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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。