对大数据管理系统应用统一查询

集成大数据系统与企业数据仓库

O R A C L E 白皮书 | 2 0 1 6 年 3 月

目录

引言 1

不同数据访问 API 带来的挑战 2

统一查询需求 3

统一查询的价值 4

统一查询和企业信息架构 4

统一查询、数据科学和业务智能 5

统一查询和应用程序开发 5

查询特许和 Oracle Big Data SQL 6

语言级联合 6

查询特许：Big Data SQL 方法 7

总结 8

引言

虽然一些人仍认为大数据不过是个噱头，但与大数据相关的工具和方法却日益成为大型信息管理架构的重

要组成部分。实际上，随着大数据进一步渗透到企业 IT，大数据本身的业务正在蓬勃发展。IDC 最近发

布的一项预测表明，大数据技术和服务市场将以 27% 的年复合增长率 (CAGR) 增长，到 2017 年，该市

场将增长为 324 亿美元 — 大约是整个 IT 市场增长率的六倍1。在这个快速变化的时代，各个组织必须仔

细规划，以最大程度发挥大数据的业务优势，同时将采用新技术的风险降至最低。

1

新的 IDC 全球大数据技术和服务预测表明，该市场预计到 2017 年将增长为 324 亿美元

http://www.idc.com/getdoc.jsp?containerId=prUS24542113

信息管理和大数据 — 参考架构

http://www.forbes.com/sites/gilpress/2014/12/11/6-predictions-for-the-125-billion-big-data-analytics-market-in-2015/

