Keine Ergebnisse gefunden

Ihre Suche ergab keine Treffer.

Beachten Sie die folgenden Tipps, um das Gesuchte zu finden:

  • Prüfen Sie die Schreibweise des Suchbegriffs.
  • Verwenden Sie Synonyme für das eingegebene Stichwort, z. B. „Anwendung“ statt „Software“.
  • Beginnen Sie eine neue Suche.
Kontaktieren Sie uns Bei Oracle Cloud anmelden

HeatWave – In-Memory-Abfragebeschleuniger

Oracle MySQL HeatWave ist der einzige MySQL-Cloud-Service mit einem integrierten, leistungsstarken In-Memory-Abfragebeschleuniger – HeatWave. Dabei wird die MySQL-Performance um Größenordnungen für Analysen und gemischte Workloads erhöht, ohne Änderungen an vorhandenen Anwendungen zu erfordern. MySQL HeatWave bietet eine zentrale, einheitliche Plattform für Transaktions- und Analyse-Workloads. So ist kein komplexer, zeitaufwendiger, kostspieliger ETL-Prozess und keine Integration mit einer separaten Analysedatenbank erforderlich. Mit dem MySQL Autopilot von HeatWave werden Provisioning, Datenload, Abfrage und Fehlerbehandlung automatisiert, was Entwicklern und DBAs eine deutliche Zeitersparnis bietet.

HeatWave-Diagramm

Besuchen Sie uns vom 17. bis 20. Oktober 2022 auf dem MySQL Summit in Las Vegas

HeatWave-Demo: MySQL Autopilot

Nipun Agarwal, Vice President, HeatWave und Advanced Development bei Oracle, demonstriert, wie der neue MySQL Autopilot die Performance von HeatWave erhöht und gleichzeitig Entwicklern und DBAs Zeit spart.

Erfahrungsbericht von Tetris.co

Pablo Lemos, Mitbegründer und CTO von Tetris.co beschreibt, wie MySQL HeatWave die Kosten um über 50 % deutlich reduziert und gleichzeitig Echtzeiteinblicke geliefert und die Expansion ermöglicht hat.

Integrierter Echtzeit-Abfragebeschleuniger für MySQL HeatWave

Entwickelt für Performance und Skalierbarkeit

Heatwave verwendet eine spaltenbezogene In-Memory-Darstellung, die eine vektorisierte Verarbeitung erleichtert. Die Daten werden vor dem Laden im Speicher codiert und komprimiert. Diese komprimierte und optimierte In-Memory-Darstellung wird sowohl für numerische als auch für Zeichenfolgendaten verwendet. Dies führt zu erheblichen Performanceverbesserungen und einem geringeren Arbeitsspeicher-Footprint, was zu geringeren Kosten für die Kunden führt.


Skalierbarkeit über Cores und Knoten hinweg

Einer der wichtigsten Designpunkte der HeatWave-Engine ist die Massenpartitionierung von Daten über ein Cluster von HeatWave-Knoten, die parallel betrieben werden können. Dies ermöglicht hohe Cachetreffer für analytische Vorgänge und bietet eine sehr gute Skalierbarkeit zwischen Knoten. Jeder HeatWave-Knoten innerhalb eines Clusters und jeder Core innerhalb eines Knotens kann partitionierte Daten parallel verarbeiten, einschließlich paralleler Scans, Joins, Group-by, Aggregation und Top-K-Verarbeitung.


Echtzeitanalysen

Änderungen von OLTP-Transaktionen werden in Echtzeit an HeatWave propagiert und sofort für Analyseabfragen sichtbar. Nachdem Benutzer eine Abfrage an die MySQL-Datenbank weitergeleitet haben, entscheidet der MySQL-Abfrage-Optimizer transparent, ob die Abfrage zur beschleunigten Ausführung in das HeatWave-Cluster ausgelagert werden soll. Dies hängt davon ab, ob alle in der Abfrage referenzierten Operatoren und Funktionen von HeatWave unterstützt werden und ob die geschätzte Zeit für die Verarbeitung der Abfrage mit HeatWave geringer ist als mit MySQL. Wenn beide Bedingungen erfüllt sind, wird die Abfrage zur Verarbeitung an HeatWave-Knoten übertragen. Nach der Verarbeitung werden die Ergebnisse an den MySQL-Datenbankknoten zurückgesendet und an Benutzer zurückgegeben.


Überlappen der Rechenleistung mit Kommunikation

HeatWave implementiert hochmoderne Algorithmen für die dezentrale speicherresidente Analyseverarbeitung. Joins innerhalb einer Partition werden mit vektorisierten Build- und-Probe-Join-Kerneln schnell verarbeitet. Die hochoptimierte Netzwerkkommunikation zwischen Analyseknoten wird durch asynchrone Batch-I/Os erreicht. Die Algorithmen sind so ausgelegt, dass sie die Rechenzeit mit Daten über Knoten hinweg überlappen. Dadurch wird eine hohe Skalierbarkeit erreicht.


