戴 艷 Principle Solution ArchitectOracle China 構(gòu) 建 基 于 云 平 臺(tái) 的下 一 代 數(shù) 據(jù) 中 心 提 綱1、 云 數(shù) 據(jù) 中 心 概 念 的 提 出2、 云 計(jì) 算 與 數(shù) 據(jù) 中 心 的 關(guān) 系3、 云 數(shù) 據(jù) 中 心 的 應(yīng) 用 場(chǎng) 景4、 云 數(shù) 據(jù) 中 心 的 數(shù) 據(jù) 管 理 傳 統(tǒng) 的 數(shù) 據(jù) 中 心 煙 囪 式 架 構(gòu) 異 構(gòu) 的 技 術(shù) 多 種 操 作 系 統(tǒng) 平 臺(tái) 支 撐 高 峰 時(shí) 的 容 量 被 動(dòng) 的 響 應(yīng) 式 管 理龐 大 的 應(yīng) 用 體 系 靜 態(tài) 地 部 署 多 種 軟 件 組 合 點(diǎn) 對(duì) 點(diǎn) 集 成 獨(dú) 立 的 應(yīng) 用 數(shù) 據(jù)MainframeDASCustomApplicationBig serverDAS ERPApplicationSalesApplicationCluster DatabaseDataWarehouseNAS/SAN ORB NAS/SAN FilesDatabase DatabaseSmall server 數(shù) 據(jù) 中 心 的 利 用 率 和 效 率 不 高 很 少 的 一 部 分 客 戶(hù) 開(kāi)始 監(jiān) 控 數(shù) 據(jù) 中 心 服 務(wù)器 的 利 用 率 ， 然 而 ，非 常 少 的 客 戶(hù) 會(huì) 注 意數(shù) 據(jù) 中 心 的 效 率Server utilization remains very low. . . Average daily utilization (percent)01020304050 60708090100 0 10 20 30 40 50 90 100 Up to 30% servers are dead * Sample size 45 data centers Source: Uptime InstitutePeak daily utilizatio n (percent) 下 一 代 云 數(shù) 據(jù) 中 心 概 念 的 提 出整 合 的 敏 捷 的高 性 能高 可 用 性 整 合 架 構(gòu) -動(dòng) 態(tài) 負(fù) 載 管理煙 囪 式 架 構(gòu) -低 效 的 資 源管 理 整 合 的 要 求提 升 服 務(wù) 器 的 利 用 水 平5% - 10% (Gartner) 60% - 70% (Oracle大 學(xué) 網(wǎng) 格 ) 敏 捷 的 要 求 敏 捷 地 適 應(yīng) 應(yīng) 用 變 化 情 況 根 據(jù) 負(fù) 載 隨 需 擴(kuò) 展 高 彈 性 ， 動(dòng) 態(tài) 伸 縮 ， self service， 配 置 更 多 的 實(shí) 例 在 初 始 投 資 成 本 和 獲 得 良 好 的 效 率 之 間 作 出 平 衡 （ 減 少 Capex 和 Opex） 實(shí) 時(shí) 地 獲 取 業(yè) 務(wù) 變 化 ， 并 以 此 作 出 響 應(yīng)Applications A, B, C, D, ENetWorkload If utilization too high,increase capacityShared InstanceServer A Server B Server C Server DScale-out on-demand 聯(lián) 邦 式 云 數(shù) 據(jù) 中 心 Austin, TXColorado Springs, CO Salt Lake City, UT 根 據(jù) 應(yīng) 用 要 求 進(jìn) 行 資 源 分 配Austin, TXColorado Springs, CO Salt Lake City, UT 高 性 能 的 要 求全球最大數(shù)據(jù)倉(cāng)庫(kù)容量其大小每?jī)赡暝鲩L(zhǎng)三倍 1998 1 TB; 2001 10 TB; 2003 30 TB; 2005 100 TB; 2007 300TB; 2009 900 TB; 2011 2.7 PB 高 性 能 的 要 求分 布 式 處 理 能 力集 中 處 理 層問(wèn) 題 ： 昨 天的 客 戶(hù) 發(fā) 展量 如 何 ？ 