更广泛的 Hadoop 生态系统的两个组件（包括 Apache Hadoop 和 Apache Spark 项目）以及许多 NoSQL

数据库正在为组织提供价值。NoSQL 存储可以提供简单、可横向伸缩、低延迟的数据访问，适合支持联机

应用程序，而成本只是更强健的多方面关系数据库的一小部分。借助 Apache Hadoop，尤其是其分布式文

件系统 (HDFS)，许多企业无需以高昂成本扩展传统的存储连接网络设备就可以在他们的信息架构中构建

一个更丰富、更深入的基础层。在分析方面，Apache Spark 及其相关组件允许通过简单的多种语言的 API

来提供可伸缩、复杂的机器学习。

尽管大数据技术可能为业务带来诸多好处，但是它们也让老企业面临着深度挑战。面临的最大挑战是技能

缺口，随着更广泛的大数据生态系统的每一个进步，这一缺口也会越来越大。正如 Forbes.com 网络撰稿

人 Gil Press 所说，“技术人才短缺问题将持续存在。光是在美国，到 2018 年将会有 181,000 个深度分析

职位，是许多要求具有数据管理和解释相关技能的职位的 5 倍。”2 除了技能，为了将通过大数据解决方案

创造的价值融入到更广泛的企业信息架构，需要对这些系统中保存及生成的数据施加安全和治理策略。在

敏感信息泄露事件日益增多的时代，组织不可忽视健全的数据治理和安全，不管他们是否精通分析技术。

不同数据访问 API 带来的挑战

图 1 虽然各种数据存储的运营特征可以帮助企业优化数据存储的性能和成本需求，但不同的数据访问 API 却让这些存储创

造的价值困守于难以集成的孤岛中。

大数据技术具备的运营优势，无论是可伸缩、分布式处理还是具有线性成本特征的低成本存储，可以为企

业带来重大收益。然而，要通过这些技术真正创造价值，面临的核心挑战与经常提及的技能缺口（不同的

数据访问 API）紧密相关。企业 IT 中的数据访问主要根植于 SQL 语言。随着大量应用程序和分析工具紧

紧伴随关系数据库发展而来，我们的技术人员和工具均依赖于支持 SQL 方言的数据库提供的基础。在某种

程度上由于 SQL 本质上是声明式的，结果导向的，因此 SQL 是数据操作的通用语言。

2

6 Predictions for the $125 Billion Big Data Analytics Market in 2015，2014 年 12 月 11 日，

信息管理和大数据 — 参考架构

当我们考虑用于访问 Hadoop 和

NoSQL 技术的核心框架时，它们与

许多工具和技术人员使用的以 SQL

为中心的方法几乎没有相似之处。

大多数 NoSQL 供应商都支持基本的

CRUD（创建、读取、更新和删除）

操作，但即使是这些方法的语法和语义，在实施人员之间可能也会不同。Hadoop 生态系统正在迅速开发

更加多样化、更强大的处理方法来处理最大的数据集，其中就包括 SQL 接口。然而，直到最近，Hadoop

集群中的主要工作单元才可以被视为 MapReduce 作业。底层的 MapReduce 框架需要程序员编写大量的

Java 代码，进行高度的优化，才可完成甚至最基本的任务。

统一查询需求

要真正利用大数据技术的潜在价值，企业需要能够提高员工工作效率，执行相关策略以及降低价值局限于

各种访问方法产生的孤岛的风险。从许多数据孤岛中搜寻洞察，日后还得组装这些洞察以形成清晰的画

面，与这种方法相比，通过统一查询 可从根本上缩短搜寻价值的时间。也就是说，当可以跨所有数据存

储（关系数据库、Hadoop 集群和 NoSQL 数据库）无缝执行一条 SQL 语句同时执行相关策略时，企业可

从大数据获得最大收益。利用统一查询，企业可以专注于解答问题，而不是编排复杂的数据集成。统一查

询可确保分析人员和应用程序在利用现有工具和技能的同时使大数据发挥最大效力。我们认为，统一查询

可使大数据像小数据那样易于管理。

本文将讨论统一查询，特别是 Oracle Big Data SQL，带来的好处。Big Data SQL 通过使用一种称为查询

特许 的独特方法对 Oracle 数据库、Hadoop 集群和 NosQL 数据存储进行清晰的统一查询。通过使用首

先针对 Oracle Exadata 数据库云平台开发的创新，这种新方法既实现了对所有数据存储的最佳性能，又

实现了对所有数据应用现有安全和治理模型的简单扩展。

统一查询的价值

随着在企业架构中越来越多地引入更广泛大数据生态系统的组件，统一查询系统的价值无论如何强调都不过分。由于

组织中各种组件的关键功能的发展速度各不相同，例如，HDFS 的原生查询系统效率低于关系数据库上的查询系统，

一些企业 RDBMS 的横向可伸缩性可能成本愈加高昂，因此确保组织充分利用这些组件是保证获得最佳整体数据管理

系统投资回报的关键。如果没有一个统一查询系统来整合和集成在各个数据存储中创造的价值，必须花费大量的资源

集成和管理各种系统中的数据。

统一查询系统让大数据挑战变小，变得可以应对。在具有统一查询能力的数据管理系统中，可以将数据存储在最合适

的位置，可以使用平台特定的方法操作和转换数据，可以通过简单地扩展现有的关系数据库模式和查询将数据集成到

业务关键流程中。本节将阐述统一查询对企业信息管理的以下三个方面的重要影响：

企业信息架构

数据科学和业务智能

应用程序开发

统一查询和企业信息架构

人们普遍认为，企业信息架构是核心业务流程向 IT 系统的转变。实际上，正如 Ross 等人所述，企业信息架构为业务

