MySQL HeatWave Database Service, functies

One MySQL cloud database service voor OLTP, OLAP en ML

MySQL HeatWave is de enige service waarmee ontwikkelaars, database-beheerders en data-analisten OLTP, OLAP en ML-workloads (machine learning) direct vanuit MySQL Database kunnen draaien.

Elimineer ETL

Stap af van de complexe, tijdrovende en kostbare ETL-procedure en integratie door een afzonderlijke analyse-database en ML-service te gebruiken.

Lever realtime analyses

Analyseverzoeken hebben altijd toegang tot de nieuwste data, omdat updates van transacties automatisch in realtime worden gerepliceerd naar het HeatWave analysecluster. U hoeft de data niet te indexeren voordat u analysequery's uitvoert.

Realtime analytics van JSON-documenten

Ontwikkelaars en database-beheerders kunnen HeatWave voor realtime analyses van JSON-documenten benutten, die in de MySQL Database zitten, waardoor zulke analyseverzoeken veel sneller worden afgehandeld.

Volautomatische machine learning in de database

Met HeatWave AutoML kunt u binnen MySQL HeatWave snel en eenvoudig machine learning-modellen bouwen, trainen, uitrollen en verklaren. U hoeft geen data naar een aparte ML cloudservice te verplaatsen en geen ML-expert te zijn.

Verbeter de beveiliging

Ongebruikte data en data in transit tussen MySQL Database en de nodes van de HeatWave cluster zijn altijd gecodeerd. Er is geen kans dat data beschadigd raken tijdens ETL, omdat ze niet tussen geheugens worden uitgewisseld.

Geen wijzigingen in MySQL applicaties

HeatWave is een native MySQL-oplossing. Bestaande MySQL-applicaties werken zonder wijzigingen.

Gebruik bestaande tools voor Business Intelligence (BI), datavisualisatie en ML

HeatWave biedt ondersteuning voor dezelfde BI- en datavisualisatietools als MySQL Database, zoals Oracle Analytics Cloud, Tableau en Looker. HeatWave AutoML is geïntegreerd met populaire notebooks, zoals Jupyter en Apache Zeppelin.

Beschikbaar in openbare clouds en uw datacenter

Implementeer MySQL HeatWave op OCI, AWS of Azure. Repliceer data van on-premises OLTP-applicaties naar MySQL HeatWave voor bijna realtime analyses zonder ETL. U kunt MySQL HeatWave ook gebruiken in uw datacenter met OCI Dedicated Region.


Krachtige, in-memory queryversneller

HeatWave is een in-memory, parallelle en hybride engine voor queryverwerking in kolomvorm. Deze oplossing implementeert geavanceerde algoritmen voor gedistribueerde queryverwerking die zeer hoge prestaties leveren.

Ontworpen voor enorme schaalbaarheid en prestaties

Met HeatWave worden data massaal gepartitioneerd over een cluster met nodes, die parallel kunnen worden verwerkt. Dit biedt een uitstekende interne schaalbaarheid tussen nodes. Gepartitioneerde data kunnen parallel worden verwerkt door elke node in een cluster en elke core in een node. HeatWave heeft een intelligente queryplanner die berekeningen laat overlappen met netwerkcommunicatietaken om een zeer hoge schaalbaarheid via duizenden cores te realiseren.

Geoptimaliseerd voor de cloud

Queryverwerking in HeatWave is geoptimaliseerd voor standaardservers in de cloud. De grootte van de partities is aangepast aan de cache van de onderliggende vormen. De overlap van compute en communicatie is geoptimaliseerd voor de beschikbare netwerkbandbreedte. Voor verschillende functies voor analyseverwerking worden de hardware-instructies van de onderliggende virtuele machines (VM's) gebruikt.

Geoptimaliseerd voor hoge transactiesnelheden en verbindingen

Oracle MySQL Autopilot verbetert de prestaties van de MySQL HeatWave threadpool voor optimaal gebruik van hardwarebronnen. Hierdoor biedt MySQL HeatWave een hogere doorvoer voor OLTP-workloads en wordt voorkomen dat de doorvoer op hoog niveau en bij gelijktijdige transacties afneemt.


