全球首个唯一针对甲骨文数据库而优化的共享持久内存系统
甲骨文全球技术大会ORACLE OPENWORLD,旧金山,2019年9月16日——英特尔公司和甲骨文公司宣布,甲骨文将整合英特尔傲腾数据中心级持久内存的高性能功能至其下一代Exadata平台——ORACLE Exadata X8M当中。Exadata驱动着Oracle自研数据库、Oracle云应用以及全球大部分大型银行、电信运营商和零售商的高性能数据库基础设施。
Oracle Exadata X8M运行着全球大量任务关键型应用。Exadata是Oracle自研数据库的基础。(图片来源:甲骨文)
英特尔傲腾数据中心级持久内存专为数据中心应用而设计,代表着新一代内存和存储技术。 (图片来源:英特尔公司)
Oracle Exadata X8M基于业界标准的第二代英特尔至强可扩展处理器、英特尔傲腾数据中心级持久内存和100千兆RoCE网络构建,支持当今要求严苛的线上交易处理(OLTP)、分析和混合型工作负载数据库需求,以及数据库整合和数据库内机器学习。这一首创的集成方式旨在为延迟敏感型的活动提供卓越的性能,如高频股票交易、物联网数据处理、实时欺诈和入侵检测、金融交易,以及需要实时人机交互的应用。
英特尔公司执行副总裁兼数据中心事业部总经理孙纳颐(Navin Shenoy)表示:“在英特尔,我们致力于交付让客户能够充分释放数据价值的平台基础。英特尔第二代至强可扩展处理器和傲腾数据中心级持久内存在甲骨文Exadata X8M产品中的集成,代表了我们长期合作的进一步拓展,旨在为全球企业提供突破性解决方案。通过更快的分析和更短的响应时间,我们的客户正在体验傲腾数据中心级持久内存带来的各种可能性。”
甲骨文公司任务关键型数据库技术执行副总裁Juan Loaiza表示:“我们与英特尔的合作在支持具有最高性能和可用性的数据库方面树立了一个新的行业标杆。甲骨文和英特尔已经将先进的持久内存技术集成到领先的企业数据库机器中,以便实时访问最关键的任务数据。这打破了那些无法跟上创新水平的传统共享存储系统和服务器的局限。”
英特尔傲腾数据中心级持久内存是内存—存储层级中的一个突破性创新,能够集DRAM般的性能与数据存储的持久性于一身。第二代英特尔至强可扩展处理器所支持的傲腾数据中心级持久内存能够以更快的速度为每个平台提供更大的总内存容量,并能够比业界最佳的固态盘以更快的速度进行对持久数据的字节可寻址访问。
Exadata X8M以业界独一无二的方式应用英特尔傲腾数据中心级持久内存,在于Exadata采用复杂的远程直接内存访问(RDMA)技术,使数据库能够直接访问部署在智能共享存储服务器中的持久内存,从而绕过整个操作系统、网络和IO软件堆栈。与之前的Exadata版本相比,这可将Exadata X8M中的IO延迟减少十倍。
Exadata X8M代表了甲骨文与英特尔过往10余年的持续创新和深度工程合作。Exadata如今运行着世界上许多任务关键型应用,包括80%的大银行、电信运营商和零售商。《财富》全球100强中超过77%的企业在使用Exadata。Exadata是Oracle自研数据库的基础,它利用机器学习提供具有自我驱动、自我保护和自我修复功能的数据库服务,从而构建一个更具可靠性和安全性的系统,使企业机构和开发人员得以提高工作效率。
甲骨文提供各种选择和部署的灵活性,让客户能够在任何地方——Oracle云(作为客户服务中甲骨文独特的第二代Exadata云的核心)以及本地——使用Exadata。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。