Oracle 宣布正式推出 Oracle Globally Distributed Autonomous Database。Globally Distributed Autonomous Database 基于 Oracle 备受肯定的分片技术构建而成,不仅为客户提供 Oracle Autonomous Database 的优势,同时也让客户能够控制数据分发和数据放置政策。如此一来,企业能够在全球多个物理位置自动以透明的方式向应用分发和存储数据。通过这种方法,客户可以获得高可扩展性和高可用性,应对数据主权要求,并从自治运营中受益,从而显著降低成本。
作为功能全面的融合数据库,Globally Distributed Autonomous Database 可大规模支持几乎任何数据类型、工作负载和编程风格,简化面向关键任务应用的分布式数据库的开发和使用。现有的 SQL 应用可以直接使用分布式数据库,无需重写。为了满足每个应用的需求,Oracle Globally Distributed Autonomous Database 支持比其他分布式数据库更多的数据分发、复制和部署方法。
甲骨文公司关键任务数据库技术执行副总裁 Juan Loaiza 表示:“全球运营的企业对数据主权、规模和可用性有特定的应用需求,而这些需求在各个国家、地区和大洲有所不同,可以通过能够支持全球分布的关键任务分布式数据库架构来满足。全新的 Globally Distributed Autonomous Database 能够有效满足这一需求,帮助客户利用可自动扩缩且弹性的无服务器架构来大幅降低成本。我们新的 Globally Distributed Autonomous Database 凭借融合数据库功能,是更为简单、功能完备、任务关键的分布式数据库云技术服务。”
分布式数据库需要在多个位置部署大量服务器,因此较难部署和管理。Globally Distributed Autonomous Database 通过自动数据分发和分片管理来使用和扩展 Autonomous Database 由 AI 和 ML 驱动的自动化功能,进而消除了这种复杂性。管理员可以将分布式数据库作为单个逻辑数据库进行管理,并使用自动化的预配、调优、扩展、打补丁和安全功能,消除了耗时的手动任务和潜在错误。此外,按单个分片自动扩展数据库可帮助客户根据需求增减资源,尽可能降低消耗和成本。
Oracle Database 其他增强功能
Oracle 在技术堆栈中集成生成式 AI,让开发人员可以利用新工具(包括 Autonomous Database Select AI)将 AI 和 ML 集成到应用中。Select AI 可以将会话线程中用自然语言提出的问题,转换为使用大型语言模型 (LLM) 的 SQL 查询。借助 Globally Distributed Autonomous Database,SQL 查询将自动路由到相应的国家和地区或分片以生成答案。此外,Oracle Database 23c 具有基于 quorum 的 Raft 机制复制,可实现不到 3 秒的自动应用故障转移,并确保零数据丢失。这个功能以及带有检索增强生成 (RAG) 集成的 AI Vector Search 将在今年内发布。
客户和分析机构的评价
Munich Re HealthTech 首席交付官 Bilal Ramadan 表示:“Oracle Globally Distributed Database 让我们能够以非常经济和透明的方式,将数据自动分发给各个国家和地区的应用用户,同时确保遵守数据驻留法规。”
IDC 数据管理软件研究副总裁 Carl Olofson 表示:“许多数据库系统都会采用某种分片技术,帮助用户跨多个数据库管理一组数据,在某些情况下,还可以实现分布式数据库功能。这通常会给应用开发人员带来沉重的负担,他们需要通过编程来隔离和编排分片更新,以避免出现数据冲突和不合逻辑的数据组合的情况。Oracle 的分片方法可有效避免这一系列的问题,进而使应用与数据库的交互变得更透明、更可靠。此外,Oracle 成熟的 RAC 集群技术可支持这种分布式数据库方法,进而提供丰富的数据分发模型、复制方法和分片部署选项,不仅易于管理,还易于开发,让 Oracle Database 能够满足客户特别的需求。Oracle 现在采用了 AI 技术,让不了解数据库、SQL 甚至数据所在位置的 Globally Distributed Autonomous Database 用户能够利用 Select AI 通过自然语言提问,由 LLM 将其转换为 SQL 查询,然后自动路由到相应的国家和地区或分片。这些功能使 Oracle 成为了分布式数据库领域中的关键参与者。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。