Planification et observation de la capacité d'une base de données d'IA autonome sur une infrastructure Exadata dédiée

Vous pouvez observer et planifier les ressources de calcul et de stockage de votre base de données Autonomous AI sur une infrastructure Exadata dédiée pour une utilisation efficace et une facturation optimale.

Oracle Autonomous AI Database fournit des tableaux de bord et des visualisations pour vous aider à suivre l'allocation et l'utilisation des ressources pour votre service.

Terminologie relative aux ressources

Il est important de comprendre les différents termes utilisés avec l'allocation et l'utilisation des ressources sur la console Oracle Cloud Infrastructure (OCI) et de comprendre leur signification :

UC disponibles : UC disponibles pour allocation afin de provisionner de nouvelles bases de données d'IA autonomes ou de redimensionner des bases de données d'IA autonomes existantes.
UC provisionnées : nombre total d'UC allouées pour toutes les bases de données Autonomous AI au sein d'un cluster de machines virtuelles Exadata Autonomous.
UC réservées : nombre total d'UC réservées à la prise en charge du redimensionnement automatique des bases de données Autonomous AI, du basculement de la base de données Autonomous AI en cas de panne de noeud et de la gestion du cycle de vie des bases de données Conteneur Autonomous vides.
UC récupérables : nombre total d'UC de toutes les bases de données d'IA autonomes ayant pris fin et réduites dans toutes les bases de données Conteneur Autonomous d'un cluster de machines virtuelles Exadata Autonomous. Les CPU récupérables ne reprennent pas l'état Disponible tant que la base de données Conteneur Autonomous n'est pas redémarrée.

A savoir : Reportez-vous à Gestion de calcul dans la base de données Autonomous AI pour obtenir une explication détaillée des types d'UC avec des exemples.
Bases de données Conteneur Autonomous pouvant être provisionnées : nombre d'unités de base de données Conteneur Autonomous pouvant être créées dans un cluster d'unités virtuelles Exadata Autonomous.
Bases de données Conteneur Autonomous provisionnées : nombre de base de données Conteneur Autonomous ayant été créées dans un cluster d'unités virtuelles Exadata Autonomous.
Bases de données Conteneur Autonomous non provisionnables : nombre de bases de données Conteneur Autonomous ne peut pas être créé en raison d'un manque d'UC disponibles dans un cluster d'unités virtuelles Exadata Autonomous.
Stockage total (en To) : stockage total alloué à un cluster de machines virtuelles Exadata Autonomous.
Stockage disponible (en To) : stockage disponible pour l'utilisation des bases de données Autonomous AI dans un cluster de machines virtuelles Exadata Autonomous.
Stockage utilisé (en To) : stockage actuellement utilisé par les bases de données Autonomous AI dans un cluster de machines virtuelles Exadata Autonomous.
Mémoire par UC (en Go) : mémoire allouée au cluster de machines virtuelles Exadata Autonomous par UC.

Limites de ressource

Le tableau suivant répertorie les limites de ressource pour la base de données Autonomous AI sur les déploiements d'infrastructure Exadata dédiés sur Oracle Public Cloud et Exadata Cloud@Customer.

Limites de ressource (maximales)

Le nombre d'UC disponibles détermine le nombre maximal de bases de données Autonomous AI que vous pouvez créer. La plus petite base de données d'IA autonome peut être créée avec 2 ECPU ou 0,1 CPU. Par conséquent, le nombre maximal de bases de données AI autonomes pouvant être créées est demi fois supérieur à la quantité d'ECPU disponibles ou dix fois à la quantité d'OCPU disponibles.
Le nombre maximal de bases de données Conteneur Autonomous par cluster de machines virtuelles Exadata Autonomous est de 16.

Limites de ressource recommandées (maximales)

Ressource	Limite recommandée
Bases de données d'IA autonomes par base de données Conteneur Autonomous	200
Bases de donnée autonomes AI par base de donnée Conteneur Autonomous avec Autonomous Data Guard configuré	25

Remarque : il est possible de provisionner davantage de bases de données d'IA autonomes que celles mentionnées dans le tableau des limites recommandé ci-dessus, en particulier avec le surprovisionnement d'UC. Toutefois, cela implique une compromis sur les objectifs de niveau de service pour remettre une application en ligne suite à une coupure non planifiée ou une activité de maintenance planifiée. Pour connaître les détails de l'objectif de niveau de service pour la base de données Autonomous AI sur les déploiements d'infrastructure Exadata dédiés, reportez-vous à Objectifs de niveau de service de disponibilité.

