MySQL HeatWave 데이터베이스 서비스

Oracle MySQL Autopilot: 머신러닝 기반의 자동화

MySQL Autopilot은 대규모 쿼리의 고성능 처리를 위해 고난이도의 주요 작업들을 자동화합니다. 여기에는 프로비저닝, 데이터 로딩, 쿼리 실행, 장애 처리 등이 포함됩니다. 여기서 사용되는 고급 기술을 이용하면 데이터 샘플링, 데이터 및 쿼리 통계 수집, 메모리 사용량, 네트워크 부하,실행 시간 모델링을 위한 머신러닝 학습 모델 구축이 가능합니다. MySQL Autopilot은 이러한 필수 기능을 실행하기 위해 머신러닝 모델을 이용합니다. MySQL Autopilot에서 더욱 많은 쿼리가 수행될수록 HeatWave는 더욱 지능적으로 쿼리를 최적화하여 시스템 성능을 향상합니다. MySQL HeatWave 고객은 추가 비용 없이 MySQL Autopilot을 사용할 수 있습니다.

MySQL Autopilot이 제공하는 기능은 다음과 같습니다.

• 자동 프로비저닝은 적응적 샘플링(adaptive sampling) 기법을 이용해 분석이 필요한 테이블의 데이터에서 표본을 추출하여 워크로드 실행에 필요한 HeatWave 노드의 수를 예측합니다. 이는 더 이상 최적의 클러스터 사이즈를 직접 예측할 필요가 없음을 의미합니다. 이는 다른 데이터베이스에서 제공하지 않는 기능입니다.
• 자동 병렬 로드는 HeatWave에서 불러오는 각 테이블마다 최적의 병렬화 수준을 예측하여 로드 시간과 메모리 사용을 최적화합니다. 다른 클라우드 벤더는 이 기능을 제공하지 않습니다.
• 자동 데이터 배치는 최적의 쿼리 성능을 위해 어떤 테이블의 컬럼을 인메모리에 분할해야 할지 예측합니다. 새로운 컬럼을 추천하고 이에 따라 향상되는 쿼리 성능 또한 예측이 가능합니다. 이렇게 하면 운영자가 직접 차선으로 컬럼을 선택할 때에도 노드 사이를 이동하는 데이터가 최소화됩니다. 이처럼 풍부한 기능을 제공하는 데이터베이스 서비스는 없습니다.
• 자동 query 계획 향상은 실행되는 쿼리를 바탕으로 다양한 통계를 학습하여 추후 실행하기로 계획한 쿼리의 성능을 향상합니다. 이렇게 하면 더욱 많은 쿼리가 실행되어 시스템 성능이 개선됩니다. 이는 다른 데이터베이스에서 제공하지 않는 기능입니다.
• 자동 인코딩은 쿼리를 고려하여 HeatWave에 로드되는 컬럼을 위한 최적의 표현을 결정합니다. 최적화된 표현은 최적의 쿼리 성능을 제공하며 비용 최소화가 가능하도록 클러스터 크기를 최소화합니다.
• 자동 쿼리 시간 예측은 쿼리를 수행하기 전에 쿼리에 소요되는 시간을 미리 예측합니다. 이 기능을 이용하면 쿼리 수행에 소요되는 시간을 예측하여 너무 오랜 시간을 걸릴 경우 다른 쿼리를 실행하는 것이 가능합니다.
• 자동 변경 전파는 MySQL Database의 변경사항이 HeatWave 확장 데이터 관리 계층으로 전달되어야 하는 최적의 시간을 지능적으로 결정합니다. 이렇게 하면 변경 사항이 최적의 주기로 전달됩니다. 다른 클라우드 벤더는 이 기능을 제공하지 않습니다.
• 자동 예약은 대기 중인 쿼리열에서 많은 시간이 소요되는 쿼리 대신 신속하게 실행 가능한 쿼리를 지능적으로 선택하여 전체 대기 시간을 줄여 줍니다. 대부분의 다른 데이터베이스는 스케줄링을 위해 선입선출(First In, First Out) 방식을 사용합니다.
• 자동 오류 복구는 소프트웨어 또는 하드웨어 오류로 인해 하나 이상의 HeatWave 노드가 응답하지 않을 경우 새로운 노드의 권한을 획득하여 필요한 데이터를 다시 불러옵니다.