执行奠定了基础。3 在日益数字化的时代，包含部分大数据生态系统的健全的信息架构对于实现最大价值非常重要。

图 2 Oracle 信息管理参考架构的物理组件。

我们来看一下图 2 所示的 Oracle 信息管理参考架构。与许多参考

架构一样，其中越来越多地采用了大数据组件。该架构的基础层包

含一个独立于业务流程的规范模型，该模型可以沿着报告链向许多经过优化的报告系统发出通知。一直以来，基础层

作为一个企业数据仓库来实现，而且这种对应关系可能会持续下去。然而，从法规要求到搜寻洞察，各种因素迫使需

要一个非常大的原始数据储藏库。这个原始数据储藏库提供一个不变的数据池，可准确反映数据的原始运营状态。原

始数据储藏库的不变性和潜在规模庞大性表明，它们非常适合于使用 Apache Hadoop（特别是 HDFS）来实现。实际

上，“数据储藏库”一词越来越与 Hadoop 相关。4

3 Jeanne W. Ross、Peter Weill 和 David Robinson。Enterprise Architecture as Strategy: Creating a Foundation for Business

Execution。Harvard Business Press，2006 年。

4 Are You Pouring Pollution into the Data Lake? Merv Adrian，Gartner，2014 年 10 月 10 日

什么是统一查询？

统一查询指的是通过一条声明

式语句可以访问和分析许多不

同数据存储中的数据。这些数

据存储可以是关系数据库、

NoSQL 数据存储或大型并行文

件系统，如 Hadoop 分布式文

件系统 (HDFS)。统一查询应

在数据存储间无缝运行，并允

许以多种格式存储数据。

信息管理和大数据 — 参考架构

增加基于 HDFS 的原始数据储藏库会带来挑战，特别是必须将数据从储藏库提升至基础层的情况。如果基础层在

RDBMS 中实现，则必须

1. 从储藏库扫描数据

2. 将数据转换为适当的数据类型

3. 将数据加载到 RDBMS 中，且不会影响任一系统的服务级别协议 如果不使用统一查询系统，这一系列的活动通常作为一系列不同的批处理流程来实现。扫描可能通过 MapReduce、

Spark 或 SQL-on-Hadoop 查询引擎来执行。类型转换和加载可能通过调度批量加载来完成，这时必须验证数据质

量，因此可能会出现一个全新的转换周期。而使用统一查询系统，可以通过直接从数据库查询 HDFS 中的数据来完

成这些任务。这意味着，储藏库中的数据可以包括在现有的质量提高任务中，可以包括在持续的转换任务中，可以

根据需要以即席方式进行访问。

统一查询、数据科学和业务智能

通过大数据系统获得新洞察具有很大的潜力，但要创造价值，这些洞察对于组织的最高层必须是可见的、可以解释

的。通过从大量细粒度的数据中提取成功案例和建议来采取行动的需求催生了数据科学领域。然而，数据科学家的

工作往往因需要进行大量的“清洁工作”，不能专注于分析而受到阻碍。5 数据科学家需要使用大量的手工工具清理和

纠正数据以为获得洞察做好准备，与此形成鲜明对比的是，统一查询系统使数据科学家能够专注于分析工作，而让

底层查询系统自动处理和联接数据。从行业标准（如 SAS Advanced Analytics 和 Stata）到最新的流行语言包（如

Python 和 R）等统计分析工具可以使用统一查询在科学家所选的平台上快速分析不同的数据。

同样，一旦根据获得的洞察采取初步行动后，就需要使用业务智能 (BI) 系统报告行动结果及其对业务的影响。我们

来看一下这个数据科学研究，该研究的目标是通过公司网站提高销售量以及缩短用户浏览新产品所用的时间。如果

用户交易数据存储在 RDBMS 系统中，而用户点击数据存储在 Hadoop 中，要在同一个信息板中报告这两种行为的

变化，需要将数据从 Hadoop 批量加载到支持 BI 系统的 RDBMS 中，或需要使用统一查询系统。在日益实时的环境

中，只有统一查询才可以提供所有系统的必要报告。

统一查询和应用程序开发

统一查询为应用程序开发领域带来了两个好处。第一个好处是直观。大多数数据服务应用程序以关系数据库为基础

并通过对象关系映射器 (ORM) 接入。可以通过调整现有应用程序以利用大数据，这里的问题是可能需要完全重写应

用程序的数据访问层。这可能意味着，需要添加专门针对 NoSQL 数据库的另一个数据访问层，或将数据从 Hadoop

集群批量加载到应用程序的支持数据库中。统一查询则消除了这些问题：使用 SQL 访问关系数据库数据的 ORM 只

需将对象关系添加到其现有模型中即可访问 NoSQL 和 Hadoop 存储。与以往一样，底层系统负责处理应用程序的查

询，但使用统一查询后，它可以处理新数据源中的相关数据。

虽然利用大数据增强应用程序是统一查询带来的一个明显优势，但对全新应用程序进行报告却是一个主要优势。想

想利用低延迟 NoSQL 存储作为支持数据库的移动应用程序和 Web 应用程序的数量。将数据从这些系统集成到现有

的 BI 系统可能非常具有挑战性 — 可能同样需要将数据从源系统批量加载到数据仓库。在统一查询系统中，可以在

NoSQL 平台上开发全新应用程序，但可以结合使用基于数据仓库的现有报告流程轻松地对其进行报告。

5 “For Big Data Scientists, ‘Janitor-Work’ Is Key Hurdle to Insights.”New York Times。2014 年 8 月 17 日

