在日前举办的主题为“纵横新局 创赢未来”的2020 Power Start合作伙伴生态大会技术专题会议上,浪潮商用机器向分销商、系统集成商、ISV等合作伙伴全面、细致地诠释了在“新常态”下助力客户打造“新核心”的战略规划,尤其在开源数据库和国产数据库方面的解决方案。
在新基建的大背景下,数据是生产力的核心要素之一。企业需要实时的从海量数据中获得有效的洞察,从而做出正确的决策,以助力快速发展目的。IT建设如何适配“新基建”的节奏,构建一个安全、稳定、高效的IT基础架构平台,变得尤为重要。
众所周知,纵向扩展的IT架构承载着企业核心业务,K1 Power是客户核心业务的最佳支撑平台,尤其在银行核心数据库方面优势明显,业界领先。
那么,K1 Power对开源数据库和国产数据库支持情况如何,有什么亮点而言呢?
众所周知,纵向扩展的IT架构承载着企业核心业务,K1 Power是客户核心业务的最佳支撑平台,尤其在银行核心数据库方面优势明显,业界领先。那么,K1 Power在开源数据库领域的表现如何呢?
首先,看一下开源数据库的几种架构形态:
就像抛开一致性就不是有效的数据一样,上述五种架构都是基于高可用、高性能考虑的。实际上,相比于经典的商用数据库,开源数据库在性能及扩展能力方面均不落下风。K1 Power支持所有主流的关系型数据库、Key-Vaule数据库、内存数据库、GPU数据库、文档数据库、图数据库,拥有着良好的数据库生态。
无论是低并发应用,高并发或高成长应用,还是超高并发的应用,K1 Power凭借高内存带宽、线程、L3缓存、IO带宽等性能优势,能够帮助客户大幅提高资源利用率,节省空间及电力等成本,从而获得更高的整体性能。
根据测试数据,在低并发新业务多虚拟机场景下,与主流2路X86服务器相比,K1 Power Linux低配2路性能比X86高20%,K1 Power Linux高配2路性能则比X86高50%;在高并发物理整机测试场景下,低配2路K1 Power服务器性能优于2路X86服务器,而高配2路K1 Power Linux服务器性能与4路X86服务器性能接近。
K1 Power Linux服务器曾帮助某大型互联网厂商在有着计算奥运会之称的Sort Benchmark全球排序竞赛中,以98.8秒完成100TB数据排序,获得4项第一。目前,K1 Power Linux服务器在其大数据平台混合集群中承载关键应用,保障集群实现高并发、高带宽,低延时和超强计算能力,在今年的科技抗疫中发挥了重要作用。相比主流X86平台,K1 Power服务器性能提升约三分之一,Spark应用SQL处理能力是X86的1.5倍,数据整体吞吐是X86的1.29倍,NXGZIP硬件加速大幅提高压缩性能,并释放出15% CPU处理能力,并且支持和X86进行大规模混合组网,从而使得整体TCO降低了20%。
在某运营商的全球最大计费系统中,K1 Power Linux服务器作为最核心的部分,运行了其半数以上的关键容器,独特的大带宽保障了计费系统的高性能和低延迟,并且实现了弹性扩容缩容,简化了运维。
SQL兼容性的好坏直接影响着数据库的开发和运维管理的便利性, 是客户在数据库选型时的关键考虑因素。K1 Power 全面支持国产数据库,无论是老牌国产数据库K-DB、达梦DM、南大通用Gbase、人大金仓Kingbase, 还是新兴的国产分布式数据库PingCAP TiDB、巨杉SequoiaDB、阿里OceanBase、腾讯TDSQL、中兴GoldenDB、丛云OBase、亚信AntDB、科蓝Goldilocks,以及云和恩墨Zdata等国产数据库一体化产品,均做了全面的对接和支持。
目前,浪潮商用机器和流行国产数据库厂商兼容列表
其中,浪潮K-DB数据库基于共享存储的双活或多活集群,达梦DM通过数据共享集群,都可以集群内的多个节点同时进行读写,实现了全局强一致性,具备了极强的RAC能力。
中兴GoldenDB和腾讯TDSQL则是具有相连模式的分布式数据库,采用的Share-nothing的设计,计算和存储层均可线性扩展;此外,各组件全冗余的设计,在系统故障时能够自动切换,确保业务稳定;多样化的集群形态能够灵活匹配多种业务场景,在混合业务场景里也能够达到较高的处理能力,提升了资源利用率的同时,实现了统一的运维管理,满足了金融级的高一致性要求和可靠性保障。同为2路的ARM、X86和K1 Power服务器运行腾讯TDSQL查询场景的测试结果显示,K1 Power Linux性能超出30%~40%,而在更新的场景里,K1 Power性能优于X86,是ARM架构的2倍以上。
原生的分布式数据库巨杉SequoiaDB和PingCAP TiDB,巨杉SequoiaDB是一个多模的数据库,提供多种SQL接口,PingCAP TiDB是以开源社区模式运营的分布式数据库。它们的三层的架构设计实现了计算和存储的分离部署及数据的自动弹性分布,能够轻松应对海量数据,保障了灵活应对HTAP混合在线交易事务/分析业务场景,实现了物理隔离、互不干扰。在数据一致性方面,其采用的二阶段提交模式,通过写入多副本,采用Raft或者Paxos协议算法,保障了数据的一致性和高可用。同为2路的ARM、X86和K1 Power服务器运行巨杉数据库或者TiDB数据库,在单点只读场景下,K1 Power性能相比X86和ARM架构均有着2倍以上的性能优势。
而随着国产数据库在各行各业的应用,K1 Power的性能优势及高可用、高可靠等特性也得到了客户的认可。在银行和证券行业,从核心业务到大数据业务,再到查询等一般业务,K1 Power携手国产数据库的落地案例越来越多,如某行的信用卡核心系统等,应用场景优势明显。此外,在税务、社保、能源、电力、交通、运营商、教育等行业领域,K1 Power同样有很多落地案例。
针对企业关键应用的商用级国产数据库,浪潮商用机器K1 Power在集中式架构下一直维持在高可用、高可靠、高性能的高水平;面向新型应用的开源数据库的场景,包括大数据场景,浪潮商用机器K1 Power凭借独特的CPU多线程、高内存带宽、高I/O等特性,相比X86及ARM服务器,同样具备卓越的性能优势。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。