甲骨文产品管理副总裁Marshall Choy告诉记者，“我们开放了接口，以方便C、C++、Java、Python程序员更有效地使用这些加速器。”

　　他表示，“接口是开放和免费的，无需交许可证费，只需要简单地点击一个标准的协议。我亲自看过该协议，因为我对这一类的协议抱怀疑态度。协议里的许可条款类似于GNU GPL。”

　　Theregister在去年10月甲骨文开放世界大会召开期间描述过这些引擎，引擎的官方名字为数据分析加速器或DAX。它们从内存里以每秒160兆位元的速度获得压缩数据进行处理、分析，在解压的过程中过滤信息，然后将结果输到CPU的L3缓存里。

　　Choy 告诉记者，“它们在扫描操作时运行得非常好，用户在这时需比较数值、对范围进行比较、完成SELECT类型功能、进行过滤以减少一列、搜索和提取数据。”

　　他表示，“它们可用于数据集里异常值的实时发现。在这一行里典型的用途是欺诈检测：例如，在信用卡消费里发现异常。”

　　M7可以通过DAX引擎同时处理32个数据流，这些工作是独立于处理器里的32个SPARC核心的。这些加速器可以并行使用，能快速吞掉内存里的的列数据库以及执行简单的SQL查询，如计算某个写手在2014年的文章总数量。顾名思义，DAX单元的目标是解析操作：读入和享用大量的数据，但不会改变或写入大量数据。

　　甲骨文数据库12c版用这些引擎来加速SQL查询，任何在Solaris 11里运行的软件现在都可以通过俗称大红色的甲骨文API使用该技术。这些接口使得应用程序可以通过接入硬件加速器而纵横于数据之中，而涉及DAX引擎所需的编程等繁琐工作则是由程序库完成。

　　甲骨文一直都在强调DAX的压缩和解压功能。未处理的数据在存储里压缩意味着更多的信息可以在单位秒里被反馈到加速器里，解压则是在分析的同时进行，如此，据据甲骨文的说法，用户可免费得到这些东西。

　　我们还被告知，范围比较也是在一步内做完，因此，比如用户想找出两个日期里的交易数目，这在硬件里是一步完成的。所有这些都是在CPU内核以外的缓存里发生的，所以DAX单元不会影响到每个内核缓存中的数据。

　　归根结底，用户可利用DAX单元消耗每秒数百万抑或数十亿行的信息，用于驱动交互式分析。可别忘了这些信息必须是压缩后存储在内存中的数据;为了达到加速的目的就必须出力。

　　不仅仅是SQL可以这样做：甲骨文也在着手将Apache Spark与M7处理器的硬件加速接轨，并提供补丁以支持自己“芯片里的软件”。记者被告知，美国布朗大学计算机科学系正在用大型数据集测试M7 DAX的技术性能。

　　责任编辑：余芯