MySQL HeatWave Lakehouse

MySQL HeatWave omvat MySQL HeatWave Lakehouse, waarmee gebruikers in verschillende bestandsindelingen, zoals CSV, Parquet, Avro en exportbestanden van andere databases, een halve petabyte aan data in de objectopslag kunnen doorzoeken. De verwerking van query's vindt volledig plaats in de HeatWave-engine, zodat klanten niet alleen van HeatWave kunnen profiteren voor workloads die compatibel zijn met MySQL, maar ook voor niet-MySQL-workloads. Met HeatWave Lakehouse biedt MySQL HeatWave één complete clouddatabaseservice voor transactieverwerking, machine learning en realtime analytics in datawarehouses en data lakes, zonder ETL-processen voor cloudservices.

Snelle lakehouse-analytics en machine learning voor alle data

Met behulp van standaard SQL-opdrachten kunnen klanten query's uitvoeren op data in verschillende indelingen in de objectopslag, op transactiedata in MySQL-databases of op een combinatie van deze twee. Het doorzoeken van de gegevens in de objectopslag is net zo snel als het doorzoeken van de databases, zoals wordt aangetoond met een 10 TB TPC-H-benchmark.

Met HeatWave AutoML kunnen klanten data in de objectopslag, in de database of in allebei gebruiken om automatisch ML-modellen te bouwen, te trainen, te implementeren en uit te leggen, zonder de data naar een afzonderlijke ML-cloudservice te verplaatsen.

Uitbreidbare architectuur voor databeheer en queryverwerking

De grootschalige gepartitioneerde architectuur van HeatWave maakt een uitbreidbare architectuur mogelijk voor MySQL HeatWave Lakehouse. Activiteiten voor queryverwerking en databeheer, zoals het laden/opnieuw laden van data, worden geschaald samen met de grootte de data. Klanten kunnen met MySQL HeatWave Lakehouse tot wel een halve petabyte aan data in een objectopslag doorzoeken zonder deze naar de MySQL-database te hoeven kopiëren. De HeatWave cluster wordt geschaald naar 512 nodes.

Verbeter de prestaties en bespaar tijd met automatisering op basis van machine learning

De mogelijkheden van MySQL Autopilot, zoals automatische provisioning, automatische verbetering van queryplannen en automatisch parallel laden, zijn verbeterd voor MySQL HeatWave Lakehouse, waardoor de overhead voor databasebeheer nog verder wordt verminderd en de prestaties worden verbeterd. Er zijn ook nieuwe functies van MySQL Autopilot beschikbaar voor MySQL HeatWave Lakehouse.

  • Automatische schema-inferentie zorgt ervoor dat bestandsdata automatisch worden toegewezen aan de bijbehorende schemadefinitie voor alle ondersteunde bestandstypen, waaronder CSV. Hierdoor hoeven klanten de schematoewijzing van bestanden niet handmatig te definiëren en bij te werken, wat tijd en moeite bespaart.
  • Bij adaptieve steekproeven van data worden bestanden in de objectopslag op intelligente wijze bemonsterd om informatie af te leiden die door MySQL Autopilot wordt gebruikt om voorspellingen te doen voor automatisering. Met behulp van adaptieve steekproeven van data kan MySQL Autopilot binnen één minuut scannen en voorspellingen doen, zoals schematoewijzing in een bestand van 400 TB.
  • Dankzij een adaptieve datastroom kan MySQL HeatWave Lakehouse zich in elke regio dynamisch aanpassen aan de prestaties van de onderliggende objectopslag om de algehele prestaties, de prijs-prestatieverhouding en de beschikbaarheid te verbeteren.

Machine learning in databases met AutoML

HeatWave AutoML bevat alles wat gebruikers nodig hebben voor het bouwen, trainen, implementeren en uitleggen van machine learning-modellen binnen MySQL HeatWave, zonder extra kosten.

Geen behoefte aan een afzonderlijke machine learning-service

Met in-database machine learning in MySQL HeatWave hoeven klanten geen data naar een afzonderlijke service voor machine learning te verplaatsen. Ze kunnen eenvoudig en veilig trainings-, interferentie- en uitlegtechnieken van machine learning toepassen op data die zijn opgeslagen in MySQL of in de objectopslag met HeatWave Lakehouse. Zo kunnen ze ML-initiatieven versnellen, de beveiliging verbeteren en de kosten verlagen.