Limites pour les clusters de machines virtuelles Exadata Autonomous

Vous pouvez créer plusieurs clusters de machines virtuelles Exadata Autonomous sur une ressource d'infrastructure Exadata. Aucune limite stricte n'est appliquée au nombre de clusters de machines virtuelles Exadata Autonomous ou de bases de données Conteneur Autonomous que vous pouvez provisionner sur votre infrastructure Exadata. Les clusters de machines virtuelles Exadata Autonomous et les bases de données Conteneur Autonomous ont des exigences de ressources minimales. Vous pouvez les créer tant que les ressources minimales requises sont disponibles.

Pour créer un cluster de machines virtuelles Exadata Autonomous, les ressources minimales requises sont 40 ECPU par noeud, 120 Go de mémoire par noeud, 338,5 Go de stockage local par noeud et 6,61 To de stockage Exadata. De même, les ressources minimales requises par noeud pour créer une ACD sont 8 OCPU ou 2 OCPU et 50 Go de stockage local. Tant que votre infrastructure Exadata dispose de ces ressources minimales, vous pouvez créer un cluster de machines virtuelles Exadata Autonomous et une base de données Conteneur Autonomous.

L'exemple suivant présente les ressources d'infrastructure Exadata X9M minimales requises pour provisionner un AVMC (configuré avec 2 serveurs de base de données) avec un nombre différent de bases de données Conteneur Autonomous.

Remarque : les valeurs par défaut pour la mémoire de base de données par ECPU (Go) et le stockage de base de données (To) sont définies sur 5 Go et 5 To, respectivement. Toutefois, vous pouvez définir la mémoire de base de données par ECPU sur une plage de 2 à 5 Go.

Propriété	1 ACD	2 ACD	3 ACD	16 ACD
Nombre d'ECPU	80	80	96	512
Mémoire (Go)	320	320	368	1 616
Stockage local (Go)	677	780	883	2 222
Stockage Exadata (To)	6,61	6,73	6,86	8,45

Suivi de l'utilisation des ressources

Les ressources de calcul et de stockage allouées à un cluster de machines virtuelles Exadata Autonomous ou à une base de données Conteneur Autonomous varient au fur et à mesure que vous provisionnez et exécutez des bases de données Autonomous AI dans ces bases. Le nombre d'UC allouées, provisionnées, réservées et récupérables, ainsi que le stockage total, disponible et utilisé changent tout au long du cycle de vie des bases de données Conteneur Autonomous et des bases de données Autonomous AI dans une base de données AVMC. Lorsque vous provisionnez, exécutez et mettez fin à des bases de données d'IA autonomes, ou provisionnez, supprimez et redémarrez des bases de données Conteneur Autonomous, les ressources de calcul et de stockage se déplacent dans différentes catégories, comme expliqué dans Gestion de calcul dans une base de données d'IA autonome.

Le suivi de l'utilisation des ressources pour une instance AVMC ou ACD entre les locations est essentiel pour la planification de la capacité de votre base de données d'IA autonome sur une infrastructure Exadata dédiée. Pour simplifier le suivi de l'utilisation des ressources, Oracle Autonomous AI Database fournit des informations sous forme de graphiques et de tableaux à partir de la console Oracle Cloud Infrastructure (OCI).

La base de données Autonomous AI sur une infrastructure Exadata dédiée prend en charge le suivi de l'utilisation des ressources à deux niveaux :

Cluster de machines virtuelles Exadata Autonomous : vous pouvez visualiser les détails d'utilisation des ressources d'une instance AVMC à partir de sa page Détails sur la console OCI. Des informations détaillées sur les ressources sont présentées sous forme graphique et tabulaire pour l'AVMC, et chaque ACD provisionné dans l'AVMC.

Pour obtenir des instructions détaillées et des explications, reportez-vous à Affichage de l'utilisation des ressources pour un cluster de machines virtuelles Exadata Autonomous.

Base de données Conteneur Autonomous : comme AVMC, vous pouvez également visualiser les détails d'utilisation des ressources d'une base de données Conteneur Autonomous à partir de sa page Détails sur la console OCI. Des informations complètes sur les ressources de cette base de données Conteneur Autonomous sont fournies sur cette page sous forme graphique et tabulaire.

Pour obtenir des instructions détaillées et des explications, reportez-vous à Affichage de l'utilisation des ressources pour une base de données Conteneur Autonomous.

