Funciones de MySQL HeatWave Database Service

Un único servicio de base de datos en la nube de MySQL para el procesamiento de transacciones en línea (OLTP), el proceso analítico en línea (OLAP) y el aprendizaje automático

MySQL HeatWave es el único servicio que permite a los desarrolladores, administradores de bases de datos y analistas de datos ejecutar cargas de trabajo OLTP, OLAP y aprendizaje automático directamente desde MySQL Database.

Acaba con los procesos de extracción, transformación y carga (ETL)

Elimina los complejos, laboriosos y costosos procesos de ETL y la integración con una base de datos de análisis independiente y un servicio de aprendizaje automático independiente.

Ofrece análisis de datos en tiempo real

Las consultas de análisis siempre tienen acceso a los datos más recientes, ya que las actualizaciones de las transacciones se replican automáticamente en tiempo real en el clúster de análisis de HeatWave. No es necesario indexar los datos antes de ejecutar consultas analíticas.

Analítica en tiempo real de documentos JSON

Los desarrolladores y administradores de bases de datos pueden aprovechar HeatWave para realizar análisis en tiempo real de documentos JSON almacenados en MySQL Database, acelerando las consultas analíticas en órdenes de magnitud en los documentos.

Machine learning en la base de datos totalmente automatizado

Con HeatWave AutoML, puedes crear, entrenar, desplegar y explicar de forma rápida y sencilla modelos de aprendizaje automático en MySQL HeatWave. No es necesario mover los datos a un servicio en la nube de aprendizaje automático independiente ni ser experto en el campo.

Mejora la seguridad

Siempre se cifran todos los datos estáticos y en tránsito entre MySQL Database y los nodos del clúster de HeatWave. No existe riesgo de que los datos se vean comprometidos durante los procesos de extracción, transformación y carga (ETL), ya que los datos no se transfieren entre almacenes de datos.

Sin cambios en las aplicaciones de MySQL

HeatWave es una solución nativa de MySQL. Las aplicaciones MySQL actuales funcionan sin cambios.

Utiliza tus herramientas existentes de inteligencia empresarial (BI), visualización de datos y aprendizaje automático

HeatWave admite las mismas herramientas de visualización de datos e inteligencia empresarial (BI) que MySQL Database, como Oracle Analytics Cloud, Tableau y Looker. Además, HeatWave AutoML incorpora notebooks populares, como Jupyter y Apache Zeppelin.

Disponible en nubes públicas y en tu centro de datos

Despliega MySQL HeatWave en OCI, AWS o Azure. Replica datos de aplicaciones OLTP locales a MySQL HeatWave para obtener análisis casi en tiempo real sin ETL. También puedes utilizar MySQL HeatWave en tu centro de datos con OCI Dedicated Region.


Acelerador de consultas en memoria de alto rendimiento

HeatWave es un motor de procesamiento de consultas en columnas híbridas, en memoria y en paralelo. Implementa algoritmos de última generación para el procesamiento de consultas distribuidas que proporcionan un rendimiento muy elevado.

Diseñado para ofrecer una escala y un rendimiento masivos

HeatWave particiona de forma masiva los datos en un cluster de nodos que se pueden utilizar en paralelo. Esto proporciona una excelente escalabilidad internodal. Cada nodo de un cluster y cada núcleo de un nodo puede procesar los datos particionados en paralelo. HeatWave dispone de un programador de consultas inteligente que solapa las tareas de cálculo con las de comunicación de red para lograr un elevadísimo nivel de escalabilidad en miles de núcleos.

Optimizado para la nube

El procesamiento de consultas en HeatWave está optimizado para servidores básicos en la nube. Los tamaños de las particiones se han optimizado para adaptarse al caché de las formas subyacentes. El solapamiento de las tareas de cálculo y comunicación se optimiza para el ancho de banda de red disponible. Diversos elementos primitivos del procesamiento analítico utilizan las instrucciones de hardware de las máquinas virtuales subyacentes.

Optimizado para altas tasas de transacciones y conexiones

Oracle MySQL Autopilot mejora el rendimiento del pool de threads MySQL HeatWave, lo que proporciona un mecanismo para utilizar de forma óptima los recursos de hardware y lograr un mejor rendimiento. Como resultado, MySQL HeatWave ofrece un mayor rendimiento para las cargas de trabajo OLTP y evita que disminuya en caso de altos niveles de transacciones y simultaneidad.