查询特许和 Oracle Big Data SQL

对于希望从现有的数据仓库和不断增加的大数据工具集获取最大利益的企业，统一查询为这些企业带来的价值是非常

明显的。利用现有技能和流程管理所有数据的能力不仅能够节省巨大成本，而且可以直接加快创新。然而，要真正实

现统一查询的价值，其实现特别重要。精心设计的实现可以确保满足 SLA 要求，合理地管理资源，并且所管理的一

系列系统能作为一个系统进行响应 — 无论是 RDBMS、Hadoop 还是 NoSQL 系统。未经深思熟虑的实现将导致整

个系统的性能和关键功能极其不稳定。

统一查询的许多原则类似于 20 世纪 90 年代的联合数据库系统或数据虚拟化解决方案。一般情况下，这些系统在很

大程度上依赖于数据传送 — 即，将数据移至计算工作源，或依赖于语言级联合。对于数据传送，它在大数据系统中

的适用性可能被认为有些对立。针对大数据系统，尤其是 Hadoop 的许多驱动原则依赖这一假设：管理的数据数量

过于庞大，无法移动来进行计算。语言级联合似乎更适合；要求每个系统在本地执行总体查询中自己负责的那一部

分。然而，语言级联合有一些明显的缺点，我们将在下面介绍。

Oracle Big Data SQL 采用一种不同的方法来实现统一查询。Big Data SQL 使用一种称为查询特许 的方法，以一种

实现最大性能并且避免语言级联合缺陷的方式，跨 Oracle 数据库、Hadoop 和 NoSQL 数据存储提供统一查询。本

节将探讨语言级联合的缺点以及查询特许如何为大数据管理系统的统一查询提供最佳解决方案。

语言级联合

在试图通过运行单个查询来访问存储在不同数据存储中的数据时，语言级联合也许是实现统一查询的最天然的方法。

具体来说，如果每个数据存储都支持 SQL 访问，从理论上讲，可以将 SQL 子查询分派到每个系统，然后可以让总

体查询协调器将不同的结果合并在一起。

图 3 基于语言的联合试图将查询语句分散在各个 SQL 处理引擎中。

我们来看一下图 3 中的示例。在 RDBMS 与 Hadoop 之间提供统一查询的语言联合方法可能试图将一个子查询发送

到 Apache Hive，将另一个子查询发送到 Oracle 数据库。

信息管理和大数据 — 参考架构

虽然从逻辑上讲这正是我们希望系统完成的结果，但是光是调用一个将原始查询自动重写到每个系统的子查询就引

起了严重的问题。必须满足一些条件才可使语言级联合成为可能。再来看看我们的 Apache Hive 示例，我们可以清

楚地看到其中的一些问题。

首先，这两个系统都支持相同的 SQL 方言吗？Hive 支持一些窗口功能，但是 HiveQL 中没有 within group。同

样，HiveQL 中也没有 listagg 函数。因此，对 Apache Hive 应用语言联合要么仅限于 HiveSQL 实现的 SQL 子

集，要么需要查询协调器动态生成可模拟结果的代码。对于未实现的窗口函数，这可能需要对同一个数据集执行多

次扫描，需要大量的临时空间。

其次，如何在系统之间管理资源？ 在 Oracle 数据库上运行的代码段将需要高级资源管理，将根据该系统的功能进行

调度和并行化。而提交到 Hive 系统的一个甚至十分简单的子查询都必须从 YARN 资源管理器请求运行时资源并执行

其作业。这两种资源管理解决方案都是正确的，但为了提供可预测的响应时间，统一查询的资源管理必须是全局性

的。如果不使用全局资源管理，语言联合的查询可能会阻止进行查询的任一系统上的意外负载。

最后，以何种方式对查询应用安全和治理策略？在语言联合查询中，一个系统要么必须解析和应用针对所有系统的

策略，要么可能以尽力而为的方式实施访问控制。然而这些尽力而为的方式可能仅提供最少的访问控制，因为用户

凭证可能在各个环境间不一致。Hadoop 系统上的用户可能通过 Kerberos 进行身份验证，但是在参与联合查询的

RDBMS 中是否共享和存储有相同的 Kerberos 票证？而且，只在语言级联合

查询至多只能使用要查询的一系列系统中的最少的功能。

查询特许：Big Data SQL 方法

Oracle Big Data SQL 提供了另外一种方法以取代语言级联合，该方法通过

