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
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
威斯康星大学研究团队开发了LUMINA系统,专门检测AI在回答问题时的"撒谎"行为。该系统发现AI有时会忽视提供的参考资料,固执地依赖内部知识生成不准确回答。LUMINA通过监测AI对外部文档和内部知识的依赖程度来识别这种行为,在多个测试中达到90%以上的准确率,比以往方法提升13%,为构建更可信的AI系统提供了重要工具。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
这项由法国CentraleSupélec大学领导的研究通过严格控制的实验,系统比较了AI的推理训练与传统训练方式。研究发现推理训练在数学、开放式任务中效果显著,但需要70亿参数以上模型才能充分发挥优势,且成本增加明显。研究为AI开发者提供了明确的应用指导,有助于根据具体场景选择最优训练策略。