HeatWave—مسرع الاستعلام المُضمن بالذاكرة مع تعلّم آلي مدمج

زيادة أداء MySQL حسب ترتيب مقدار التحليلات وأحمال العمل المختلطة. الاستعلام عن البيانات في تخزين الكائنات. تخلص من الحاجة إلى قاعدة بيانات تحليلات منفصلة أو نظام أساسي لمستودع البيانات؛ وأدوات منفصلة للتعلم الآلي (ML)؛ واستخراج التكرار وتحويله وتحميله (ETL). منصة MySQL HeatWave متوفرة على Oracle Cloud Infrastructure (OCI) وAmazon Web Services (AWS) وMicrosoft Azure.

المعاملات والتحليلات عبر مستودعات البيانات وبحيرات البيانات والتعلم الآلي في خدمة قاعدة بيانات سحابية واحدة

يعد MySQL HeatWave خدمة قاعدة البيانات مُدارة بالكامل يتم تشغيلها بواسطة مُسرع استعلام HeatWave المضمن بالذاكرة. تعد الخدمة السحابية الوحيدة التي تجمع بين المعاملات والتحليلات في الوقت الفعلي عبر مستودعات البيانات وبحيرات البيانات والتعلم الآلي في MySQL Database واحدة—من دون تعقيد أو تأخير أو مخاطر أو تكلفة تكرار ETL.

باستخدام MySQL HeatWave Lakehouse، يمكن للعملاء الاستعلام عن نصف بيتابايت من البيانات في تخزين الكائنات والاستفادة من كل ميزات HeatWave، حتى عند تخزين بياناتهم خارج MySQL Database. باستخدام HeatWave AutoML يمكن للمطورين ومحللي البيانات إنشاء نماذج التعلم الآلي والتدريب عليها ونشرها وشرحها في MySQL HeatWave دون نقل البيانات إلى خدمة تعلم آلي منفصلة.

عرض توضيحي: MySQL HeatWave Lakehouse

تعرف على طريقة معالجة مئات التيرابايت من البيانات والاستعلام عنها في مخزن الكائنات بمجموعة متنوعة من تنسيقات الملفات، مثل CSV وParquet وتصدير الملفات من قواعد البيانات الأخرى.

المبادئ الأولى: داخل MySQL HeatWave Lakehouse في OCI

اكتشف التقنيات الجديدة التي تدعم MySQL HeatWave Lakehouse، مما يتيح للمستخدمين معالجة نصف بيتابايت من البيانات والاستعلام عنها في الذاكرة من تخزين الكائنات.

عرض توضيحي: MySQL HeatWave Lakehouse على AWS

شاهد مدى سهولة استخدام MySQL HeatWave Lakehouse على AWS لتحليل الاستعلامات في الوقت الفعلي وتنفيذ التعلم الآلي على مئات التيرابايت من البيانات من تخزين الكائنات أو قاعدة البيانات أو كليهما.

عرض توضيحي: MySQL Autopilot

شاهد كيف يزيد MySQL Autopilot من أداء HeatWave مع توفير وقت كبير للمطورين ومسؤولي قواعد البيانات.

عرض توضيحي: دعم الذكاء الاصطناعي التوليدي وVector Store باستخدام MySQL HeatWave

شاهد كيف يتيح لك دعم الذكاء الاصطناعي التوليدي ومخزن المتجهات التفاعل مع MySQL HeatWave باللغة الطبيعية واستخدام نماذج اللغات الكبيرة (LLM) مع البيانات المملوكة للحصول على دقة أفضل.

عرض توضيحي: أداء MySQL HeatWave

شاهد مقارنات أداء الاستعلام وأداء السعر من مقياس أداء McKnight Consulting Group 100 تيرابايت TPC-H لـ MySQL HeatWave مقابل Snowflake وAmazon Redshift وDatabricks وGoogle BigQuery.

الترحيل إلى MySQL HeatWave باستخدام موارد تدريجية مجانية.

MySQL HeatWave: مصممة لتوفير الأداء وقابلية التوسع

قاعدة بيانات سحابية مصممة لتحقيق الأداء وقابلية التوسع

تستخدم HeatWave تمثيلًا عموديًا مُضمن بالذاكرة يسهل المعالجة المتجهة. يتم ترميز البيانات وضغطها قبل تحميلها في الذاكرة. يُستخدم هذا التمثيل المُضمن بالذاكرة المضغوط والمُحسن في كل من البيانات الرقمية وبيانات السلسلة. يؤدي ذلك إلى تحسينات كبيرة في الأداء وتقليل مساحة الذاكرة، مما يؤدي إلى تقليل التكاليف على العملاء.