MySQL HeatWave Lakehouse

MySQL HeatWave incluye MySQL HeatWave Lakehouse, lo que permite a los usuarios consultar medio petabyte de datos en almacenamiento de objetos, en una variedad de formatos de archivo, como CSV, Parquet, Avro y archivos de exportación de otras bases de datos. El procesamiento de consultas se realiza completamente en el motor de HeatWave, lo que permite a los clientes aprovechar HeatWave para cargas de trabajo no compatibles con MySQL además de las cargas de trabajo compatibles con MySQL. Con HeatWave Lakehouse, MySQL HeatWave proporciona un servicio de base de datos en la nube para procesamiento de transacciones, análisis en tiempo real en almacenes de datos y lagos de datos, y machine learning, sin necesidad de ETL entre servicios en la nube.

Analítica de lakehouse y machine learning en todos los datos

Los clientes pueden consultar datos en varios formatos en el almacenamiento de objetos, datos transaccionales en bases de datos MySQL o una combinación de ambos utilizando comandos SQL estándar. La consulta de información en almacenamiento de objetos es tan rápida como la consulta de las bases de datos, como lo demuestra una prueba de referencia TPC-H de 10 TB.

Con HeatWave AutoML, los clientes pueden utilizar datos en el almacenamiento de objetos, la base de datos o ambos para construir, entrenar, implementar y explicar automáticamente modelos de machine learning, sin mover los datos a un servicio de nube ML separado.

Arquitectura con escalabilidad horizontal para la gestión de datos y el procesamiento de consultas.

La arquitectura de particionado masivo de HeatWave permite una arquitectura de escalamiento para MySQL HeatWave Lakehouse. Las operaciones de procesamiento de consultas y gestión de la información, como carga/recarga, se escalan de acuerdo al tamaño de los datos. Los clientes pueden consultar hasta medio petabyte de datos en el almacenamiento de objetos con MySQL HeatWave Lakehouse sin copiarlo a la base de datos de MySQL. El cluster de HeatWave se escala a 512 nodos.

Aumente el rendimiento y ahorra tiempo con la automatización basada en aprendizaje automático

Las capacidades de MySQL Autopilot, como la aprovisionación automática, la mejora automática del plan de consulta y la carga paralela automática, se han mejorado para MySQL HeatWave Lakehouse, reduciendo aún más la sobrecarga de administración de bases de datos y mejorando el rendimiento. Las nuevas capacidades de Autopilot MySQL también están disponibles para MySQL HeatWave Lakehouse.

  • La inferencia automática de esquema infiere automáticamente la asignación de datos de archivos a la definición de esquema correspondiente para todos los tipos de archivo compatibles, incluidos los archivos CSV. Como resultado, los clientes no necesitan definir y actualizar manualmente la asignación de esquema de los archivos, lo que ahorra tiempo y esfuerzo.
  • El muestreo de datos adaptativo toma muestras de manera inteligente de los archivos en el almacenamiento de objetos para obtener información utilizada por MySQL Autopilot para realizar predicciones de automatización. Mediante el muestreo de datos adaptativo, MySQL Autopilot puede escanear y hacer predicciones, como la asignación de esquema en un archivo de 400 TB en menos de un minuto.
  • El flujo de datos adaptativo permite que MySQL HeatWave Lakehouse se adapte dinámicamente al rendimiento del almacenamiento de objetos subyacente en cualquier región para mejorar el rendimiento general, el rendimiento de precio y la disponibilidad.

Aprendizaje automático en la base de datos con AutoML

HeatWave AutoML incluye todo lo que los usuarios necesitan para crear, entrenar, desplegar y explicar modelos de aprendizaje automático en MySQL HeatWave, sin costo adicional.

No es necesario un servicio de aprendizaje automático independiente.

