entwickeln:

Modernisieren Sie Beobachtbarkeit Prometheus Telemetry

Actian Zen stellt erstmals einen nativen Metrik-Endpunkt bereit, der Standard-Workflows von Prometheus und Grafana zur Überwachung des Engine-Zustands ermöglicht.

Bisher war die Leistungsüberwachung bei Linux-Bereitstellungen eine Herausforderung, die oft benutzerdefinierte Skripte erforderte oder nicht die detaillierte Transparenz bot, die unter Windows über PerfMon verfügbar ist. Mit Zen v16.10 haben wir gleiche Voraussetzungen geschaffen. Sie können nun Echtzeit-Metriken – darunter Cache-Treffer/Fehler, E/A-Auslastung, Lock-Konflikte und Transaktionsdurchsatz – direkt in Prometheus erfassen.

Warum das wichtig ist:

• Einheitliche Überwachung: Verwenden Sie dieselben Grafana-Dashboards, um Zen sowohl in Windows- als auch in Linux-Bereitstellungen zu überwachen.
• Proaktive Diagnose: DBAs und SREs können Warnmeldungen für Spitzen bei Wartezeiten oder E/A einrichten, sodass sie Engpässe beheben können, bevor sie sich auf die Benutzer auswirken.
• Standardintegration: Es sind keine proprietären Tools erforderlich. Wenn Sie Standard-Monitoring-Stacks für Unternehmen wie Splunk oder Elasticsearch verwenden, können Sie Zen-Metriken ganz einfach über Prometheus in diese einspeisen.

Sicherheit mit SQL-Datenmaskierung verbessern

Datenschutz ist für Unternehmen nicht mehr optional, sondern obligatorisch. Um Ihnen bei der Einhaltung strenger Compliance-Anforderungen wie DSGVO, HIPAA und PCI-DSS zu helfen, führt Zen v16.10 native Tabellen-Spaltenmaskierung direkt in SQL ein.

Mit dieser Funktion können Administratoren sensible Daten – wie Kreditkartennummern, Sozialversicherungsnummern oder E-Mail-Adressen – unkenntlich machen, sodass sie für Benutzer, die keine ausdrückliche Berechtigung zum Anzeigen dieser Daten haben, nicht sichtbar sind. Wenn ein nicht autorisierter Nutzer die Datenbank Nutzer , sieht er maskierte Werte – entweder „xxxx“ für alle Spalten vom Typ „Zeichenfolge“ oder Nullwerte für alle numerischen Typen in den Ergebnissen, während die tatsächlichen zugrunde liegenden Daten unverändert bleiben.

Was dies ermöglicht:

• Granulare Zugriffskontrolle: Definieren Sie die Sichtbarkeit auf Spaltenebene. Ein Kundendienstmitarbeiter sieht möglicherweise nur die letzten vier Ziffern einer Kreditkarte, während ein Finanzmanager die vollständige Nummer sieht.
• Keine Änderungen an der Anwendung: Implementieren Sie Sicherheitsregeln auf Datenbankebene. Sie müssen Ihren Anwendungscode nicht neu schreiben, um die Maskierungslogik zu verarbeiten.
• Zerstörungsfreie Sicherheit: Die zugrunde liegenden Daten bleiben für autorisierte Prozesse intakt, sodass Analyse- und Berichterstellungsaufgaben weiterhin präzise ausgeführt werden können, die Daten jedoch vor unbefugten Blicken geschützt sind.
• Universelle Durchsetzung: Da die Maskierung auf Engine-Ebene angewendet wird, gilt sie auch für Ad-hoc-Zugriffe von Drittanbietern. Jeder, der über einen SQL-Report-Writer wie Tableau oder Excel eine Verbindung herstellt, sieht dieselben maskierten Daten, sodass Benutzer die Sicherheit nicht durch einen Wechsel des Tools umgehen können. 

Schneller entwickeln mit SQLAlchemy-Unterstützung für Python

Python die Sprache der Daten, und Zen v16.10 fügt sich nun mit offizieller Unterstützung für den SQLAlchemy-Dialekt nahtlos in das Python ein.

Entwickler können Zen nun als Backend für beliebte ORM-basierte Anwendungen verwenden. Wenn Sie an die Zustimmung von SQLite stoßen, aber nicht Ihre gesamte Anwendungslogik neu schreiben möchten, ist Zen v16.10 der perfekte Upgrade-Pfad. Sie können Ihre SQLAlchemy-Modelle, Abfragen und Migrationen unverändert beibehalten – ändern Sie einfach die Engine-URL.

Was dies ermöglicht:

• Drop-in-Kompatibilität: Verwenden Sie Standardtools wie Pandas, Polaris und Dask direkt mit Zen.
• Höhere Zustimmung: Überwinden Sie die Einschränkungen von SQLite als Single-Writer-Datenbank und nutzen Sie eine robuste,eingebettet , ohne einen vollständigen Server verwalten zu müssen.
• Entwicklergeschwindigkeit: Konzentrieren Sie sich auf die Erstellung von Funktionen mit Python , anstatt datenbankspezifische SQL-Abfragen zu schreiben.

Bereit für ein Upgrade?

Actian Zen v16.10 ist jetzt verfügbar. Ganz gleich, ob Sie einen besseren Überblick über Ihre Produktionsmaschinen, verbesserte Sicherheitskontrollen für sensible Daten oder ein leistungsfähigeres Backend für Ihre Python benötigen – diese Version bietet Ihnen die Tools, die Sie für Ihren Erfolg am Rand benötigen.

Über den Autor

Über Tahiya Chowdhury

Tahiya Chowdhury ist Produktmanagerin bei Actian Zen, wo sie die Strategie für die branchenweit robusteste Edge-Datenplattform leitet. Aufgrund ihrer Erfahrung bei MongoDB und Goldman Sachs ist Tahiya auf die Entwicklung von Produkten spezialisiert, die den Anforderungen großer Unternehmen und den Anforderungen moderner Entwickler gerecht werden. Sie setzt sich leidenschaftlich dafür ein, die Komplexität der Dateninfrastruktur zu reduzieren, damit Entwicklungsteams schneller vom Prototyp zur Produktion gelangen können.