近日,腾讯云原生数据库TDSQL-C 迎来全面升级。新版本涵盖了基于英特尔® 傲腾™ 持久内存的二级缓存、全链路RDMA网络、7*24持续无锁备份等核心功能,在全缓存场景和大数据集场景中,性能对比传统云数据库性能提升200%,超越了业内其他的云原生数据库产品。与此同时,TDSQL-C的性价比也得到了大幅提升,其价格仅为商业数据库的1/10。
多方位优化产品架构,英特尔与腾讯联合创新
作为腾讯云自研的新一代云原生关系型数据库,本次发布的TDSQL-C新版本搭载了腾讯自研数据库内核TXSQL,TXSQL针对云原生数据库场景进行了大量优化,能够大幅提升数据库性能,更好地满足企业对于数据库性能的追求。
为进一步深入优化产品架构和技术实现,TDSQL-C与英特尔技术团队积极开展联合创新。结合最新一代英特尔® 至强® 可扩展处理器以及英特尔® 傲腾™ 持久内存(PMem) 的硬件特性重构二级缓存设计方案,新版本在IO bound场景中的读写性能提升了2倍以上。TDSQL-C还携手英特尔多方位优化存储方案设计,如加入轮询、算法优化、消除锁等机制,优化存储引擎等,并引入由英特尔提供的SPDK开发套件,优化NVMe固态盘的 IOPS和时延性能。
此外,TDSQL-C新版本还对网络架构进行了优化升级。采用英特尔® 傲腾™ 持久内存的全链路RDMA网络,依靠零拷贝、内核旁路、无CPU干预等特性,存储层、计算层和存储层多副本间关键路径的系统性能得到进一步优化,降低请求延迟最高达80%,使 I/O性能不再成为瓶颈。
多场景测试表现卓越,性能优势明显
在探究新版本实际性能的过程中,测试人员通过基准测试工具sysbench以及全仿真业务生产环境,分别针对只写、只读以及混合读写场景进行了性能测试。
报告显示TDSQL-C性能全面领跑市场同类产品,可全面满足企业对于数据库性能的要求。报告中的测试数据仅是单节点的结果,TDSQL-C MySQL 支持秒级扩展, 可帮助企业实现读性能提升至1500%以上。
另外,在电商业务及游戏业务的热点数据访问场景中,通常需要将全部数据放到缓存里,且查询过程中不需要读写磁盘更新缓存。测试报告显示,在全缓存场景下,实例规格越大TDSQL-C MySQL 的性能优势越明显,在32核规格之后,TDSQL-C MySQL 版能够在增加CPU的情况下进一步提高QPS。在资源利用率层面,TDSQL-C MySQL 版可以将计算节点的CPU利用率达到90%以上,在请求时延rtt上也几乎不会出现抖动。
相较于全缓存场景,大数据集场景在真实业务使用的出现频率更高。大数据集的只读场景中,在混合读写的通用场景下 TDSQL-C MySQL 版的性能均超出市场同类产品,而且随着规格增大,性能优势愈发明显。
云原生数据库TDSQL-C MySQL版采用“存储和计算分离”的设计理念,支持最大超400TB的单库海量数据存储。随着这个特性的应用,越来越多的企业不再使用分库分表的方式应对历史归档数据的存储,从而出现了“超级大表”的现象。在单表40亿条记录且数据存储空间达到1TB的场景下,TDSQL-C MySQL版依然表现卓越。
在混合读写的场景中,随着数据库规格的增大,TDSQL-C MySQL 版的性能比传统云数据库 MySQL 提升了200%,比其他云原生数据库也有明显优势。
助推技术落地,共建云原生生态融合
目前,在英特尔技术的加持下,TDSQL-C已为不同行业用户提供了稳定可靠企业级云数据库服务,具有备份、恢复、监控、快速扩容、数据传输等数据库运维全套解决方案,能够帮助企业简化 IT 运维工作,更专注于业务发展。
未来,腾讯云数据库内核团队将继续与英特尔及开源社区开展深度合作,持续贡献技术力量,为各行各业带来全新的业务价值与技术优势,不遗余力地推进产研共建与生态融合。
好文章,需要你的鼓励
初创公司Positron获得5160万美元A轮融资,推出专门针对AI推理的Atlas芯片。该公司声称其芯片在性能功耗比和成本效益方面比英伟达H100高出2-5倍,并已获得Cloudflare等企业客户采用。Positron专注于内存优化设计,无需液体冷却,可直接部署在现有数据中心。公司计划2026年推出支持16万亿参数模型的下一代Titan平台。
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题:如何让AI既能写出高质量内容,又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法,他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感,最终训练出的模型在保持顶级质量的同时,创作多样性接近人类水平,为AI创意写作开辟了新方向。
忽视智能体AI的潜力,特别是其对现代化数据基础设施的需求,面临着与忽视互联网的零售商相同的生存风险。关键不在于是否投资,而在于如何确保投资转化为可衡量的现实收益。企业需要超越AI试验阶段,明确业务目标,从治理开始构建ROI模型。成功的组织在整个技术栈中嵌入智能体,从面向客户的应用到内部治理系统。通过强化数据治理、减少重复工具和统一平台,AI的ROI将从理论变为现实。
上海AI实验室联合多所高校开发出VisualPRM系统,这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程,显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准,实现了在七个推理基准上的全面性能提升,即使是最先进的大型模型也获得了5.9个百分点的改进。