Bespaar tijd en moeite met automatisering van de levenscyclus van machine learning

HeatWave AutoML automatiseert de levenscyclus van machine learning, inclusief algoritmeselectie, intelligente voorbeelddata voor modeltraining, functieselectie en optimalisatie van hyperparameters, waardoor data-analisten en datawetenschappers veel tijd en moeite kunnen besparen. Aspecten van de pijplijn voor machine learning kunnen worden aangepast, waaronder algoritmeselectie, functieselectie en optimalisatie van hyperparameters. HeatWave AutoML ondersteunt systeemtaken voor het detecteren van afwijkingen, prognoses, classificatie, regressie en aanbevelingen, onder meer voor tekstkolommen.

Aanbevelingssysteem voor gepersonaliseerde aanbevelingen

Door rekening te houden met zowel impliciete feedback (eerdere aankopen, surfgedrag enzovoort) als expliciete feedback (beoordelingen, vind-ik-leuks enzovoort), kan het aanbevelingssysteem van HeatWave AutoML gepersonaliseerde aanbevelingen genereren. Analisten kunnen bijvoorbeeld voorspellen welke items een gebruiker leuk vindt, welke gebruikers een bepaald item leuk vinden en welke beoordelingen items zullen krijgen. Ze kunnen ook voor een bepaalde gebruiker een lijst met vergelijkbare gebruikers en voor een bepaald item een lijst met soortgelijke items samenstellen.

Interactieve MySQL HeatWave AutoML-console

Met de interactieve console kunnen bedrijfsanalisten ML-modellen bouwen, trainen, uitvoeren en uitleggen via een visuele interface, zonder SQL-opdrachten of codering te gebruiken. In de console is het ook gemakkelijk om what-if-scenario's te verkennen om zakelijke aannames te evalueren. Bijvoorbeeld: "Welke invloed zou een 30% hogere investering in betaalde advertenties hebben op de omzet en winst?"

Verklaarbare ML-modellen

Alle modellen die door HeatWave AutoML zijn getraind, zijn verklaarbaar. HeatWave AutoML biedt voorspellingen met een uitleg van de resultaten, waardoor organisaties worden geholpen met naleving van regelgeving, billijkheid, herhaalbaarheid, causaliteit en vertrouwen.

Gebruik van huidige vaardigheden

Ontwikkelaars en data-analisten kunnen machine learning-modellen bouwen met behulp van vertrouwde SQL-opdrachten zondat dat ze nieuwe tools en talen hoeven te leren. Ook is HeatWave AutoML geïntegreerd met populaire platforms zoals Jupyter en Apache Zeppelin.


Generatieve AI met MySQL HeatWave-vectoropslag

De vectoropslag zit nu in een beperkte preview, maar zal later klanten in staat stellen om de kracht van grote taalmodellen (LLM's) voor hun eigen data te gebruiken en zo antwoorden te krijgen die nauwkeuriger zijn dan bij het gebruik van modellen die alleen met openbare data zijn getraind. Met de mogelijkheden voor generatieve AI en vectoropslag kunnen klanten communiceren met MySQL HeatWave in een natuurlijke taal en op efficiënte wijze documenten doorzoeken in verschillende bestandsindelingen in HeatWave Lakehouse.

De vectoropslag verzamelt documenten in verschillende indelingen, waaronder pdf, en slaat ze op als insluitingen die worden gegenereerd via een encodermodel. Voor een bepaalde gebruikersquery identificeert de vectoropslag de meest vergelijkbare documenten door een overeenkomstzoekopdracht uit te voeren op basis van de opgeslagen insluitingen en ingesloten query. Deze documenten worden gebruikt om de prompt die aan de LLM wordt gegeven te vergroten, zodat deze een meer contextueel antwoord biedt.


MySQL Autopilot: ingebouwde automatisering op basis van machine learning

MySQL Autopilot biedt op workloads gerichte automatisering op basis van machine learning. Het verbetert de prestaties en schaalbaarheid zonder dat expertise op het gebied van databaseafstemming nodig is, het verhoogt de productiviteit van ontwikkelaars en databasebeheerders en het elimineert menselijke fouten. MySQL Autopilot automatiseert veel van de belangrijkste en veelal uitdagende aspecten van het bereiken van hoge queryprestaties op schaal, inclusief initialisatie, het laden van data, het uitvoeren van query's en het afhandelen van storingen. MySQL Autopilot is gratis beschikbaar voor MySQL HeatWave klanten.