使用一种称为查询特许 的技术，跨 Hadoop、NoSQL 和 Oracle 数据库环

境提供统一查询。该方法提供一系列系统的最多的功能。整个 Oracle SQL

都可以使用，可以用于所有数据，而不是只能使用所有系统支持的最小子

集。所有可在外部应用的访问控制、治理和安全策略都可应用于所有数

据，而不是依靠松散的尽力而为的方法来保护数据。这个丰富的统一查询

系统使用专用代理在各个数据位置执行智能扫描功能，从而能以最高的性

能和可预测性运行。

什么是查询特许？

查询特许系统将查询处理分派

到不同系统上的自相似计算代

理，且不会损失操作保真度。

简而言之：每个子系统上的轻

型、专用代理都参与查询执

行，以确保使用相同的运算符

对所有数据进行扫描和处理。

Big Data SQL 在 Oracle 数据库中将其统一查询接口呈现为外部表功能的一个扩展。这可确保对 Hadoop 和 NoSQL

源的开发人员、工具和应用程序访问与现有数据库行为一一对应。这些扩展经过精心设计，充分利用了广泛实现的开

源 API，如 Hadoop 的 InputFormat 接口和 Hive 的 SerDe 接口。因此，对于用户，大数据源就好像典型的数据库

表，但底层大数据系统的访问和读模式语义由 Oracle 数据库在查询时自动处理。

查询特许增强了这些外部表接口，可在存储数据的系统上对数据进行大规模并行处理。查询特许不是在语言级进行联

合以及分配独立的作业，而是使用轻型代理在数据级分配工作。智能扫描功能将数据的大多数行式处理分流到这些数

据所位于的服务器 — 无论是 Exadata 存储单元还是运行 Big Data SQL 代理的 Hadoop DataNode。这种本地处理大

大降低了系统之间传输的数据量，从而提高了查询执行速度，同时确保在每个系统上使用完全相同的运算符。此外，

这些专用代理将数据转换为统一的格式，从而可以对其应用所有必需的安全策略。

如图 4 所示，我们来看看对 Oracle 大数据一体机上

的 Hadoop 集群和 Oracle Exadata 上运行的

Oracle 数据库执行的一个查询，以阐明这一点。

在查询编译（图中的 1 号位置）时，数据库发现

Oracle 格式的数据的位置，且系统询问 HDFS

NameNode 以确定 Hadoop 数据位置（或

InputSplit）。从这些位置，制定全局查询计划并将

工作分配给大数据一体机上的 Big Data SQL 代理

和 Exadata 上的存储单元（图中的 2 号位置）。在

数据本地，对 Exadata 中 Oracle 格式的数据以及

Hadoop 中存储的读模式数据应用相同的智能扫描

功能。智能扫描应用一些操作，以确保仅相关数据

返回到查询数据库。这些操作包括：

图 4 Big Data SQL 使用智能扫描技术提供统一查询。查询时，

Hadoop 系统上的数据本地代理执行查询，而联接由查询数据库进行

处理。

• WHERE 子句求值

• 列投影

• 应用布隆筛选器以提高联接性能

• JSON 解析、数据挖掘模型评估 执行智能扫描处理后，数据流都为 Oracle 格式且返回到查询数据库的计算服务器。在这里，可以对数据流进行联

接、合并、应用 PL/SQL 函数和进行高级分析。此外，Oracle 数据库中的任何安全策略或治理策略都可应用于数据

流。生成的查询可跨两个系统中的数据提供快速、安全且可预测的访问。

总结

随着大数据生态系统的迅速发展，Hadoop 和 NoSQL 存储正在迅速成为更广泛信息管理资产的一部分。虽然这些系

统都可以为企业带来真正价值，但必须小心谨慎，以确保洞察不会因不同的数据访问 API 而形成孤岛。许多组织将通

过统一查询系统获得最大价值。利用统一查询系统，只用单个查询就可以访问多个存储中的数据，无论这些存储是

Hadoop、NoSQL 还是关系数据库。

通过特许提供相同智能扫描服务的轻型代理执行查询，Big Data SQL 提供了一种卓越的统一查询方法。用户和工具

可以对所有数据利用 Oracle SQL 的全部功能。管理员可以将现有的安全和治理策略轻松扩展至 Hadoop 或 NoSQL

数据库中存储的数据。企业可以在不阻碍不同数据存储背后价值的情况下无缝利用不断发展的大数据生态系统的强大

