所谓"天下武功,唯快不破。"在武侠的世界里,天下没有坚不可摧的武功,但当掌握了速度的优势,让速度达到极致的时候,往往能抵挡复杂的招式,立于武林不败之地。
在数字经济时代,如何在分秒必争的商业环境中把握先机?通过对数据的快速处理分析,无疑能帮助企业迅速发掘商机,因此提高数据处理速度则显得更为迫切。
当前的大数据分析模式可以分为"离线处理"和"实时处理"两种类型,"离线分析"可以对业务数据和想要分析的数据样本进行恰当的分离,只针对分离后的数据样本进行建模分析,这种分析模式的优势在于,可以对数据做较复杂的业务处理,但显然无法第一时间把握市场的发展趋势。
"实时分析"则顾名思义,是针对正在进行的业务数据进行即时的处理与分析,很明显,这种分析模式能够让企业随时了解业务状况的变化趋势。而且,针对业务数据的分析越及时越充分,分析结果就能够更灵敏、准确。但受限于系统的处理能力,往往很难进行复杂的业务处理。
"闪存"的出现被视为应景的技术,因为具有较低的延迟和较高的吞吐量,闪存对于日益严峻的数据库应用架构非常具有吸引力。
针对快速实时又兼顾稳定可靠的数据处理,华为采用基于SSD的融合存储OceanStor V3,可提升业界主流的数据库应用性能,将数据库处理速度提升9倍左右,结合详细的测试报告,本文带你一起去体验一下华为闪存的"快"。
数据库业务大致上可以分为 OLTP(Online Transaction Processing)和 OLAP(Online Analytical Processing)两种应用类型。作为典型的OLTP应用,在线订单业务中,新下订单、支付操作、发货处理、订单查询和库存查询等交易系统都是最常见的操作,该业务模型的主要性能指标与每分钟事务数(TPM)密切相关,TPM代表系统在一分钟内所能够处理的交易量,TPM越高,代表着更强的处理能力。
DB2数据库
在主流数据库软件中,DB2 数据库在OLTP属于I/O 密集型,对硬盘的性能需求较高,但现在企业级硬盘的容量太大且缓慢,而硬盘的性能提升却始终未能同步。
华为针对中小型企业数据库规模的OLTP 类型DB2 数据库,将SSD应用于OceanStor V3 融合存储进行验证。
企业中小型事务数据库每分钟事务处理数
将25块SSD 用于OceanStor 5500 V3,在保证主机平均时延低于1ms 和磁盘利用率低于60%情况下,企业中小型事务数据库每分钟事务处理数(TPM)提升了9.2 倍,并发用户数提升了9.5 倍,事务IOPS 提升了8.9 倍。不仅显著提升DB2 数据库性能,而且降低总体拥有成本。
Oracle数据库
Oracle OLTP应用程序为面向交易型业务的关键任务程序,需要较低的I/O延迟和较高的IOPS性能。
华为针对中小型企业数据库规模的OLTP类型Oracle数据库,将SSD硬盘应用于OceanStor V3融合存储进行验证,该方案基于Oracle 11g集群数据库架构,面向高IOPS、低时延需求的事务型企业数据库,如ERP和CRM等系统。
将25块、50块SSD两种场景配置于华为OceanStor 5500 V3,替代同样盘数的SAS硬盘,在相同配置情况下,验证中小型Oracle事务数据库性能提升情况,同时与使用2块SSD硬盘配置SmartCache进行加速的结果进行对比。
企业事务数据库每分钟处理数
将SSD硬盘用于OceanStor 5500 V3,在保证主机平均时延低于1ms和磁盘利用率为60%情况下,两种场景下企业事务数据库每分钟事务处理数(TPM)分别提升了9.3、9.2倍,事务IOPS分别提升了6.1、8.8倍。。
在同样条件下,使用SmartCache特性提升性能,企业事务数据库每分钟事务处理数(TPM)提升22%、30%。
SQL Server 数据库
SQL Server 数据库是应用最为广泛的关系型数据库之一,并一直在Windows 平台占据着主流地位,SQL Server OLTP应用程序为面向交易型业务的关键任务程序,需要较低的I/O延迟和较高的IOPS性能。
基于SQL Server 2012,华为针对中小型企业数据库规模的OLTP 类型SQL Server 数据库,将25 块SSD 用于OceanStor 5500 V3,在保证主机平均时延低于1ms 和磁盘利用率为60%情况下,企业中小型事务数据库每分钟事务处理数(TPM)提升9.5 倍,事务IOPS 提升了10.7 倍。
企业中小型事务数据库每分钟事务处理数
将SSD应用于OceanStor V3融合存储,为企业数据库应用带来显著的性能提升,并且降低用户总体拥有成本。此外,通过使用相同数量的SSD代替SAS硬盘,可进一步提升客户体验和满意度,实现企业利润的提升。
秉承开放的原则,华为不仅联合多家闪存供应商共同开发企业级SSD,并将针对主流数据库软件,进行特征识别,深度优化性能,发布最佳实践,帮助企业核心业务向闪存时代平滑演进。
好文章,需要你的鼓励
本文探讨了AI发展的未来趋势,详细分析了六条有望实现通用人工智能(AGI)的技术路径。随着生成式AI和大语言模型面临发展瓶颈,业界开始将目光转向其他AI发展方向。这六条路径包括神经符号AI、神经形态AI、具身AI、多智能体AI、以人为中心的AI和量子AI。每种路径都有其独特优势和挑战,可能单独或组合推动AI进入下一个发展阶段,最终实现与人类智能相当的AGI系统。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
培生公司第三季度销售增长加速,并预示年底表现更强劲,但其AI应用可能是更重要的发展。该公司虚拟学习部门销售额激增17%,学生注册人数攀升。培生运营的在线学校将AI工具嵌入课程材料中,公司表示有越来越多证据显示这些工具帮助学生取得更好成绩。公司推出了AI学习内容组合,包括AI素养模块和融合人工导师与AI学习工具的视频平台。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。