قابلية التوسع عبر مراكز المعالجة ونقاط التوصيل

تتمثل إحدى نقاط التصميم الرئيسة لمحرك HeatWave في تقسيم البيانات بشكل كبير عبر مجموعة من نقاط توصيل HeatWave، التي يمكن تشغيلها بالتوازي. يتيح هذا ارتفاع مرات قراءة البيانات من الذاكرة المخبئية بالعمليات التحليلية، كما يوفر قابلية توسع جيدة للغاية بين نقاط التوصيل. يمكن لكل نقطة توصيل HeatWave ضمن مجموعة وكل مركز معالجة ضمن نقطة توصيل معالجة البيانات المقسمة بالتوازي، بما في ذلك عمليات المسح المتوازية والروابط والتجميع والمعالجة بالشكل العلوي.


التحليلات الفورية

يتم نشر التعديلات التي تتم بواسطة معاملات OLTP في الوقت الفعلي إلى HeatWave وتكون مرئية على الفور لاستعلامات التحليلات. بمجرد إرسال المستخدمين استعلام إلى قاعدة بيانات MySQL، يقرر مُحسن استعلامات MySQL بشفافية إذا كان يجب إلغاء تحميل الاستعلام إلى مجموعة HeatWave للتنفيذ المتسارع. يستند ذلك إلى إذا كانت كل عوامل التشغيل والوظائف المشار إليها في الاستعلام مدعومة بواسطة HeatWave وإذا كان الوقت المقدر لمعالجة الاستعلام باستخدام HeatWave أقل من الذي باستخدام MySQL. في حالة استيفاء كلا الشرطين، يتم إرسال الاستعلام إلى نقاط توصيل HeatWave للمعالجة. بمجرد المعالجة، يتم إرسال النتائج مرة أخرى إلى نقطة توصيل قاعدة البيانات MySQL وإرجاعها إلى المستخدمين.


معالجة تحليلات مُوزعة بالذاكرة للوصول إلى رؤى في الوقت الفعلي

تنفذ HeatWave الخوارزميات الحديثة للمعالجة التحليلية الموزعة بالذاكرة. تتم معالجة الروابط داخل القسم بسرعة باستخدام نواة ربط متجهة. يتم تحقيق اتصال الشبكة المُحسن للغاية بين نقاط توصيل التحليلات باستخدام مدخلات/مخرجات الدفعات غير المتزامنة. تم تصميم الخوارزميات لتداخل وقت الحوسبة مع اتصال البيانات عبر نقاط التوصيل، مما يساعد على تحقيق قابلية توسع عالية.


MySQL Autopilot: الأتمتة المدعومة بالتعلم الآلي

تؤتمت MySQL Autopilot العديد من الجوانب الأكثر أهمية وتكون غالبًا صعبة في تحقيق أداء استعلام عالٍ على نطاق واسع—بما في ذلك التزويد وتحميل البيانات وتنفيذ الاستعلامات ومعالجة الفشل. كما تستخدم تقنيات متقدمة لاختيار البيانات وجمع الإحصائيات حول البيانات والاستعلامات وإنشاء نماذج تعلم آلي لنمذجة استخدام الذاكرة وحِمل الشبكة ووقت التنفيذ. ثم يتم استخدام نماذج التعلم الآلي هذه بواسطة MySQL Autopilot لتنفيذ إمكاناتها الرئيسة. يجعل MySQL Autopilot محسن استعلام HeatWave ذكيًا بشكل متزايد عند تنفيذ المزيد من الاستعلامات، مما يؤدي إلى تحسين أداء النظام باستمرار بمرور الوقت. يوفر MySQL Autopilot أيضًا إمكانات مُصممة لتحسين أداء أحمال عمل OLTP وأدائها السعري. يتوفر MySQL Autopilot بدون تكلفة إضافية لعملاء MySQL HeatWave.


استرداد البيانات بشكل أسرع 100مرة.

عند تحميل البيانات من MySQL إلى HeatWave، يتم إنشاء نسخة من التمثيل المُضمن بالذاكرة إلى طبقة إدارة البيانات واسعة النطاق المصممة على مخزن كائنات OCI. يتم نشر التغييرات التي تم إجراؤها على البيانات في MySQL بشفافية في طبقة البيانات هذه. عندما تتطلب العملية إعادة تحميل البيانات إلى HeatWave، مثل أثناء استعادة الأخطاء، يمكن الوصول إلى البيانات من طبقة بيانات HeatWave، بالتوازي، بواسطة نقاط توصيل HeatWave متعددة. يؤدي ذلك إلى تحسن كبير في الأداء. على سبيل المثال، بالنسبة إلى مجموعة HeatWave التي تبلغ مساحتها 10 تيرابايت، يقل الوقت المستغرق في استرداد البيانات وإعادة تحميلها من 7.5 ساعات إلى 4 دقائق—أي تحسن يزيد عن 100 ضعف.