功能，从而加快价值实现。

甲骨文（中国）软件系统有限公司

北京远洋光华中心办公室

地址：北京市朝阳区景华南街5号远洋光华中心C座21层

邮编：100020

电话：(86.10) 6535-6688

传真：(86.10) 6515-1015

北京汉威办公室

地址：北京市朝阳区光华路7号汉威大厦10层1003-1005单元

邮编：100004

电话：(86.10) 6535-6688

传真：(86.10) 6561-3235

北京甲骨文大厦

地址：北京市海淀区中关村软件园24号楼甲骨文大厦

邮编：100193

电话：(86.10) 6106-6000

传真：(86.10) 6106-5000

北京国际软件大厦办公室

地址：北京市海淀区中关村软件园9号楼国际软件大厦二区308单元

邮编：100193

电话：(86.10) 8279-8400

传真：(86.10) 8279-8686

北京孵化器办公室

地址：北京市海淀区中关村软件园孵化器2号楼A座一层

邮编：100193

电话：(86.10) 8278-6000

传真：(86.10) 8282-6401

上海名人商业大厦办公室

地址：上海市黄浦区天津路155号名人商业大厦12层

邮编：200001

电话：(86.21) 2302-3000

传真：(86.21) 6340-6055

上海腾飞浦汇大厦办公室

地址：上海市黄浦区福州路318号腾飞浦汇大厦508-509室

邮编：200001

电话：(86.21) 2302-3000

传真：(86.21) 6391-2366

上海创智天地10号楼办公室

地址：上海市杨浦区凇沪路290号创智天地10号楼512-516单元

邮编：200433

电话：(86.21) 6095-2500

传真：(86.21) 6107-5108

上海创智天地11号楼办公室

地址：上海市杨浦区淞沪路303号创智天地科教广场3期11号楼7楼

邮编：200433

电话：(86.21) 6072-6200

传真：(86.21) 6082-1960

上海新思大厦办公室

地址：上海市漕河泾开发区宜山路926号新思大厦11层

邮编：200233

电话：(86.21) 6057-9100

传真：(86.21) 6083-5350

广州国际金融广场办公室

地址：广州市天河区珠江新城华夏路8号合景国际金融广场18楼

邮编：510623

电话：(86.20) 8513-2000

传真：(86.20) 8513-2380

成都中海国际中心办公室

地址：成都市高新区交子大道177号中海国际中心7楼B座02-06单元

邮编：610041

电话：(86.28) 8530-8600

传真：(86.28) 8530-8699

深圳飞亚达科技大厦办公室

地址：深圳市南山区高新南一道飞亚达科技大厦16层

邮编：518057

电话：(86.755) 8396-5000

传真：(86.591) 8601-3837

深圳德赛科技大厦办公室

地址：深圳市南山区高新南一道德赛科技大厦8层0801-0803单元

邮编：518057

电话：(86.755) 8660-7100

传真：(86.755) 2167-1299

大连办公室

地址：大连软件园东路23号大连软件园15号楼502

邮编：116023

电话：(86.411) 8465-6000

传真：(86.755) 8465-6499

苏州办公室

地址：苏州工业园区星湖街328号苏州国际科技园5期11幢1001室

邮编：215123

电话：(86.512) 8666-5000

传真：(86.512) 8187-7838

沈阳办公室

地址：沈阳市和平区青年大街390号皇朝万鑫国际大厦A座39层3901&3911室

邮编：110003

电话：(86.24) 8393-8700

传真：(86.24) 2353-0585

济南办公室

地址：济南市泺源大街150号中信广场11层1113单元

邮编：250011

电话：(86.531) 6861-1900

传真：(86.531) 8518-1133

南京办公室

地址：南京市玄武区洪武北路55号置地广场19层1911室