分 布 式 處 理 層 匯 總 、 合并 結(jié) 果Select sum(sales) whereDate=24-Sept 多個(gè)服務(wù)器并行處理查詢(xún)請(qǐng)求構(gòu) 建 并 發(fā)Smart Scan請(qǐng) 求各服務(wù)器返回結(jié)果 Storage 數(shù) 據(jù) 復(fù) 制完 全 激 活故 障 切 換 到 備 點(diǎn)數(shù) 據(jù) 的 備 份 和 恢 復(fù)低 成 本 高 性 能數(shù) 據(jù) 保 護(hù) & 歸 檔集 群 技 術(shù) 保 證 容 錯(cuò) 和 服 務(wù) 器 水 平 擴(kuò) 展 Database DatabaseStorage 高 可 用 性 的 要 求 自 動(dòng) 存 儲(chǔ) 管 理 保 證 容 錯(cuò) 和存 儲(chǔ) 水 平 擴(kuò) 展保 證 業(yè) 務(wù) 不 被 中 斷 - 每 個(gè) 都 是 可 以 水 平 擴(kuò) 展 的 , 完 全 激 活 的 , 以 數(shù) 據(jù) 為 中 心 的 要 求 達(dá) 到 最 高 可 用 性 和 最 低 的 成 本在 線 升 級(jí)硬 件 和 軟 件 提 綱1、 云 數(shù) 據(jù) 中 心 概 念 的 提 出2、 云 計(jì) 算 與 數(shù) 據(jù) 中 心 的 關(guān) 系3、 云 數(shù) 據(jù) 中 心 的 應(yīng) 用 場(chǎng) 景4、 云 數(shù) 據(jù) 中 心 的 數(shù) 據(jù) 管 理 云計(jì)算模式能以按需方式，通過(guò)網(wǎng)絡(luò)，方便的訪問(wèn)云系統(tǒng)的可配置計(jì)算資源共享池(比如：網(wǎng)絡(luò)，服務(wù)器，存儲(chǔ)，應(yīng)用程序和服務(wù)) 。同時(shí)它以最少的管理開(kāi)銷(xiāo)及最少的與供應(yīng)商的交互，迅速配置提供或釋放資源。 * Source: NI ST 云計(jì)算基本特征普遍網(wǎng)絡(luò)訪問(wèn)共享的資源池多DB快速?gòu)椥阅芰啥攘康姆?wù)按需的自服務(wù) 為 什 么 采 用 “ 云 ”煙囪式的系統(tǒng)建設(shè)，I T成本居高不下（硬件/能耗/管理）按峰值規(guī)模建設(shè)，資源平均利用率低缺乏彈性的系統(tǒng)設(shè)計(jì)，應(yīng)對(duì)業(yè)務(wù)突發(fā)情況差建設(shè)周期漫長(zhǎng)，無(wú)法快速提供與部 署業(yè)務(wù)需求的快速增長(zhǎng)，設(shè)備更替快，不利投資保護(hù)集中資源池的共享虛擬化、分時(shí)/區(qū)共享動(dòng)態(tài)調(diào)配、彈性伸縮自動(dòng)化、自服務(wù)低成本、標(biāo)準(zhǔn)化硬件云計(jì)算云數(shù)據(jù)中心技術(shù)標(biāo)準(zhǔn)化能力服務(wù)化提供快速化資源彈性化管理自動(dòng)化管控集中化傳統(tǒng)模式 提 綱1、 云 數(shù) 據(jù) 中 心 概 念 的 提 出2、 云 計(jì) 算 與 數(shù) 據(jù) 中 心 的 關(guān) 系3、 云 數(shù) 據(jù) 中 心 的 應(yīng) 用 場(chǎng) 景4、 云 數(shù) 據(jù) 中 心 的 數(shù) 據(jù) 管 理 