Con el machine learning (ML) en la base de datos en MySQL HeatWave, los clientes no necesitan mover información a un servicio de ML independiente. Pueden aplicar fácil y seguramente el entrenamiento, la inferencia y la explicación del machine learning a los datos almacenados tanto dentro de MySQL como en el almacén de objetos con HeatWave Lakehouse. Como resultado, pueden acelerar sus iniciativas de aprendizaje automático, aumentar la seguridad y reducir los costos.

Ahorra tiempo y esfuerzo con la automatización del ciclo de vida del aprendizaje automático

HeatWave AutoML automatiza el ciclo de vida del aprendizaje automático, incluidos la selección de algoritmos, el muestreo inteligente de datos para el entrenamiento de modelos, la selección de funciones y la optimización de hiperparámetros, lo que permite ahorrar mucho tiempo y esfuerzo a los analistas y científicos de datos. Se pueden personalizar los aspectos del pipeline de aprendizaje automático, incluida la selección de algoritmos, la selección de funciones y la optimización de hiperparámetros. HeatWave AutoML soporta tareas del sistema de detección, previsión, clasificación, regresión y recomendación de anomalías, incluidas las columnas de texto.

Sistema para personalización de recomendaciones

Al considerar tanto la retroalimentación implícita (compras pasadas, comportamiento de navegación, etc.) como la retroalimentación explícita (calificaciones, gustos, etc.), el sistema de recomendación HeatWave AutoML puede personalizar las recomendaciones. Los analistas, por ejemplo, pueden predecir los elementos que a un usuario le gustarán, los usuarios a quienes les gustará un elemento específico y las calificaciones que recibirán los elementos. También pueden, dado un usuario, obtener una lista de usuarios similares y, dado un elemento específico, obtener una lista de elementos similares.

Consola interactiva de AutoML de MySQL HeatWave

La consola interactiva permite a los analistas de negocios crear, entrenar, ejecutar y explicar modelos de machine learning mediante una interfaz visual, sin usar comandos SQL ni programación. La consola también facilita la exploración de escenarios hipotéticos para evaluar suposiciones comerciales, por ejemplo: "¿Cómo afectaría invertir un 30 % más en publicidad pagada en redes sociales tanto a los ingresos como a las ganancias?".

Modelos de aprendizaje automático explicables

Todos los modelos entrenados por HeatWave AutoML son explicables. HeatWave AutoML ofrece predicciones con una explicación de los resultados, brindando a las organizaciones conformidad normativa, imparcialidad, repetibilidad, causalidad y confianza.

Utiliza tus aptitudes actuales

Los desarrolladores y analistas de datos pueden crear modelos de aprendizaje automático utilizando comandos SQL conocidos; no necesitan aprender nuevas herramientas y lenguajes. Además, HeatWave AutoML se integra a cuadernos populares, como Jupyter y Apache Zeppelin.


IA generativa con el almacén de vectores MySQL HeatWave

El almacén vectorial, actualmente en fase de preestreno privada, permitirá a los clientes aprovechar la potencia de los grandes modelos lingüísticos (LLM) con sus propios datos para obtener respuestas más precisas que utilizando modelos entrenados únicamente con datos públicos. Con capacidades de inteligencia artificial generativa y almacén de vectores, los clientes pueden interactuar con MySQL HeatWave en lenguaje natural y buscar eficientemente documentos en varios formatos de archivo en HeatWave Lakehouse.

El almacén vectorial procesa documentos en diversos formatos, incluido PDF, y los almacena como incrustaciones generadas mediante un modelo de codificador. Para una consulta de usuario determinada, identifica los documentos más similares realizando una búsqueda de similitud con las incrustaciones almacenadas y la consulta incorporada. Estos documentos se utilizan para aumentar la pregunta dada al LLM de modo que proporcione una respuesta más contextual.


MySQL Autopilot: automatización integrada basada en machine learning

MySQL Autopilot proporciona automatización basada en el machine learning y adaptada a las cargas de trabajo. Mejora el rendimiento y la escalabilidad sin necesidad de experiencia en el ajuste de la base de datos, aumenta la productividad de los desarrolladores y administradores de bases de datos, y ayuda a eliminar los errores humanos. MySQL Autopilot automatiza muchos de los aspectos más importantes y a menudo complicados que implica la búsqueda de un alto rendimiento de consultas a escala, como el aprovisionamiento, la carga de datos, la ejecución de consultas y la gestión de fallos. MySQL Autopilot está disponible sin cargos adicionales para los clientes de MySQL HeatWave.

