Wir haben in den letzten Jahren ein exponentielles Datenwachstum erlebt. Die überwiegende Mehrheit der Daten wird außerhalb herkömmlicher OLTP-Anwendungen generiert – über Quellen wie Internet of Things-Sensoren, vernetzte Geräte und Fahrzeuge, Webanwendungen und Telemetrieendpunkte – und in Dateisystemen gespeichert. Für Organisationen, die diese externen Daten zusammen mit ihren internen Transaktionsdaten analysieren möchten, ist der Prozess zum Extrahieren, Transformieren und Laden (ETL) dieser Daten in eine Datenbank für die Analyse oft zu teuer oder zu komplex. HeatWave Lakehouse erleichtert es Unternehmen, wertvolle Echtzeiteinblicke zu erhalten, indem Objektspeicher- und Datenbankdaten kombiniert werden.
Ja. Mit HeatWave Lakehouse bietet HeatWave automatisierte und integrierte generative KI und maschinelles Lernen in einem Cloud-Service für Transaktionen und Analysen im Lakehouse-Maßstab, ohne die Komplexität, Latenz, Risiken und Kosten einer ETL-Duplikation.
Nein. Sie können HeatWave Lakehouse verwenden, um Daten im Objektspeicher mit einem unschlagbaren Preis-Leistungs-Verhältnis abzufragen, ohne dass eine MySQL-Workload ausgeführt werden muss.
Nein. HeatWave Lakehouse ist zu 100 % mit der MySQL-Syntax konform. Anwendungen, die mit MySQL arbeiten, können mit HeatWave Lakehouse Daten im Objektspeicher ohne Änderungen abfragen.
Die Preise für HeatWave werden nicht geändert. Sie zahlen nur zusätzliche 20 US-Dollar pro TB pro Monat für die Daten, die in die Speicherebene HeatWave im Objektspeicher geladen werden.
Die unvergleichliche Performance von Oracle MySQL HeatWave ist das Ergebnis seiner Scale-Out-Architektur, die massive Parallelität bei der Bereitstellung des Clusters, dem Laden von Daten und der Verarbeitung von Abfragen mit bis zu 512 Clusterknoten ermöglicht. Daten aus Dateien im Objektspeicher werden in das HeatWave In-Memory optimierte hybride Spaltenformat umgewandelt, und die Abfrageleistung ist für alle unterstützten Dateiformate identisch. Darüber hinaus nimmt HeatWave Autopilot auf intelligente Weise Stichproben von Dateien, um die für die Automatisierung benötigten Informationen abzuleiten, und lernt aus zuvor ausgeführten Abfragen, um die Ausführung nachfolgender Abfragen zu verbessern.
Beim Laden in den HeatWave-Cluster werden Daten aus beliebigen Quellen automatisch in ein einziges optimiertes internes Format umgewandelt. Dadurch erfolgt die Abfrage der Daten im Objektspeicher genauso schnell wie die Abfrage der Datenbanken.
Ja, HeatWave wird nativ auf AWS ausgeführt. Mit der Erweiterung von HeatWave um die Lakehouse-Funktionalität in HeatWave können AWS-Kunden bis zu sechs AWS-Services durch einen einzigen ersetzen, wodurch die Komplexität reduziert wird und das branchenweit beste Preis-Leistungs-Verhältnis für Analysen erzielt wird.
Mit HeatWave Lakehouse können AWS-Kunden Hunderte von Terabyte an Daten im Amazon S3-Objektspeicher in verschiedenen Dateiformaten wie CSV, Parquet, Avro und JSON abfragen und aus anderen Datenbanken exportieren, ohne die S3-Daten in die Datenbank zu kopieren. Sie können Anwendungen weiterhin ohne Änderungen und ohne unangemessen hohe AWS-Data-Egress-Vergütungen ausführen. AWS-Kunden können HeatWave AutoML auch auf HeatWave Lakehouse ausführen. Dadurch können sie ML-Modelle automatisch trainieren, Inferenzen ausführen und Erklärungen zu in S3 gespeicherten Dateien erhalten und verschiedene Arten von ML-Analysen über die interaktive HeatWave-Konsole ausführen.
Ja, die Lösung ist für Azure-Kunden über Oracle Interconnect for Microsoft Azure verfügbar.
Ja, Sie können an einem kostenlosen, von Experten geleiteten Workshop teilnehmen.
Auf jeden Fall! Hier finden Sie einige.