从2009年开始,火星高科陆续研发推出一系列火星舱产品,到2013年全新一代火星舱正式面世,首款即为重量级高端产品——火星舱Oracle备份站。作为国内首款专为Oracle Exadata数据库一体机设计的高性能国产数据备份设备,针对每款Exadata量身打造,并通过了Oracle实验室的官方严格测试。
火星舱Oracle备份站采用即插即用式设计,无需增加独立的备份服务器、介质服务器等任何硬件,只需将火星舱通过InfiniBand连接到Oracle Exadata数据库一体机即可。与此同时,无需在Exadata上安装任何程序,即可进行数据备份工作,避免了安装第三方程序之后为Oracle Exadata数据库一体机带来的潜在风险。
我们知道InfiniBand本身能提供比传统以太网更高的带宽,而且通常infiniband的开销比以太网要小,对于节点间通信大量数据传输比以太网效率要更高。在Oracle Exadata数据库一体机中,无需增加任何硬件,无需安装任何软件,仅需通过InfiniBand与火星舱直接连接。
迄今为止,还没有一款第三方程序通过Oracle官方认证允许安装于Exadata数据库一体机系统中。
火星高科经过长期测试,不断进行优化组合,配制出了针对Oracle Exadata数据库一体机各种型号的对应产品,不论是X2系列还是X3系列,都有一款火星舱Oracle备份站与之相对应。使得火星舱Oracle备份站从硬件配置、存储容量、读写性能等方面都能达到与相应型号Oracle Exadata数据库一体机完美匹配的水平。所有型号火星舱Oracle备份站可无缝升级,满足当用户对Oracle Exadata数据库一体机升级后的备份需求。
火星舱Oracle备份站采用多路40Gb/s的InfiniBand,实现Oracle Exadata数据库一体机的高性能备份。充分利用Oracle Exadata多节点并行处理的技术架构,火星舱Oracle备份站采用备份数据多节点读写,每个节点数据亦采用多通道读写方式,最大限度地发挥Oracle Exadata数据库一体机的I/O性能。
单位:TB/小时
火星舱Oracle备份站采用多端口40Gb/s的InfiniBand传输,实现无以伦比的每小时8.8TB备份和6.8TB恢复的性能,支持分钟级的备份。
由于火星舱采用Infiniband的传输方式,传统备份策略的带宽瓶颈迎刃而解,保证Oracle Exadata数据库一体机不会出现因备份策略密集而发生的系统宕机、运行缓慢等现象。火星舱Oracle备份站采用固态磁盘(SSD)缓存技术,该技术能够同时保证读和写的密集访问,从根本上提升备份系统的I/O性能。因此,火星舱支持分钟级别的备份策略,从而将Oracle Exadata数据库一体机可能的数据丢失量降到最低。
可以看到通过Infiniband的传输方式,火星舱Oracle备份站解决了传统备份产品的带宽瓶颈,实现了高速传输,大大提升企业数据备份恢复效率。同时火星高科经过长期测试,不断进行优化组合,使得火星舱Oracle备份站从硬件配置、存储容量、读写性能等方面都能达到与相应型号Oracle Exadata数据库一体机完美匹配的水平。所有型号火星舱Oracle备份站可无缝升级,用户可以直接实现对Oracle Exadata数据库一体机升级后的备份需求。
点评:如今火星舱数据保护系统可选的Oracle高速无代理备份功能,就是采用之前推出的Oracle备份站技术。对于没有InfiniBand连接的数据库服务器,还可以通过万兆以太网来进行备份,同样具备多通道优势,相对比传统Oracle备份方式有很大性能提高。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。