MySQL Autopilot proporciona numerosas capacidades tanto para HeatWave como para OLTP, incluidas las siguientes:

  • El aprovisionamiento automático predice el número de nodos de HeatWave necesarios para ejecutar una carga de trabajo mediante un muestreo adaptativo de los datos de tabla en los que es necesario realizar el análisis. Esto significa que los desarrolladores y administradores de bases de datos (DBA) ya no necesitan calcular manualmente el tamaño óptimo de su cluster.
  • El pool de threads automático permite al servicio de base de datos procesar más transacciones para una configuración de hardware determinada, lo que ofrece un mayor rendimiento para las cargas de trabajo OLTP y evita que se caiga en periodos de altos niveles de transacciones y simultaneidad.
  • La función de predicción de unidad automática supervisa continuamente la carga de trabajo de OLTP, incluido el rendimiento y la tasa de aciertos del pool de buffers, para recomendar la unidad de procesamiento correcta en cada momento. De esta forma, los clientes disfrutan continuamente de la mejor relación entre precio y rendimiento.
  • La codificación automática determina la representación óptima de las columnas que se cargan en HeatWave, teniendo en cuenta las consultas. Esta representación óptima proporciona el mejor rendimiento por consulta y minimiza el tamaño del cluster para reducir los costos.
  • La mejora del plan de consulta automática asimila diversas estadísticas de la ejecución de consultas y optimiza el plan de ejecución de consultas futuras. Así, el rendimiento del sistema se incrementa a medida que se ejecutan más consultas.
  • La optimización de consulta adaptativa utiliza diversas estadísticas para ajustar las estructuras de datos y los recursos del sistema después de que la ejecución de la consulta ha comenzado, optimizando independientemente la ejecución de la consulta para cada nodo según la distribución de datos real en tiempo de ejecución. Esto ayuda a mejorar el rendimiento de las consultas ad hoc hasta en un 25 %.
  • La ubicación automática de datos predice la columna en la que se deben particionar las tablas en memoria para que las consultas ofrezcan el mejor rendimiento. También predice la mejora esperada en el rendimiento de las consultas con la nueva recomendación de columnas. De esta forma, se reduce al mínimo la necesidad de mover datos de unos nodos a otros motivada por decisiones subóptimas que puedan tomar los operadores al seleccionar la columna.
  • La compresión automática determina el algoritmo de compresión óptimo para cada columna, lo que mejora el rendimiento de carga y consulta con una compresión y descompresión de datos más rápidas. Al reducir el uso de memoria, los clientes pueden disminuir los costos hasta en un 25 %.
  • La indexación (disponibilidad limitada) determina automáticamente los índices que los clientes deben crear o borrar de sus tablas para optimizar el desempeño de OLTP, utilizando el aprendizaje automático para realizar una predicción basada en cargas de trabajo de las aplicaciones individuales. Esto ayuda a los clientes a eliminar las tediosas tareas de crear índices ideales para sus cargas de trabajo OLTP y mantenerlos a lo largo del tiempo a medida que evolucionan las cargas de trabajo.

Elasticidad en tiempo real

La elasticidad en tiempo real permite a los clientes aumentar o reducir el tamaño de su cluster de HeatWave en cualquier número de nodos sin que ello implique ningún tiempo de inactividad o de solo lectura.

Alto rendimiento uniforme, incluso en horas punta, y reducción de costos sin tiempo de inactividad

La operación de cambio de tamaño tarda solo unos minutos, durante los cuales HeatWave permanece en línea, disponible para todas las operaciones. Una vez que se cambia el tamaño, los datos se descargan del almacenamiento de objetos, se vuelven a equilibrar automáticamente entre todos los nodos de cluster disponibles y están disponibles inmediatamente para consultas. Como resultado, los clientes disfrutan de un rendimiento siempre elevado, incluso a horas punta, y de menores costos, ya que pueden reducir el tamaño de su cluster de HeatWave cuando corresponda, sin que ello implique ningún tiempo de inactividad o de solo lectura.

