多虚拟机自治数据库助力企业以低成本轻松部署 Oracle 自治数据库
为开发人员提供适用于新应用、完整而简单的自助服务数据库
客户可获得更多数据库综合优势
美国德克萨斯州奥斯汀 - 2022 年 3 月 23日 – 甲骨文公司宣布推出基于 Oracle Exadata 专有云数据库一体机 (Oracle Exadata Cloud@Customer, ExaCC) 的多虚拟机自治数据库。借助多虚拟机自治数据库,企业可以在 Oracle Exadata 专有云数据库一体机系统上运行非自治 Oracle 数据库的同时,创建和运行隔离的高可用性自治数据库实例。因此,客户通过提高基础设施利用率来降低成本,轻松部署 Oracle 自治数据库。Oracle Exadata 专有云数据库一体机的现有客户可以免费通过即时更新使用多虚拟机自治数据库。
借助基于 Oracle Exadata 专有云数据库一体机运行的多虚拟机自治数据库,企业可以为开发测试、模拟和生产分别设置隔离的自治数据库环境,针对各个环境制定不同的访问规则、限额和可用性策略,从而满足企业治理需求。应用开发人员可以即时访问自助数据库应用开发平台,该平台不仅提供关键任务功能,还支持各种现代数据类型、负载和开发风格。此外,多虚拟机自治数据库可以通过创建具备自动优化、自动扩展和自动管理功能的专用数据库即服务环境,减少交付数据驱动应用所需的时间和工作量,从而帮助开发人员提高工作效率。

甲骨文公司关键数据库技术执行副总裁 Juan Loaiza 表示:“无论数据驱动应用的复杂性、规模、重要性或敏感性如何,我们致力于大幅简化相关的数据管理工作。Oracle 自治数据库与非自治数据库都运行于同一个 Oracle Exadata 专有云数据库一体机,因此客户可以轻松部署新的自治数据库,并在准备就绪时将现有数据库升级到自治数据库。”
Constellation Research 首席分析师兼副总裁 Holger Mueller 表示:“对开发人员而言,基于 Oracle Exadata 专有云数据库一体机中的虚拟机运行的自治数据库是绝佳的帮助。他们可以利用合适的服务等级协议 (SLA)、定额、性能和访问特性,为自助开发测试、模拟和生产环境创建虚拟机集群。此功能与自动预配、自动优化和自动打补丁相结合,再加上自治数据库适用于所有现代数据类型、负载和开发风格的融合支持,可以减轻开发人员的负担并提升工作效率。”
Futurum 高级分析师和研究总监 Ron Westfall 表示:“基于 Oracle Exadata 专有云数据库一体机运行的自治数据库比 AWS、Google 和 Azure 等混合云产品领先至少两代。现在,企业可以基于一个 Oracle Exadata 专有云数据库一体机,在虚拟机中运行数千个自治数据库,充分利用细粒度的自动扩展优势。企业只需按实际 CPU 使用量付费,而无需像市场上其他混合云一样总是按 CPU 使用峰值付费。”
基于 Oracle Exadata 专有云数据库一体机运行的多虚拟机自治数据库良好地利用了 Oracle Exadata 基础设施的性能、可扩展性和可用性优势,让企业能够轻松部署云原生和关键任务数据库。全球各地的企业成功部署了 Oracle Exadata 专有云数据库一体机,不仅更快地实现云收益,还降低了复杂性、风险和费用。这些企业包括 Algar Telecom、n11.com、Caja los Andes、德意志银行 (Deutsche Bank)、Lalux、MoMRAH、美国德克萨斯 A&M 大学 (Texas A&M University)、加拿大麦克马斯特大学 (MacMaster University) 和中国香港美心集团 (Maxim's)。
目前,全球客户可通过 Oracle 云基础设施 (OCI) 控制台和 API 访问基于 Oracle Exadata 专有云数据库一体机运行的多虚拟机自治数据库。Oracle 多虚拟机自治数据库具有与 Oracle 公有云一致的使用体验,不同的是前者运行于客户的本地数据中心内,可满足数据驻留和安全需求。
更多资源
观看 Juan Loaiza 主讲视频
阅读技术博客
阅读分析师观点
深入了解 Oracle 自治数据库
深入了解基于 Exadata 专有云数据库一体机运行的 Oracle 自治数据库
关于 Oracle
Oracle 通过 Oracle 云提供集成的应用套件和具有安全性和自治能力的基础设施。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。