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
苹果已开始在印度分阶段恢复Apple账户的信用卡支付功能,用户可绑定Visa和Mastercard信用卡及借记卡,用于购买iCloud+、Apple Music订阅及App Store应用。此前,由于印度储备银行于2021年推出新的周期性支付监管框架,苹果于2022年5月暂停了该支付方式。此次恢复标志着苹果在适应各国本地化监管要求方面的持续努力,同时也引发外界对苹果是否将在印度推出Apple Pay的新猜测。
CGGS是华南理工大学与西湖大学联合提出的以自我为中心三维场景生成框架,通过一致性增强多视角扩散模型、光流深度估计和互信息几何优化,实现高保真文本驱动3D场景生成。
Bookshop.org创始人Andy Hunter证实,与Kobo的合作集成将于今年落地。此前该计划历经多次推迟,网页措辞一度从"2026年"改为"未来某时"。Hunter表示,双方已就商业条款达成一致,工程团队正将资源重新投入Kobo支持开发,但尚无具体上线日期。该集成将支持数字版权管理要求,让用户通过Bookshop.org购买电子书,同时支持独立书店。
南加州大学团队发现语音抑郁检测领域存在数据漏洞,并提出CLeaD跨语言对比对齐框架,揭示模型规模越大跨语言性能越差的反直觉规律。