Gracias a la eficaz recarga de datos desde el almacenamiento de objetos, los clientes también pueden pausar y reanudar su clúster HeatWave para reducir los costos.

Ninguna instancia sobreaprovisionada

Los clientes pueden ampliar o reducir su cluster de HeatWave a cualquier número de nodos. No tienen por qué aceptar instancias sobreaprovisionadas y costosas obligatorias con los modelos de tamaño rígido de otros proveedores de bases de datos en la nube. Con HeatWave, los clientes solo pagan exactamente por los recursos que utilizan.


Servicio de base de datos totalmente gestionado

Mejora la productividad automatizando tareas que consumen mucho tiempo, como la gestión de alta disponibilidad, los parches, las actualizaciones y las copias de seguridad, con un servicio de base de datos totalmente gestionado Acelera el desarrollo de aplicaciones con aprovisionamiento instantáneo de recursos.

Desarrollado, administrado y con el soporte del equipo de ingeniería de MySQL.

Los desarrolladores pueden ofrecer aplicaciones de bases de datos nativas en la nube modernas con acceso inmediato a las últimas funciones del equipo de MySQL. Los parches de seguridad MySQL se aplican automáticamente para limitar la exposición a las vulnerabilidades de seguridad. MySQL HeatWave es totalmente compatible con MySQL local, lo que garantiza una transición fluida a la nube, sin necesidad de realizar cambios en las aplicaciones.

La consola interactiva MySQL HeatWave: gestión de recursos, ejecución de consultas y control del rendimiento.

Los desarrolladores y administradores de bases de datos pueden crear y gestionar fácilmente nodos de MySQL Database y HeatWave. Dentro de la consola, pueden acceder a las capacidades de MySQL Autopilot, como el aprovisionamiento automático, para determinar la configuración óptima del clúster HeatWave. Pueden ver y administrar las tablas cargadas en MySQL HeatWave, así como crear y ejecutar consultas rápidamente.

La consola también permite a los desarrolladores y DBA supervisar el rendimiento del nodo de MySQL Database y el clúster HeatWave. Pueden supervisar el uso de diversos recursos de hardware y diferentes métricas de ejecución de consultas.

OCI Database Management for MySQL HeatWave

OCI Database Management ayuda a evitar interrupciones en las aplicaciones al proporcionar funciones de diagnóstico que ayudan a garantizar la resolución rápida de inconvenientes en materia de desempeño. El servicio se puede utilizar para detectar e identificar de forma proactiva la causa raíz de los problemas de desempeño de MySQL HeatWave.


Seguridad avanzada

Las funciones de seguridad avanzadas permiten a los clientes implantar medidas adicionales para proteger los datos a lo largo de su ciclo de vida y ayudar a cumplir con los requisitos normativos.

Cifrado asimétrico con generación de claves y firmas digitales

El cifrado asimétrico del servidor permite a los desarrolladores y DBA aumentar la protección de datos confidenciales mediante claves públicas y privadas. También pueden implantar firmas digitales para confirmar la identidad de las personas que firman documentos. Los desarrolladores pueden cifrar datos sin modificar las aplicaciones actuales. Obtienen las herramientas que necesitan para el cifrado, la generación de claves y las firmas digitales.

Ocultar tus datos

El enmascaramiento y la desidentificación de datos ocultan y sustituyen los valores de datos reales por sustitutos (el enmascaramiento selectivo, la sustitución aleatoria de datos, el desenfoque y otras funciones están disponibles). Con el enmascaramiento y la desidentificación de datos en MySQL HeatWave, los clientes reducen el riesgo de una violación de datos ocultando datos confidenciales, que luego se pueden utilizar en sistemas no productivos, como entornos de desarrollo y prueba. Estas funciones de enmascaramiento de datos están disponibles cuando las consultas se ejecutan en el nodo de MySQL Database o el cluster HeatWave.

Bloquear actividades de base de datos no autorizadas

El firewall de la base de datos MySQL HeatWave supervisa las amenazas de la base de datos, crea automáticamente una lista de permitidos de sentencias SQL aprobadas y bloquea la actividad de la base de datos no autorizada. Proporciona protección en tiempo real contra ataques específicos de la base de datos, como inyecciones SQL.