眾多分散的小數(shù)據(jù)庫(kù)需要整合，尤其是OSS域及MSS域，分散的數(shù)據(jù)庫(kù)帶來(lái)很多問(wèn)題：分散的管理與運(yùn)維DB的多版本數(shù)據(jù)分散帶來(lái)的數(shù)據(jù)一致性問(wèn)題系統(tǒng)擴(kuò)展能力的限制，即，缺乏彈性能力（突發(fā)性業(yè)務(wù)需求的支撐能力難以滿足）數(shù)據(jù)安全問(wèn)題，無(wú)統(tǒng)一標(biāo)準(zhǔn)和流程數(shù)據(jù)質(zhì)量問(wèn)題，無(wú)統(tǒng)一標(biāo)準(zhǔn)和流程數(shù)據(jù)全生命周期管理缺失維護(hù)人員分散利用率不高的問(wèn)題分散數(shù)據(jù)庫(kù)帶來(lái)的License冗余問(wèn)題（集中的數(shù)據(jù)庫(kù)基于共享可以帶來(lái)License成本的降低）分散帶來(lái)的數(shù)據(jù)分析與數(shù)據(jù)挖掘的困難低信息密度的現(xiàn)狀導(dǎo)致的存儲(chǔ)空間的浪費(fèi)問(wèn)題（ 缺乏高性能壓縮能力）整合符合綠色計(jì)算的發(fā)展趨勢(shì)通過(guò)標(biāo)準(zhǔn)化及自動(dòng)化管理的采用有效降低運(yùn)維成本有效提升數(shù)據(jù)安全并降低數(shù)據(jù)分發(fā)的難度滿足全企業(yè)內(nèi)集中的、標(biāo)準(zhǔn)化的數(shù)據(jù)管理要求整合與共享可以帶來(lái)數(shù)據(jù)服務(wù)能力的持續(xù)可用集中化、標(biāo)準(zhǔn)化是I T演進(jìn)大趨勢(shì)的要求分散數(shù)據(jù)庫(kù)的整合集中化的災(zāi)備中心大集中SaaS應(yīng)用的數(shù)據(jù)庫(kù)支撐新一代I DC/ ADC的數(shù)據(jù)庫(kù)提供與運(yùn)營(yíng)電信企業(yè)采用云數(shù)據(jù)中心的潛在現(xiàn)實(shí)需求 1 目前的災(zāi)備中心多為基于現(xiàn)有應(yīng)用進(jìn)行一對(duì)一的匹配建設(shè)（Silo），硬件投資巨大目前的災(zāi)備中心多為冷備中心（Active-Standby），日常災(zāi)備中心的資源只能空閑無(wú)法利用，資源的有效利用率很低需要建設(shè)雙活的災(zāi)備中心（Active-Active），有效提升資源利用率需要基于資源共享（Share Pool）及動(dòng)態(tài)調(diào)整能力，有效節(jié)約硬件投資異構(gòu)數(shù)據(jù)管理變?yōu)榻y(tǒng)一的同構(gòu)數(shù)據(jù)管理，提升可管理性通過(guò)集中化的災(zāi)備中心建設(shè)，促進(jìn)I T系統(tǒng)的管控集中化、技術(shù)標(biāo)準(zhǔn)化的演進(jìn)分散數(shù)據(jù)庫(kù)的整合集中化的災(zāi)備中心大集中SaaS應(yīng)用的數(shù)據(jù)庫(kù)支撐新一代I DC/ ADC的數(shù)據(jù)庫(kù)提供與運(yùn)營(yíng)電信企業(yè)采用云數(shù)據(jù)中心的潛在現(xiàn)實(shí)需求3 伴隨電信市場(chǎng)競(jìng)爭(zhēng)的加劇，電信企業(yè)的產(chǎn)品的同質(zhì)化及全網(wǎng)一體化趨勢(shì)越發(fā)明顯，這使得電信企業(yè)的業(yè)務(wù)標(biāo)準(zhǔn)化程度越來(lái)越高；這些趨勢(shì)直接導(dǎo)致了全網(wǎng)大集中的SaaS應(yīng)用需求的產(chǎn)生 SaaS應(yīng)用基于統(tǒng)一的業(yè)務(wù)流程、數(shù)據(jù)模型、客戶(hù)體驗(yàn)等為全網(wǎng)的所有使用者提供I