Oracle近日推出了最新一代Exadata处理器,并宣布基于Oracle Exadata Cloud Infrastructure X9M设备的计算服务现已在Oracle Cloud Infrastructure中提供。
Oracle表示,运行于Exadata基础设施上的Oracle Autonomous Database Service在性能、吞吐量和容量上有显著提升,而且成本不会相应增长。企业组织可以利用该平台将大量事务型处理、分析和混合数据库工作负载整合到单个云服务中。
该系统配置了AMD最新一代微处理器,具有64个核心,让Exadata Cloud Infrastructure X9M能够扩展到8064个虚拟CPU,较X8M平台增加了2.5倍。此外,还具有高达3.1 PB的未压缩数据库容量,也较之前增加了28%。
Oracle表示,内部网络速度提高了80%,应用服务器客户端带宽增加了一倍,SQL查询延迟低于19微秒,IPOS增加了87%。扫描速率也都提高了80%,达到每秒2.88TB。
Oracle宣称性能最佳
Oracle宣称X9M的I/O延迟低于19微秒,这比竞争对手AWS的RDS高25倍,比微软的Azure SQL高50倍。据Oracle称,X9M最多可容纳64台存储服务器,比单个Azure SQL实例快137倍,比Amazon RDS实例快384倍。
Oracle是在去年9月推出X9M设备的,最初是用于本地部署。随着云服务的推出,“无论客户选择在哪里运行他们的应用,架构上都是相同的,”Oracle数据库和自治服务全球副总裁Steve Zivanic表示。
Oracle产品管理副总裁Ashish Ray说:“将应用迁移到云端可将故障中断降至最低水平、没有停机时间、不需要更高应用和数据模型。”
目前,Oracle正在迅速扩大云服务范围,已经覆盖了全球37个地区,今年计划再增加7个地区。此外,Oracle还拥有11个“Azure Interconnect”区域,让微软客户可以通过Azure访问Oracle数据库服务。
横向和纵向扩展
该服务可进行横向和纵向扩展,让客户能够启用核心以处理更多计算密集型的操作,还可以逐步将服务器添加到集群中以适应更大的数据库。Ray说,每个新增的服务器最多可以添加126个计算核心、1.3TB RAM、以及1个50 Gb的OCI结构链接。每个存储服务器都支持51TB数据库存储,并采用了英特尔24核Ice Lake处理器。Ray说,使用Oracle Application Clusters可实现几乎是线性的可扩展性。
Oracle还特别强调了在价格上的优势,称尽管扫描速度提高了180%,处理核心增加了21倍,但从8XM升级到9XM服务的过程中,客户费用并未增加。Ray表示:“我们对存储服务器、数据库服务器和网络进行深度工程设计,以大幅提升性能。”
其他方面的提升还包括CPU容量增加了40倍,内存增加15倍达到44TB,网络速度提高32倍,达到每秒1.6TB,存储服务器的SQL处理核心、内存和缓存增加了21倍,数据库大小增加了27倍,达到3.27PB。
Exadata软件方面的增强包括通过重启支持区块链表、存储索引和列缓存持久性、软件和固件更新加速、解密和解压缩算法加速等。Ray说:“持久缓存意味着即使关闭存储服务器进行升级,再次重新启动时缓存仍然存在。”
他说,升级至下一代Exadata很简单,“你在X9M上创建一个Data Guard副本,然后切换就可以了。Data Guard在内存深层将二级数据库与生产数据库保持同步,因此数据通过网络实时传送到接收服务器,并提供数据保护,”然后,客户就可以重启采用新的服务了。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。