ZDNet至顶网软件频道消息:在过去,若要支持大规模数据库工作负载,需要大量高端服务器和存储阵列。现在,凭借最新Oracle Exadata数据库云服务器X4-8,以前需要在几十个机架设备上运行的工作负载在一台Oracle集成系统上就能运行,且运行速度得到显著提高。
Oracle Exadata数据库云服务器X4-8采用强大的8-socket数据库服务器、智能存储、超高速PCI闪存卡以及统一InfiniBand连接,为大规模数据库工作负载提供了极致的计算能力及数据吞吐量。
Oracle Exadata数据库云服务器X4-8不仅在处理联机交易处理(OLTP)、数据仓库等传统数据库工作负载时表现卓越,还专门针对新一代工作负载进行了优化,包括数据库即服务(DBaaS)和内存数据库。凭借高达12TB的DRAM内存,Oracle Exadata数据库云服务器X4-8可整合数百个数据库,并能够在内存中完整运行海量数据库。
Oracle Exadata数据库云服务器X4-8提高了计算、内存处理及通信能力,可为客户的关键数据密集型应用提供理想的平台,包括数据仓库、OLTP和大数据分析。最新的集成系统还专门针对DBaaS和内存数据库进行了优化。
Oracle Exadata数据库云服务器X4-8针对Oracle Database In-Memory进行了优化,以大容量DRAM支持内存处理,同时为闪存及磁盘提供透明的数据分层,以处理次关键级的数据。
Oracle Exadata数据库云服务器X4-8支持Oracle Database In-Memory的容错功能,即使某个数据库节点出现故障,内存处理也能继续进行而不必中断。
Oracle Exadata数据库云服务器X4-8还进一步降低了在大型私有云及公有云中部署Oracle数据库的运行成本和管理成本,使企业能够实现大规模DBaaS或数据库整合计划。
Oracle Exadata数据库云服务器X4-8的数据库计算节点采用英特尔至强E7-8895 v2。这是一款经过优化的15核微处理器,可弹性扩展有效内核的频率和数量,以帮助提供最高工作负载性能。
总体来说,Oracle Exadata数据库云服务器X4-8与前一代系统相比,性能和内存处理能力都得到了显著提升。硬件提升包括:数据库计算节点增加50%,采用英特尔至强E7 v2 15核处理器;每计算节点配置多达6TB内存,每机架总共12TB内存;采用了新的PCIe卡,所有端口都工作时,InfiniBand速度可提高一倍;本机磁盘空间增加将近一倍;磁盘存储容量高达672TB,每机架PCI闪存容量为44TB。
Oracle Exadata数据库云服务器X4-8的硬件与之前推出的Oracle Exadata数据库云服务器是相互兼容和可互操作的,从而使采用现有系统的客户能够方便地使用该最新系统进行扩展。此外,最新Oracle Exadata的软件支持前一代Oracle Exadata硬件系统,也支持Oracle数据库12c和Oracle数据库11g版本2。
甲骨文设计的集成系统对整个系统的每个层面的性能都进行了优化。全球数千个客户依靠Oracle Exadata数据库云服务器简化数据中心操作、降低成本并加速业务创新。
甲骨文公司系统技术高级副总裁Juan Loaiza表示:“自2008年推出Oracle Exadata数据库云服务器以来,甲骨文一直在提供业界领先的集成系统,以帮助客户从其企业数据中获得最大价值。Oracle Exadata数据库云服务器X4-8再次提高了性能标准,为Oracle Database In-Memory提供了一个理想平台。Oracle Exadata与Oracle Database In-Memory相结合,可帮助客户转变成实时型企业。”
英特尔公司高级副总裁兼数据中心事业部总经理Diane Bryant表示:“由于海量数据的涌入以及需要即时响应不断变化的业务环境,IT部门必须采取新的方式搭建数据基础设施。与甲骨文合作开发的定制版英特尔至强E7 v2处理器通过弹性加速数据库运行的峰值性能,同时减少数据占用的存储容量,有助于最大限度地释放Oracle Exadata数据库云服务器X4-8的潜力。”
好文章,需要你的鼓励
山东大学等高校联合研究揭示智能手机AI助手隐私保护能力严重不足。研究团队构建了首个隐私意识评估基准SAPA-Bench,包含7138个真实场景。测试结果显示,即使最佳模型的隐私风险感知能力也仅达67%,多数开源模型仅30%左右。研究发现闭源模型表现优于开源模型,明确提示可显著提升隐私感知能力。
英国研究人员开发出一项名为Fastball的三分钟检测技术,通过脑电图头戴设备分析大脑对图像的识别能力,能够在认知衰退早期发现记忆问题。研究涉及107名参与者,发现该技术可有效识别轻度认知障碍患者的记忆缺陷,比现有诊断工具提前10-20年发现阿尔茨海默病征象。该技术可在家中使用,为早期干预治疗提供可能。
香港理工大学等机构研究团队发现扩散语言模型存在"早期答案收敛"现象:高达99%的问题在推理中途就已得出正确答案,却仍继续无效推理。基于此发现,团队开发了Prophet方法,通过监控AI推理信心动态决定提前停止时机,实现3.4倍推理加速且几乎不损失准确性,为AI文本生成效率优化开辟新方向。