Visualisations d'utilisation des ressources

Les mesures d'utilisation des ressources sont présentées sur la console OCI sous forme de graphique et de tableau, pour Autonomous Exadata VM Cluster (AVMC) et Autonomous Container Database (ACD).

Vous pouvez accéder à ces visualisations de ressources sous forme de graphique ou de tableau dans la console OCI, en suivant les instructions décrites dans :

A savoir : Vous pouvez choisir d'afficher ces informations dans la vue graphique ou sous forme de tableau en sélectionnant Vue de graphique ou Vue de tableau dans la liste déroulante située dans l'angle supérieur droit de cette section.

Cluster de machines virtuelles Exadata Autonomous
Base de données Conteneur Autonomous

Cette section présente des représentations graphiques et tabulaires de l'utilisation des ressources de l'AVMC.

Graphe

L'affichage de graphe est la vue par défaut. Dans cette vue, vous pouvez voir 4 visualisations graphiques qui fournissent des détails d'utilisation pour différentes ressources :

Description de l'image avmc_reschart.png

Les quatre graphiques représentent :

Utilisation de l'UC : indique le nombre total d'UC allouées à cette instance AVMC et le nombre d'UC pouvant être récupérées, disponibles, provisionnées et réservées. Il s'agit d'un graphique en anneau avec le nombre total d'UC affichées au centre du graphique.
Utilisation de l'UC au niveau de la machine virtuelle : il s'agit d'un graphique à barres horizontales qui décompose l'utilisation de l'UC pour chaque machine virtuelle du cluster. Vous trouverez une barre horizontale pour chaque machine virtuelle. Chaque barre indique le nombre de CPU récupérables, disponibles, provisionnées et réservées pour cette machine virtuelle avec un codage couleur. Sur chaque partie colorée de la barre horizontale, le pointeur de la souris affiche le nombre de CPU récupérables, disponibles, provisionnées et réservées pour cette machine virtuelle spécifique. Cliquez sur les barres récupérables, provisionnées et réservées pour ouvrir un nouveau panneau avec la décomposition de ces composants de CPU par les bases de données Conteneur Autonomous.
Utilisation de la base de données Conteneur Autonomous : indique le nombre total de bases de données Conteneur Autonomous pouvant être créées dans cette base de données Conteneur Autonomous, ainsi que la répartition des bases de données Conteneur Autonomous provisionnables, des bases de données Conteneur Autonomous provisionnées et des bases de données Conteneur Autonomous non provisionnables. Reportez-vous à la terminologie des ressources pour comprendre ce que chacune d'elles signifie. Il s'agit d'un graphique en anneau avec le nombre total de bases de données Conteneur Autonomous affichées au centre du graphique.
Utilisation du stockage de base de données d'IA autonome (en To) : il s'agit d'un graphique illustrant le stockage de base de données d'IA autonome disponible, utilisé et total en To. La valeur de stockage totale est affichée au centre du graphique avec les valeurs de stockage disponibles et utilisées affichées dans le graphique dans différentes couleurs.

Vue tabulaire

Pour afficher les détails d'utilisation des ressources d'un système AVMC dans une vue tabulaire, sélectionnez Vue tabulaire dans la liste déroulante située dans l'angle supérieur droit de la section Visualisations d'utilisation des ressources. La vue de tableau affiche les mêmes détails que la vue de graphique, sous la forme de tableaux.

Description de l'image avmc_restable.png

Les quatre tables que vous pouvez voir sont les suivantes :

Utilisation de l'UC : indique le nombre total d'UC disponibles, provisionnées, réservées et récupérables dans cette instance AVMC.
Utilisation de l'UC au niveau de la machine virtuelle : répertorie le nombre d'UC disponibles, provisionnées, réservées et récupérables pour chaque machine virtuelle de ce cluster de machines virtuelles.
Utilisation de la base de données Conteneur Autonomous : répertorie le nombre de bases de données Conteneur Autonomous pouvant être provisionnées, provisionnées et non provisionnées dans cette base de données Conteneur Autonomous.
Utilisation du stockage de base de données d'IA autonome (en To) : affiche le stockage de base de données d'IA autonome disponible et utilisé en To.

Cette section présente des représentations graphiques et tabulaires de l'utilisation des ressources de la base de données Conteneur Autonomous.