لا توجد تغييرات مطلوبة للتطبيقات مع التحليلات المُضمنة

تم تصميم HeatWave كمحرك تخزين قابل للتوصيل MySQL، والذي يحمي جميع تفاصيل التنفيذ منخفضة المستوى من العملاء تمامًا. نتيجة لذلك، تصل التطبيقات والأدوات بسلاسة إلى HeatWave من خلال MySQL باستخدام الموصلات القياسية. يدعم HeatWave نفس خصائص ANSI SQL القياسية وACID مثل MySQL، ويدعم أنواع بيانات متنوعة. يتيح ذلك للتطبيقات الحالية الاستفادة من HeatWave دون أي تغييرات.


السحابة المختلطة—OLTP في مكان العمل وOLAP في السحابة

لا يزال يمكن للعملاء المحليين الذين لا يمكنهم نقل عمليات نشر MySQL الخاصة بهم إلى السحابة بسبب متطلبات تنظيمية أو خاصة بالامتثال الاستفادة من HeatWave باستخدام نموذج النشر المختلط. في هذا النشر المختلط، يمكن للعملاء استخدام النسخ المتماثل MySQL لاستنساخ بيانات MySQL المحلية إلى HeatWave دون الحاجة إلى استخراج وتحويل وتحميل (ETL).


التعلم الآلي الداخلي في قاعدة البيانات باستخدام AutoML

باستخدام التعلم الآلي المضمن في قاعدة البيانات في MySQL HeatWave، والمتاح بدون تكلفة إضافية، لا يحتاج المستخدمون إلى نقل البيانات إلى خدمة تعلم آلي منفصلة مثل Amazon SageMaker - لتسريع مبادرات التعلم الآلي الخاصة بهم، وزيادة الأمان، وخفض التكاليف. يمكنهم تطبيق التدريب على التعلم الآلي والاستنتاج والتفسير للبيانات المخزنة داخل MySQL وفي متجر الكائنات باستخدام HeatWave Lakehouse. تؤتمت HeatWave AutoML دورة حياة التعلم الآلي، بما في ذلك تحديد الخوارزميات، وأخذ عينات البيانات الذكية لتدريب النماذج، واختيار الميزات، وضبط المعلمات الفائقة—مما يوفر للعملاء وقتًا وجهدًا كبيرًا.

يمكن للمطورين ومحللي البيانات إنشاء نماذج التعلم الآلي باستخدام أوامر SQL المألوفة؛ ليس عليهم تعلم أدوات ولغات جديدة. بالإضافة إلى ذلك، يتم دمج HeatWave AutoML مع أجهزة الكمبيوتر المحمولة الشائعة مثل Jupyter وApache Zeppelin. تقدم HeatWave AutoML تنبؤات مع شرح للنتائج، مما يساعد المؤسسات على الامتثال التنظيمي والإنصاف وقابلية التكرار والعلاقة السببية والثقة.


الذكاء الاصطناعي العام مع متجر متجه MySQL HeatWave

في المعاينة الخاصة حاليًا، سيمكن متجر المتجهات العملاء من الاستفادة من قوة نماذج اللغات الكبيرة (LLMs) مع بياناتهم الخاصة للحصول على إجابات أكثر دقة من استخدام النماذج المدربة على البيانات العامة فقط. باستخدام إمكانات مخزن المتجهات والذكاء الاصطناعي المبتكر، يمكن للعملاء التفاعل مع MySQL HeatWave باللغة الطبيعية والبحث الفعال في المستندات بتنسيقات الملفات المختلفة في HeatWave Lakehouse.

يقوم مخزن المتجه باستيعاب المستندات بتنسيقات متنوعة، بما في ذلك PDF، وتخزينها كتضمين يتم توليده من خلال نموذج ترميز. بالنسبة لاستعلام مستخدم محدد، يحدد المخزن المتجه المستندات الأكثر تشابهاً من خلال إجراء بحث تشابه مقابل عمليات التضمين المخزنة والاستعلام المضمن. يتم استخدام هذه المستندات لزيادة الموجه المقدم إلى LLM بحيث يقدم إجابة سياقية أكبر.