T應(yīng)用能力，帶來(lái)更高要求的數(shù)據(jù)庫(kù)服務(wù)提供能力需求：滿足大集中的高性能需求（數(shù)億用戶(hù)的OLTP）滿足大集中帶來(lái)的PB級(jí)海量數(shù)據(jù)管理能力滿足大集中帶來(lái)的高可用性要求滿足數(shù)據(jù)的生命周期管理能力滿足業(yè)務(wù)增長(zhǎng)帶來(lái)的動(dòng)態(tài)擴(kuò)展性需求滿足SaaS應(yīng)用需要的數(shù)據(jù)一致性保障能力滿足SaaS應(yīng)用需要的關(guān)系型數(shù)據(jù)庫(kù)的數(shù)據(jù)管理與數(shù)據(jù)提供能力要求 全國(guó)大集中的SaaS應(yīng)用對(duì)高性能、高可用性、數(shù)據(jù)嚴(yán)格一致性等方面的數(shù)據(jù)庫(kù)需求，在BSS領(lǐng)域核心支撐系統(tǒng)的全國(guó)大集中項(xiàng)目中顯得尤為突出 分散數(shù)據(jù)庫(kù)的整合集中化的災(zāi)備中心大集中SaaS應(yīng)用的數(shù)據(jù)庫(kù)支撐新一代I DC/ ADC的數(shù)據(jù)庫(kù)提供與運(yùn)營(yíng)電信企業(yè)采用云數(shù)據(jù)中心的潛在現(xiàn)實(shí)需求3 適合大型企業(yè)的大型關(guān)系型數(shù)據(jù)庫(kù)的提供或托管高性能海量數(shù)據(jù)的可管理性數(shù)據(jù)生命周期管理擴(kuò)展性服務(wù)使用的度量數(shù)據(jù)安全適合中小企業(yè)的小型關(guān)系型數(shù)據(jù)庫(kù)的提供或托管DB I nstance的快速自服務(wù)創(chuàng)建與釋放計(jì)算能力及存儲(chǔ)容量的彈性能力自動(dòng)化管理能力服務(wù)使用的度量數(shù)據(jù)安全分散數(shù)據(jù)庫(kù)的整合集中化的災(zāi)備中心大集中SaaS應(yīng)用的數(shù)據(jù)庫(kù)支撐新一代I DC/ ADC的數(shù)據(jù)庫(kù)提供與運(yùn)營(yíng)電信企業(yè)采用云數(shù)據(jù)中心的潛在現(xiàn)實(shí)需求4 眾多分散的小數(shù)據(jù)庫(kù)的整合，尤其是OSS域及MSS域基于整合平臺(tái)提升數(shù)據(jù)生命周期管理能力及數(shù)據(jù)質(zhì)量通過(guò)標(biāo)準(zhǔn)化及自動(dòng)化管理的采用有效降低運(yùn)維成本有效提升數(shù)據(jù)安全并降低數(shù)據(jù)分發(fā)的難度全企業(yè)內(nèi)集中的、標(biāo)準(zhǔn)化的數(shù)據(jù)管理要求建設(shè)雙活的災(zāi)備中心，有效提升資源利用率基于資源共享及動(dòng)態(tài)調(diào)整能力，有效節(jié)約硬件投資通過(guò)集中化的災(zāi)備中心建設(shè)，促進(jìn)I T系統(tǒng)的管控集中化、技術(shù)標(biāo)準(zhǔn)化的演進(jìn)全國(guó)大集中的SaaS應(yīng)用帶來(lái)高性能數(shù)據(jù)庫(kù)集群的需求， 尤其是BSS領(lǐng)域核心支撐系統(tǒng)全國(guó)大集中的OLTP需求海量數(shù)據(jù)管理能力及動(dòng)態(tài)擴(kuò)展能力 SaaS應(yīng)用所需的數(shù)據(jù)一致性保障及關(guān)系數(shù)據(jù)管理能力適合大型企業(yè)的大型關(guān)系型數(shù)據(jù)庫(kù)的提供或托管高性能、海量數(shù)據(jù)管理、擴(kuò)展性適合中小企業(yè)的小型關(guān)系型數(shù)據(jù)庫(kù)的提供或托管 DB實(shí)例的快速提供、彈性能力、自動(dòng)化分散數(shù)據(jù)庫(kù)的整合集中化的災(zāi)備中心大集中SaaS應(yīng)用的數(shù)據(jù)庫(kù)支撐新一代I DC/ ADC的數(shù)據(jù)庫(kù)提供與運(yùn)營(yíng)電信企業(yè)在云化架構(gòu)的數(shù)據(jù)庫(kù)平臺(tái)層的潛在現(xiàn)實(shí)需求 云數(shù)據(jù)中心的需求總結(jié) 業(yè) 務(wù) 目 標(biāo) ： 降 低 成 本 、 提 高 效 率 、 改 善 服 務(wù) 、 拓 展 業(yè) 務(wù) ！ 