Graphe

Description de l'image acd_reschart.png

L'affichage de graphe est la vue par défaut. Dans cette vue, vous pouvez voir un graphique à barres horizontales qui décompose les CPU utilisées par cette base de données Conteneur Autonomous dans chaque machine virtuelle. Chaque barre indique le nombre de CPU provisionnées, réservées et récupérables pour cette machine virtuelle avec un codage couleur. Le survol de chaque partie colorée de la barre horizontale affiche le nombre de CPU provisionnées, réservées et récupérables pour cette machine virtuelle spécifique.

Vue tabulaire

Description de l'image acd_restable.png

Pour afficher les détails d'utilisation des ressources d'une base de données Conteneur Autonomous dans la vue de table, sélectionnez Vue de table dans la liste déroulante située dans l'angle supérieur droit de la section Utilisation de l'UC au niveau de la machine virtuelle. La vue de tableau affiche les mêmes détails que la vue de graphique, sous la forme d'un tableau. Il répertorie le nombre de CPU provisionnées, réservées et récupérables pour chaque machine virtuelle allouée à la base de données Conteneur Autonomous à partir du cluster de machines virtuelles parent.

Formes de système Exadata

La base de données Autonomous AI sur une infrastructure Exadata dédiée peut être provisionnée sur différents modèles de système Exadata tels qu'Oracle Exadata X11MV, X11M, X10M, X9M, X8M ou les modèles de système de base. Modèles Exadata pris en charge par Exadata Database Service. Chaque modèle a des formes différentes, comme expliqué ci-dessous. Chaque forme de système Exadata est dotée d'une quantité fixe de mémoire, de stockage et de ressources réseau.

Remarque : au 30 juin 2026, le modèle d'infrastructure Exadata X11MV est disponible uniquement pour Autonomous AI Database sur les déploiements de cloud public et multicloud Oracle.

Le total des ressources allouées à votre base de données Autonomous AI sur une infrastructure Exadata dédiée est déterminé par le système (et la forme) Exadata utilisés pour provisionner votre service.

Le système de base correspond à une configuration d'entrée de gamme. Par rapport aux autres configurations, un système de base contient des serveurs Oracle Exadata Storage Server dotés d'une capacité de stockage nettement inférieure et des serveurs de base de données présentant beaucoup moins de mémoire et de puissance de traitement.

A savoir : Pour visualiser les spécifications de chaque modèle de système Exadata, voir Caractéristiques des formes d'infrastructure.

La base de données Autonomous AI sur une infrastructure Exadata dédiée est proposée dans les formes de système Exadata suivantes :

Système de base de données : contient deux serveurs de base de données et trois serveurs Oracle Exadata Storage.
Elasticité : démarre avec deux serveurs de base de données de mémoire standard (1390 Go) et trois serveurs de stockage Oracle Exadata, et peut être étendu jusqu'à 32 serveurs de base de données et 64 serveurs de stockage au maximum.

Les systèmes X11M et X10M sur les déploiements Exadata Cloud@Customer sont proposés dans les formes de système Exadata suivantes :

Système de base élastique : contient deux serveurs de base de données et trois serveurs de stockage Oracle Exadata et peut être étendu jusqu'à 16 serveurs en ajoutant des serveurs de base de données de base et des serveurs de stockage de base supplémentaires.
Elasticité : démarre avec deux serveurs de base de données de mémoire standard (1390 Go) et trois serveurs de stockage Oracle Exadata, et peut être étendu jusqu'à 32 serveurs de base de données et 64 serveurs de stockage au maximum.
Elastic Large : démarre avec deux serveurs de base de données à grande mémoire (2090 Go) et trois serveurs de stockage Oracle Exadata, et peut être étendu jusqu'à 32 serveurs de base de données à grande mémoire et 64 serveurs de stockage.
Elastic Extra Large : démarre avec deux serveurs de base de données à mémoire volumineuse (2800 Go) et trois serveurs de stockage Oracle Exadata, et peut être étendu jusqu'à 32 serveurs de base de données à mémoire volumineuse et 64 serveurs de stockage.

Les systèmes X9M et X8M sur les déploiements Exadata Cloud@Customer sont proposés dans les formes de système Exadata suivantes :

Système de base élastique : contient deux serveurs de base de données et trois serveurs de stockage Oracle Exadata et peut être étendu jusqu'à un total de 8 serveurs de base de données et 12 serveurs de stockage dans un seul rack.
Quart de rack : contient deux serveurs de base de données et trois serveurs de stockage Oracle Exadata.
Demi-rack : contient quatre serveurs de base de données et six serveurs de stockage Oracle Exadata.
Rack complet : contient huit serveurs de base de données et douze serveurs de stockage Oracle Exadata.

Caractéristiques des formes d'infrastructure