Oracle MySQL Autopilot: Automatisierung auf Basis von maschinellem Lernen

MySQL Autopilot automatisiert viele der wichtigsten und häufig anspruchsvollsten Aspekte der Erzielung einer hohen Abfrageperformance im großen Maßstab – einschließlich Provisioning, Laden von Daten, Abfrageausführung und Fehlerbehandlung. Die Anwendung fortgeschrittener Techniken dient dazu, Daten zu erfassen, Statistiken über Daten und Abfragen zu sammeln und Machine-Learning-Modelle zur Modellierung von Speichernutzung, Netzwerklast und Ausführungszeit zu erstellen. Diese Modelle für maschinelles Lernen werden dann von MySQL Autopilot zur Ausführung von Kernfunktionen verwendet. Mit MySQL Autopilot wird der HeatWave-Abfrage-Optimizer immer intelligenter, da mehr Abfragen ausgeführt werden und die Systemperformance im Laufe der Zeit kontinuierlich verbessert wird. MySQL Autopilot für MySQL HeatWave-Kunden ohne zusätzliche Kosten erhältlich.

Beispiel:

Module
  • Das automatische Provisioning prognostiziert die Anzahl der MySQL-HeatWave-Knoten, die zum Ausführen einer Workload erforderlich sind. Daher müssen DBAs und Entwickler die optimale Größe des Clusters nicht erraten oder manuell schätzen. Diese Möglichkeit bietet kein anderer Datenbankservice.
  • Die automatische Verbesserung des Abfrageplans lernt verschiedene Statistiken aus der Ausführung von Abfragen und steigert die Performance des Systems, wenn weitere Abfragen ausgeführt werden. Diese Möglichkeit bietet kein anderer Datenbankservice.
  • Die automatische Datenplatzierung prognostiziert die Spalte, in der Tabellen im Arbeitsspeicher partitioniert werden sollen, um die beste Performance für Abfragen zu erzielen. Diese Möglichkeit bietet kein anderer Datenbankservice.

100-mal schnellere Datenwiederherstellung

Wenn Daten aus MySQL in HeatWave geladen werden, wird eine Kopie der speicherresidenten Darstellung auf der im OCI-Objektspeicher erstellten Ebene für die skalierte Datenverwaltung erstellt. Änderungen an Daten in MySQL werden transparent an diese Datenebene propagiert. Wenn ein Vorgang das Neuladen von Daten in HeatWave erfordert, z.B. während der Fehlerbehebung, können Daten von der HeatWave-Datenebene parallel von mehreren HeatWave-Knoten aufgerufen werden. Dies führt zu einer deutlichen Leistungsverbesserung. Beispiel: Bei einem 10-TB-HeatWave-Cluster reduziert sich die Zeit für das Recovery und erneutes Laden von Daten von 7,5 Stunden auf 4 Minuten, also eine über 100-fache Verbesserung.


Für Anwendungen sind keine Änderungen erforderlich

HeatWave ist als integrierbare MySQL-Speicher-Engine konzipiert, die alle Low-Level-Implementierungsdetails vollständig von Kunden abschirmt. Daher greifen Anwendungen und Tools mit Standard-Connectors nahtlos über MySQL auf HeatWave zu. HeatWave unterstützt dieselben ANSI-SQL-Standard- und ACID-Eigenschaften wie MySQL und unterstützt verschiedene Datentypen. Dadurch können vorhandene Anwendungen HeatWave ohne Änderungen nutzen.


OLTP-On-Premise, OLAP in der Cloud

On-Premise-Kunden, die ihre MySQL-Deployments aufgrund von Compliance- oder gesetzlichen Anforderungen nicht in die Cloud verschieben können, können HeatWave dennoch mit dem hybriden Deployment-Modell nutzen. Bei einem solchen hybriden Deployment können Kunden die MySQL-Replikation verwenden, um On-Premise-MySQL-Daten ohne ETL in HeatWave zu replizieren.


Praktische Tutorials mit MySQL HeatWave

OLTP- und OLAP-Workloads direkt in MySQL ausführen

MySQL HeatWave mit maschinellem Lernen automatisieren

Erste Schritte mit MySQL HeatWave


MySQL HeatWave kostenlos testen

Starten Sie Ihre Entdeckungstour mit 300 USD in kostenlosen Credits.


Kontakt

Möchten Sie mehr erfahren? Kontaktieren Sie einen unserer Experten.