提 綱1、 云 數(shù) 據(jù) 中 心 概 念 的 提 出2、 云 計(jì) 算 與 數(shù) 據(jù) 中 心 的 關(guān) 系3、 云 數(shù) 據(jù) 中 心 的 應(yīng) 用 場(chǎng) 景4、 云 數(shù) 據(jù) 中 心 的 數(shù) 據(jù) 管 理 云 數(shù) 據(jù) 中 心 的 技 術(shù) 要 求 24計(jì) 算 資 源 、 存 儲(chǔ) 數(shù) 據(jù) 應(yīng) 用 /服 務(wù)云 接 入數(shù) 據(jù) 仍 然 是 云 中心 最 重 要 的 信 息資 產(chǎn) ！ 海 量 分 布 式 存 儲(chǔ) 和 處理 高 并 發(fā) 讀 寫(xiě) 高 性 能 獲 取 負(fù) 載 均 衡 資 源 共 享 在 線 擴(kuò) 展 遷 移 足 夠 的 安 全 簡(jiǎn) 單 的 管 理 標(biāo) 準(zhǔn) 的 訪 問(wèn) 接 口云存儲(chǔ)+分布式云數(shù)據(jù)庫(kù) 如 何 實(shí) 現(xiàn) 云 數(shù) 據(jù) 中 心兩 種 云 中 的 分 布 式 數(shù) 據(jù) 庫(kù) 25基 于 key/value的 鍵 值 非 關(guān) 系 型 并 行 數(shù) 據(jù)庫(kù)云 服 務(wù) 提 供 商 ： Google BigTable,Amazon SimpleDB,MS SDS開(kāi) 源 /獨(dú) 立 ： Hadoop Hbase, oldemort,Cassandra 關(guān) 系 型 數(shù) 據(jù) 庫(kù) /數(shù) 據(jù) 倉(cāng) 庫(kù) 分 布 式 解 決 方 案OLTP&DW:Oracle,DB2,SQL server,SybaseDW:Teradata,Netezza,Greenplum開(kāi) 源 ： Hadoop CloudBase 兩 種 云 中 的 分 布 式 數(shù) 據(jù) 庫(kù) Cont. 26 非 關(guān) 系 型 分 布 式 數(shù) 據(jù) 庫(kù)針 對(duì) 某 類(lèi) 特 定 需 求 而 設(shè) 計(jì)具 有 很 強(qiáng) 的 彈 性 和 擴(kuò) 展 能 力規(guī) 模 化 提 供 較 強(qiáng) 的 分 布 式 處 理 能 力數(shù) 據(jù) 弱 一 致 性 設(shè) 計(jì)較 弱 的 結(jié) 構(gòu) 化 查 詢(xún) 統(tǒng) 計(jì) 能 力 ， 一 般 存 在 較 多 限 制非 標(biāo) 準(zhǔn) /部 分 標(biāo) 準(zhǔn) 的 訪 問(wèn) 接 口 關(guān) 系 型 分 布 式 數(shù) 據(jù) 庫(kù)通 用 性 設(shè) 計(jì) ， 但 也 帶 來(lái) 了 性 能 的限 制通 過(guò) 集 群 提 供 較 強(qiáng) 的 橫 向 擴(kuò) 展 能力較 強(qiáng) 的 分 布 式 能 力數(shù) 據(jù) 強(qiáng) 一 致 性 保 障很 強(qiáng) 的 結(jié) 構(gòu) 化 查 詢(xún) 與 復(fù) 雜 分 析 能 力標(biāo) 準(zhǔn) 的 數(shù) 據(jù) 訪 問(wèn) 接 口很 小 的 應(yīng) 用 領(lǐng) 域 ， 缺 乏 成 熟 的 商 業(yè)產(chǎn) 品 。 