أداء عالٍ متسق وتكاليف مخفضة دون توقف عن العمل

تتيح المرونة في الوقت الفعلي للعملاء زيادة حجم مجموعة HeatWave الخاصة بهم أو تقليله حسب أي عدد من نقاط التوصيل دون تكبد أي وقت تعطل أو وقت للقراءة فحسب. لا تستغرق عملية تغيير الحجم سوى بضع دقائق، وخلالها يبقى HeatWave متصلًا بالإنترنت، وهو متاح لجميع العمليات. بمجرد تغيير الحجم، يتم تنزيل البيانات من تخزين الكائنات، ويتم إعادة تقسيمها تلقائيًا بين جميع نقاط توصيل المجموعة المتاحة، وتصبح متاحة على الفور للاستعلامات. نتيجة لذلك، يستفيد العملاء من الأداء العالي بشكل متسق، حتى في أوقات الذروة، ويقللون التكاليف من خلال تقليل حجم مجموعة HeatWave الخاصة بهم عند الاقتضاء—دون تكبد أي وقت تعطل أو وقت للقراءة فحسب. لا يقتصر العملاء على المثيلات المزودة بشكل زائد والمفروضة بواسطة نماذج التحجيم الصارمة التي يقدمها موفرو قواعد بيانات السحابة الآخرون. مع إعادة تحميل البيانات الفعالة من مخزن الكائنات، يمكن للعملاء أيضًا إيقاف مجموعة HeatWave الخاصة بهم واستئنافها لتقليل التكاليف.


تحليلات سريعة عبر قواعد البيانات وتخزين الكائنات

يتيح MySQL HeatWave Lakehouse للمستخدمين الاستعلام عن نصف بيتابايت من البيانات في تخزين الكائنات - بتنسيقات مختلفة من الملفات، مثل CSV وParquet وAvro وتصدير الملفات من قواعد البيانات الأخرى. تتم معالجة الاستعلامات بالكامل في محرك HeatWave، مما يتيح للعملاء الاستفادة من HeatWave لأحمال العمل غير MySQL بالإضافة إلى أحمال العمل المتوافقة مع MySQL. يمكن للعملاء الاستعلام عن البيانات بتنسيقات مُختلفة في مخزن الكائنات أو بيانات المعاملات في قواعد بيانات MySQL أو مزيج من كليهما باستخدام أوامر SQL القياسية. إن الاستعلام عن البيانات في تخزين الكائنات هو بنفس سرعة الاستعلام عن قواعد البيانات. باستخدام HeatWave AutoML، يمكن للعملاء استخدام البيانات في مخزن الكائنات أو قاعدة البيانات أو كليهما لإنشاء نماذج التعلم الآلي والتدرب عليها ونشرها وشرحها تلقائيًا—دون نقل البيانات إلى خدمة سحابية مُنفصلة للتعلم الآلي. تتوسع مجموعة HeatWave إلى 512 نقطة توصيل لمعالجة نصف بيتابايت من البيانات، ولا يتم نسخ البيانات إلى قاعدة بيانات MySQL.


قصص نجاح عملاء MySQL HeatWave

تتوسع Tamara بسرعة باستخدام MySQL HeatWave وOracle Cloud

نقلت شركة Fintech الناشئة هذه من المملكة العربية السعودية أحمال عمل قاعدة بياناتها إلى MySQL HeatWave للحصول على أداء أكبر بمعدل 3 أضعاف وتكاليف أقل بنسبة 60٪. زادت شركة Tamara قاعدة عملائها إلى أكثر من مليوني مستخدم وضمت 3000 تاجر.

تخفِّض 6D Technologies البيانات والتحليلات من خلال MySQL HeatWave على AWS

يسرع موفر الحلول العالمي عالي التقنية هذا في صناعة الاتصالات الاستعلامات المعقدة بمعدل 139 ضعفًا باستخدام MySQL HeatWave على AWS—مما يبسط بنيته الأساسية لـ OLTP وOLAP مع تقديم أوقات استجابة أقل من الثانية للعملاء.

تسرّع FANCOMI تحليلات الإعلانات بمعدل 10 أضعاف باستخدام MySQL HeatWave

تقدم شبكة الإعلانات الرائدة في اليابان رؤى في الوقت الفعلي وتقلل التكاليف بشكل كبير باستخدام MySQL HeatWave وAutonomous Database.

الحصول على خبرة عملية باستخدام MySQL HeatWave على OCI أو AWS

استكشاف MySQL HeatWave


تجربة MySQL HeatWave مجانًا

استكشف مع أرصدة مجانية بقيمة 300 دولار أمريكي‬.


‏‎‎‏اتصل بنا‎‏

هل أنت مهتم بتعلم المزيد؟ اتصل بأحد خبرائنا.