邮编：210018

电话：(86.25) 8579-7500

传真：(86.25) 8476-5226

西安办公室

地址：西安市高新区科技二路72号西安软件园零壹广场主楼1401室

邮编：710075

电话：(86.29) 8834-3400

传真：(86.25) 8833-9829

重庆办公室

地址：重庆市渝中区邹容路68号大都会商厦1611室

邮编：400010

电话：(86.23) 6037-5600

传真：(86.23) 6370-8700

杭州办公室

地址：杭州市西湖区杭大路15号嘉华国际商务中心810&811室

邮编：310007

电话：(86.571) 8168-3600

传真：(86.571) 8717-5299

福州办公室

地址：福州市五四路158号环球广场1601室

邮编：350003

电话：(86.591) 8621-5050

传真：(86.591) 8801-0330

南昌办公室

地址：江西省南昌市西湖区沿江中大道258号

皇冠商务广场10楼1009室

邮编：330025

电话：(86.791) 8612-1000

传真：(86.791) 8657-7693

呼和浩特办公室

地址：内蒙古自治区呼和浩特市新城区迎宾北路7号

大唐金座19层北侧1902-1904室

邮编：010051

电话：(86.471) 3941-600

传真：(86.471) 5100-535

郑州办公室

地址：河南省郑州市中原区中原中路220号

裕达国际贸易中心A座2015室

邮编：450007

电话：(86.371) 6755-9500

传真：(86.371) 6797-2085

武汉办公室

地址：武汉市江岸区中山大道1628号

武汉天地企业中心5号大厦23层2301单元

邮编：430010

电话：(86.27) 8221-2168

传真：(86.27) 8221-2168

长沙办公室

地址：长沙市芙蓉区韶山北路159号通程国际大酒店1311-1313室

邮编：410011

电话：(86.731) 8977-4100

传真：(86.731) 8425-9601

石家庄办公室

地址：石家庄市中山东路303号石家庄世贸广场酒店14层1402室

邮编：050011

电话：(86.311) 6670-8080

传真：(86.311) 8667-0618

昆明办公室

地址：昆明市三市街六号柏联广场写字楼11层1103A室

邮编：650021

电话：(86.871) 6402-4600

传真：(86.871) 6361-4946

合肥办公室

地址：安徽省合肥市蜀山区政务新区怀宁路1639号平安大厦18层1801室

邮编：230022

电话：(86.551) 6595-8200

传真：(86.551) 6371-3182

广西办公室

地址：广西省南宁市青秀区民族大道136-2号华润大厦B座2302室

邮编：530028

电话：(86.771) 391-8400

传真：(86.771) 577-5500

公司网址：http://www.oracle.com（英文）

中文网址：http://www.oracle.com/cn（简体中文）

销售中心：800-810-0161

售后服务热线：800-810-0366

培训服务热线：800-810-9931

欢迎访问：

http://www.oracle.com（英文）

http://www.oracle.com/cn（简体中文）

版权© 2014 归 Oracle 公司所有。未经允许，不得以任何

形式和手段复制和使用。

本文的宗旨只是提供相关信息，其内容如有变动，恕不另

行通知。Oracle 公司对本文内容的准确性不提供任何保证，

也不做任何口头或法律形式的其他保证或条件，包括关于

适销性或符合特定用途的所有默示保证和条件。本公司特

别声明对本文档不承担任何义务，而且本文档也不能构成

任何直接或间接的合同责任。未经 Oracle 公司事先书面许

可，严禁将此文档为了任何目的，以任何形式或手段(无论

是电子的还是机械的)进行复制或传播。

Oracle 是 Oracle 公司和/或其分公司的注册商标。其他名

字均可能是各相应公司的商标。