產(chǎn) 品 成 熟 ， 但 要 在 性 能 和 伸 縮 性 上進(jìn) 一 步 增 強(qiáng) VS 更 適 合 企 業(yè) 私 有云 數(shù) 據(jù) 中 心 的 建設(shè) 云 數(shù) 據(jù) 中 心 可 能 的 問(wèn) 題可 用 性 大 規(guī) 模 集 群 環(huán) 境 下 ， 單 個(gè) /部 分 節(jié) 點(diǎn) 的 故 障 容 錯(cuò)性 能 瓶 頸 隨 著 集 群 規(guī) 模 的 擴(kuò) 大 ， 單 節(jié) 點(diǎn) 環(huán) 境 下 的 性 能 瓶 頸可 能 會(huì) 被 放 大 ， 如 節(jié) 點(diǎn) 交 互 、 IO擴(kuò) 展 性 隨 著 數(shù) 據(jù) 量 和 負(fù) 載 的 增 大 ， 如 何 保 證 可 擴(kuò) 展 性 以滿 足 業(yè) 務(wù) 處 理 和 分 析 對(duì) 性 能 的 要 求 數(shù) 據(jù) 存 儲(chǔ) 海 量 數(shù) 據(jù) 的 在 分 布 式 環(huán) 境 下 的 存 儲(chǔ) 和 高 效 訪 問(wèn) ，空 間 的 需 求 和 壓 縮 等 27云 環(huán) 境 下 需 要 一 個(gè) 更 加 強(qiáng) 大 的 分 布 式 數(shù) 據(jù) 庫(kù) 解 決 方 案 ！ Oracle云 數(shù) 據(jù) 中 心 解 決 方 案 Exadata完 美 解 決 超 大 型 分 布 式 數(shù) 據(jù) 庫(kù) /數(shù) 據(jù) 倉(cāng) 庫(kù) 面 臨 的 挑 戰(zhàn) ！ 28 Extreme Performance 為數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用帶來(lái)10-100倍的性能提升；OLTP應(yīng)用帶來(lái)20倍的性能提升； Linear Scalability 適應(yīng)海量數(shù)據(jù)迅速增長(zhǎng)的線性性能擴(kuò)展，消除瓶頸 Availability 預(yù)配置的軟硬件提供企業(yè)級(jí)的支撐能力，最大可用性、安全性、容災(zāi)等。 Distributed 基于網(wǎng)格的智能分布式存儲(chǔ)，解決海量數(shù)據(jù)的存儲(chǔ)和處理，保證強(qiáng)大的I/O吞吐能力。更 低 的 總 體擁 有 成 本 ！更 高 的 性 能 ！ 資 源 的 分 割 與 整 合 Instance Caging Instance caging允 許 管 理 員 限 制 每 個(gè)例 程 使 用 的 CPU資 源 可 以 防 止 運(yùn) 行 在 一 個(gè) 例 程 中 的 失 控 進(jìn)程 影 響 到 運(yùn) 行 在 服 務(wù) 器 上 的 其 它 例 程 當(dāng) 數(shù) 據(jù) 庫(kù) 運(yùn) 行 時(shí) 可 以 動(dòng) 態(tài) 調(diào) 整 . 參 數(shù) cpu_count 支 持 分 割 方 式 和 過(guò) 度 配 置 與 Resource Manager一 起 工 作 分 布 式 智 能 處 理 分 布 式 處 理 ， 解 決 計(jì) 算 能 力 問(wèn) 題 ： 每 個(gè) 服 務(wù) 器 包 括 存 儲(chǔ) 、 CPU及 相 應(yīng) 的 軟 件 , 處 理 SQL 及 壓 縮 ， 恒 定 的 計(jì)算 能 力 與 存 儲(chǔ) 的 比 值 。 橫 向 并 發(fā) 計(jì) 算 ， 解 決 帶 寬 和 可 靠 性 問(wèn) 題 ： 分 布 式 處 理 單 元 橫 向 部 署 ， ASM提 供 鏡 像 保 護(hù) ， 處 理 能 力 與 數(shù) 據(jù)量 同 比 擴(kuò) 展 。 廉 價(jià) 標(biāo) 準(zhǔn) 化 ， 解 決 價(jià) 格 及 更 新 問(wèn) 題 ： 完 全 標(biāo) 準(zhǔn) 的 PC服 務(wù) 器 硬 件 ， 智 能 存 儲(chǔ) 單 元 數(shù) 量 不 受 限 ， 極 大 降 低 成本 ， 并 隨 著 PC技 術(shù) 的 發(fā) 展 而 發(fā) 展 。 