MySQL Autopilot biedt een groot aantal mogelijkheden voor HeatWave en OLTP, waaronder:

  • Met automatische initialisatie wordt het aantal HeatWave nodes voorspeld dat is vereist voor het uitvoeren van een workload door adaptieve sampling van tabeldata die moeten worden geanalyseerd. Dit betekent dat ontwikkelaars en databasebeheerders niet langer handmatig een inschatting hoeven te maken van de optimale grootte van hun cluster.
  • Met automatische threadpooling kunnen in de databaseservice meer transacties voor een bepaalde hardwareconfiguratie worden verwerkt. Hierdoor wordt een hogere doorvoer voor OLTP-workloads geleverd en wordt voorkomen dat de doorvoer op hoog niveau en bij gelijktijdige transacties afneemt.
  • De automatische vormvoorspelling monitort continu de OLTP-workload, incl. de doorvoer en het trefferpercentage van de bufferpool, zodat op elk gewenst moment de juiste compute-vorm kan worden aanbevolen en klanten steeds de beste prijs/prestatie-verhouding krijgen.
  • Met automatische codering wordt de optimale weergave bepaald van kolommen die in HeatWave worden geladen. Hierbij wordt rekening gehouden met de query's. Deze optimale weergave levert de beste queryprestaties en minimaliseert de grootte van de cluster om de kosten te beperken.
  • Met automatische verbetering van queryplannen worden verschillende statistieken gemaakt op basis van de uitvoering van query's en wordt het uitvoeringsplan voor toekomstige query's verbeterd. Dit leidt tot betere systeemprestaties naarmate er meer query's worden uitgevoerd.
  • Adaptieve queryoptimalisatie maakt gebruik van verschillende statistieken om datastructuren en systeemresources aan te passen nadat de uitvoering van een query is gestart. Hierbij wordt de uitvoering van de query voor elke node onafhankelijk geoptimaliseerd op basis van de werkelijke datadistributie tijdens de runtime. Op die manier kunnen de prestaties van ad-hoc-query's met wel 25% worden verbeterd.
  • Met automatische dataplaatsing wordt voorspeld in welke kolom de tabellen in het geheugen moeten worden gepartitioneerd om de beste prestaties te behalen voor query's. Met de aanbeveling voor de nieuwe kolom wordt ook de verwachte winst op het gebied van queryprestaties voorspeld. Hierdoor wordt dataverplaatsing tussen nodes geminimaliseerd vanwege suboptimale keuzen die operators kunnen maken wanneer ze de kolom handmatig selecteren.
  • Met automatische compressie wordt het optimale compressiealgoritme voor elke kolom bepaald, waardoor de prestaties van loads en query's worden verbeterd met snellere datacompressie en -decompressie. Door het geheugengebruik te verminderen, kunnen klanten de kosten met maar liefst 25% verlagen.
  • Met indexering (beperkte beschikbaarheid) worden automatisch de indexen bepaald die klanten moeten maken of verwijderen uit hun tabellen om de OLTP-doorvoer te optimaliseren, waarbij machine learning wordt gebruikt om een voorspelling te maken op basis van individuele applicatieworkloads. Hierdoor kunnen klanten tijdrovende taken zoals het maken van optimale indexen voor hun OLTP-workloads overbodig maken en deze in de loop der tijd behouden naarmate workloads evolueren.

Realtime flexibiliteit

Dankzij realtime flexibiliteit kunnen klanten hun HeatWave cluster vergroten of verkleinen met een willekeurig aantal nodes zonder uitvaltijd of alleen-lezen tijd.

Consistent hoge prestaties, zelfs tijdens piekuren, lagere kosten en geen uitvaltijd

Het wijzigen van de grootte duurt slechts enkele minuten. HeatWave blijft online en beschikbaar voor alle bewerkingen. Als de grootte is aangepast, worden data uit de objectopslag gedownload en automatisch opnieuw verdeeld over alle beschikbare clusternodes. De data zijn direct beschikbaar voor query's. Hierdoor profiteren klanten van consistent hoge prestaties, zelfs tijdens piekuren, en kunnen ze de kosten verlagen door hun HeatWave cluster indien nodig en zonder uitvaltijd of alleen-lezen tijd te verkleinen.

