数据库函数抽取

ADM产品在设计过程中主要依据相关法规政策为指导，加强信息科技管理，提高信息科技风险管控能力，逐步健全信息安全管理体系，加强重点领域信息安全管理，根据信息系统在**、经济建设、社会生活中的重要程度确定信息系统的安全保护等级。l《国家信息化领导小组关于加强信息安全保障工作的意见》l《金融行业信息系统信息安全等级保护测评指南》l《金融科技发展规划（2022-2025年）》l《银行业金融机构数据治理指引》l《电信和互联网行业提升网络数据安全保护能力专项行动方案》l《国家医疗保障局关于加强网络安全和数据保护工作的指导意见》l《中华人民共和国网络安全法》l《中华人民共和国数据安全法》l《中华人民共和国个人信息保护法》上讯ADM产品的数据备份模块实现了数据库、文件、虚拟化平台的备份恢复。数据库函数抽取

混合IT环境下兼容性***的数据保护平台ADM***兼容物理服务器、虚拟化、云平台的备份源，降低因混合IT环境而需要多套数据保护方案带来的成本压力和管理复杂性。支持国产化操作系统，支持主流平台下的数据库、文件数据保护，支持主流虚拟化平台的保护，支持国产云平台的保护。通过数据库虚拟化技术快速创建副本实现对备份数据的即时挂载恢复，提供业务应急响应能力和数据快速恢复能力，挂载恢复***缩短了备份数据恢复的时间，可用于验证备份数据的有效性，直接提升了数据恢复验证的频率。同时，ADM可与第三方备份系统对接，改变传统手动编写脚本恢复数据的方式，通过设置定时策略，自动化实现备份数据恢复的有效性验证，**终，协助企业建立***高效的数据保护平台。数字中国上讯信息敏捷数据管理平台ADM产品的数据备份模块通过创建虚拟副本实现了本机、异机的即时挂载恢复。

敏捷数据管理平台ADM的关键技术如下：l***数据获取方式数据获取的目的是将不同的数据源实时或者按需同步到平台内，根据不同类型的数据源，数据获取方式分为三种，保证覆盖全部数据源获取方式：①支持实时同步应用数据库；②支持按需同步关系型数据库；③支持与备份系统对接恢复数据。l核心专利技术—数据库虚拟化技术ADM内置一套数据库虚拟化管理程序，虚拟数据库是通过一份基础数据源创建的数据副本，一份基础数据源可以生成多个虚拟数据库，虚拟数据库可读可写，虚拟数据库状态可实时保存。虚拟数据库创建时间为分钟级，且不占用额外的存储空间。

数据备份管理是上讯敏捷数据管理平台ADM功能模块之一，主要用于实现云环境、物理环境、虚拟化平台下的数据保护。包括支持各种主流平台下的系统、数据库及文件数据的保护，支持主流的虚拟化平台、国产化云服务器以及容器的保护，并可对物理服务器及虚拟化平台下的备份数据进行即时挂载恢复，提供业务应急的能力和数据快速恢复能力；针对数据备份的存储资源类型，ADM支持DAS（包括SSD/HDD）、SAN（包括IP-SAN/FC-SAN）、对象存储等存储资源。支持接入第三方云存储、对象存储等作为大容量数据存储池，具备较强的扩展能力。上讯信息敏捷数据管理平台为企业上中下游数据的高效使用、安全管控提供了一套综合数据安全治理解决方案。

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***。而长久增量备份与全量快照合成技术，即***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，长久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。长久增量备份与全量快照合成技术适用于单个应用数据量大，执行一次完全备份比较费时费力的应用场景。若用户备份数据量小，也可使用传统的全备+增备技术方式，ADM无挂载备份能够实现此方式。数据安全领域的CDM是指copy data management。数据管理体系

ADM的敏感数据处理灵活性体现在异构引擎可以将大数据平台数据抽取至多类型数据库，满足输出格式多样化。数据库函数抽取

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，充分发挥了数据资产的潜在价值。数据库函数抽取