Exadata CellInfiniBand Switch/Network 集 群 數(shù) 據(jù) 庫(kù) 或 單 實(shí) 例 數(shù) 據(jù) 庫(kù)Exadata Cell Exadata Cell分 布 式 處 理 層集 中 處 理 層超 高 速 、 并 發(fā) 網(wǎng) 絡(luò) 層 Exadata CellExadata CellExadata CellExadata Cell 云 中 存 儲(chǔ) 的 高 可 用 性通 過(guò) 自 動(dòng) 存 儲(chǔ) 技 術(shù) (ASM)避 免 磁 盤(pán) 或 存 儲(chǔ) 節(jié) 點(diǎn) 的 單 點(diǎn) 故 障 自 動(dòng) 存 儲(chǔ) 管 理 保 證 數(shù) 據(jù) 的 冗 余 和 條 帶 化 保 證 數(shù) 據(jù) 的 分 布 是 均 勻 的 保 證 存 儲(chǔ) 的 動(dòng) 態(tài) 添 加 和 刪 除 保 證 熱 點(diǎn) 數(shù) 據(jù) 獲 得 更 好 的 性 能Exadata Cell Exadata CellHot Hot Hot Hot Hot HotCold Cold Cold Cold Cold Cold ASMDisk GroupASMFailure Group ASMFailure Group 案 例 介 紹 奧 斯 丁 數(shù) 據(jù) 中 心 :超 過(guò) 20,000 服 務(wù) 器全 世 界 最 大 的 Dell/Linux 數(shù) 據(jù) 中 心每 星 期 增 加 100服 務(wù) 器超 過(guò) 5,000 TB 數(shù) 據(jù)全 世 界 最 大 的 NetApp 數(shù) 據(jù) 中 心每 月 增 加 60TBs 數(shù) 據(jù)支 持 超 過(guò) 400 其 他 客 戶(hù) 的 關(guān) 鍵 應(yīng) 用為 超 過(guò) 65000甲 骨 文 員 工 服 務(wù)超 過(guò) 7000平 方 米 Oracle的 應(yīng) 用 架 構(gòu) 整 合1998 TodayBusiness as Usual Global Single Instance (GSI) 52 application instances 1 application instance of Oracle E-Business Suite 40 data centers 3 data centers Inconsistent business processes Global standard processes Fragmented data Consistent data and global business intelligence Decentralized decision making Centralized decision making 結(jié) 果 : 持 續(xù) 發(fā) 展 和 收 益 增 長(zhǎng) Note: All figures after FY2004 are provided on a non-GAAP basis. GAAP to non-GAAP reconciliations are included in our earnings releases, which are available on the Oracle Investor Relations website at De-centralized IT Consolidated IT Corporate Expansion$10.0$30.0 1998 LTM OperatingMargin(%)20.0%30.0% 40.0%50.0%$20.0 Operating Margin (%) 1999 2000 2001 2002 2003 2004 2005 2006 2007Total Revenue ($Billions)