Door data op efficiënte wijze opnieuw te laden uit de objectopslag, kunnen klanten hun HeatWave cluster ook onderbreken en hervatten om kosten te besparen.

Geen overgeïnitialiseerde instances

Klanten kunnen hun HeatWave cluster uitbreiden naar een onbeperkt aantal nodes. Ze zijn niet beperkt tot overgeïnitialiseerde en dure instances die worden afgedwongen door de starre modellen die andere clouddatabaseproviders bieden. Met HeatWave betalen klanten alleen voor de resources die ze gebruiken.


Volledig beheerde databaseservice

Verhoog de productiviteit door het automatiseren van tijdrovende taken zoals beheer van hoge beschikbaarheid, patching, upgrades en back-ups met een volledig beheerde databaseservice Versnel de ontwikkeling van applicaties met directe initialisatie van resources.

Gebouwd, beheerd en ondersteund door het MySQL-engineeringteam

Ontwikkelaars kunnen moderne, cloud-native databaseapplicaties leveren met directe toegang tot de nieuwste functies van het MySQL-team. MySQL-beveiligingspatches worden automatisch toegepast om blootstelling aan zwakke plekken in de beveiliging te beperken. MySQL HeatWave is 100% compatibel met on-premises MySQL voor een naadloze overstap naar de cloud zonder het wijzigen van applicaties.

Interactieve MySQL HeatWave console: beheer resources, voer query's uit en bewaak prestaties

Ontwikkelaars en databasebeheerders kunnen eenvoudig nodes voor MySQL Database en HeatWave maken en beheren. Vanuit de console hebben ze toegang tot functies van MySQL Autopilot, zoals automatische initialisatie, zodat ze de optimale configuratie van hun HeatWave cluster kunnen bepalen. Ze kunnen de tabellen bekijken en beheren die zijn geladen in MySQL HeatWave en ze kunnen snel query's maken en uitvoeren.

Met deze console kunnen ontwikkelaars en databasebeheerders ook de prestaties bewaken van de MySQL Database node en de HeatWave cluster. Ze kunnen het gebruik van verschillende hardwarebronnen en diverse uitvoeringsmetrics bewaken.

OCI Database Management for MySQL HeatWave

OCI Database Management voorkomt dat applicaties uitvallen door diagnosefuncties te bieden, waarmee functionele knelpunten snel worden opgelost. De service kan worden gebruikt om proactief de hoofdoorzaak te vinden waardoor MySQL HeatWave slecht presteert.


Geavanceerde beveiliging

Met geavanceerde beveiligingsfuncties kunnen klanten aanvullende beveiligingsmaatregelen implementeren om data gedurende de gehele levenscyclus te beschermen en om te voldoen aan wettelijke vereisten.

Asymmetrische codering met sleutelgeneratie en digitale handtekeningen

Met asymmetrische codering op de server kunnen ontwikkelaars en databasebeheerders de bescherming van vertrouwelijke data verbeteren met behulp van openbare sleutels en privésleutels. Ze kunnen ook digitale handtekeningen implementeren om de identiteit te bevestigen van mensen die documenten ondertekenen. Ontwikkelaars kunnen data coderen zonder de huidige applicaties te wijzigen. Ze beschikken over alle tools die ze nodig hebben voor codering, het genereren van sleutels en digitale handtekeningen.

Verberg uw data

Met datamaskering en de-identificatie kunnen echte datawaarden worden verborgen en vervangen (selectieve maskering, willekeurige vervanging van data, vervaging en andere functies zijn beschikbaar). Met datamaskering en de-identificatie in MySQL HeatWave kunnen klanten de kans op een datalek verkleinen doordat gevoelige data worden verborgen. Deze data kunnen vervolgens worden gebruikt in niet-productiesystemen, zoals ontwikkel- en testomgevingen. Deze functies voor datamaskering zijn beschikbaar bij het uitvoeren van query's op de MySQL Database node of de HeatWave cluster.

Blokkeer niet-geautoriseerde databaseactiviteiten

De MySQL HeatWave databasefirewall bewaakt databasebedreigingen, maakt automatisch een lijst met goedgekeurde SQL-statements en blokkeert niet-geautoriseerde databaseactiviteiten. De oplossing biedt realtime bescherming tegen databasespecifieke aanvallen, zoals SQL-injecties.