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
智能网卡(SmartNIC)技术自2013年AWS首次应用以来,虽然获得了VMware、英特尔、AMD和英伟达等巨头支持,但市场表现平平。分析师指出,目前主要客户仍局限于服务提供商。然而,随着AI技术蓬勃发展,情况正在改变。英伟达、红帽等厂商在AI云架构中推荐使用DPU,认为其可优化推理工作负载并提升资源效率,AI革命有望真正推动智能网卡技术普及。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
YouTube为Premium会员推出AI生成的搜索轮播功能,可在购物和地点查询时显示相关视频序列。同时,此前仅限Premium用户的AI对话助手开始向美国普通用户开放,用户可通过"询问"按钮获得视频摘要和内容问答服务。该AI工具基于YouTube平台和网络信息运行,但准确性仍待观察。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。