HeatWave: de in-memory queryversneller met ingebouwde ML

HeatWave levert een enorme verbetering op van de prestaties van MySQL voor analyses en gemengde workloads. U hebt geen afzonderlijke analysedatabase meer nodig en geen afzonderlijke tools voor machine learning (ML) en ETL-duplicatie. MySQL HeatWave is beschikbaar op Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) en Microsoft Azure.

Transacties, analyses en zelflerende systemen in MySQL HeatWave

Oracle MySQL HeatWave is de enige MySQL-cloudservice met een ingebouwde, krachtige in-memory queryversneller. HeatWave levert een enorme verbetering op van de prestaties van MySQL voor analyses en gemengde workloads zonder dat applicaties hoeven te worden aangepast. Klanten kunnen data opgeslagen in MySQL-databases analyseren zonder gebruik te maken van een afzonderlijke analysedatabase en ETL-duplicatie. MySQL HeatWave is beschikbaar op Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) en Microsoft Azure.

Met MySQL HeatWave AutoML kunnen ontwikkelaars en data-analisten machine learning-modellen bouwen, trainen, implementeren en uitleggen in MySQL HeatWave zonder data te verplaatsen naar een afzonderlijke machine learning-service.

Demo: MySQL HeatWave op AWS

Bekijk hoe u een MySQL HeatWave instance initialiseert op AWS, hoe u deze met weinig vertraging kunt gebruiken en hoe u data verplaatst naar MySQL HeatWave.

Demo: MySQL HeatWave Lakehouse

Bekijk hoe u honderden terabytes aan data in de objectopslag kunt verwerken en doorzoeken in verschillende bestandsindelingen, zoals CSV, Parquet en Aurora en Redshift-back-ups.

Demo: MySQL Autopilot

Bekijk hoe MySQL Autopilot de prestaties van HeatWave verbetert en tegelijkertijd een grote tijdsbesparing oplevert voor ontwikkelaars en databasebeheerders.

Demo: realtime flexibiliteit

Bekijk hoe u zonder uitvaltijd kunt op- en afschalen naar elk gewenst aantal nodes. Het resultaat is een cluster die volledig in evenwicht is en geen handmatige aanpassing behoeft.

Tetris.co versnelt realtime inzichten met MySQL HeatWave

Met MySQL HeatWave op Oracle Cloud Infrastructure beschikt het Braziliaanse martech-bedrijf in slechts enkele milliseconden en voor de helft van de kosten over nieuwe marketinginzichten.

FANCOMI kan advertenties 10x sneller analyseren met MySQL HeatWave

Toonaangevend advertentienetwerk in Japan levert realtime inzichten en verlaagt de kosten aanzienlijk dankzij MySQL HeatWave en Autonomous Database.

Migreer naar MySQL HeatWave met gratis stapsgewijze resources.

MySQL HeatWave: ontworpen voor prestaties en schaalbaarheid

Ontworpen voor prestaties en schaalbaarheid

HeatWave biedt een in-memory weergave in kolomvorm voor eenvoudige verwerking van vectoren. De data worden gecodeerd en gecomprimeerd voordat ze in het geheugen worden geladen. Deze gecomprimeerde en geoptimaliseerde in-memory weergave wordt gebruikt voor zowel numerieke data als data in de vorm van strings. Dit leidt tot aanzienlijke prestatieverbeteringen en minder geheugengebruik, wat weer leidt tot lagere kosten voor klanten.


Schaalbaarheid tussen cores en nodes

Een van de belangrijkste ontwerppunten van de HeatWave engine is de verdeling van data binnen een cluster met HeatWave nodes, die parallel kunnen worden verwerkt. Dit levert hoge cachetreffers voor analytische bewerkingen op en biedt een uitstekende schaalbaarheid tussen nodes. Elke HeatWave node binnen een cluster en elke core binnen een node biedt parallelle verwerking van gepartitioneerde data, inclusief parallelle scans, joins, groepering, aggregatie en top-k verwerking.


Realtime analyses

Wijzigingen die door OLTP-transacties worden aangebracht, worden in realtime doorgevoerd in HeatWave en zijn direct zichtbaar voor analysequery's. Wanneer gebruikers een query naar de MySQL-database sturen, wordt door de MySQL-queryoptimizer op transparante wijze bepaald of de query naar de HeatWave cluster moet worden verplaatst om de uitvoering te versnellen. Dit is gebaseerd op de vraag of alle operatoren en functies waarnaar in de query wordt verwezen, worden ondersteund door HeatWave en of de geschatte tijd voor het verwerken van de query met HeatWave korter is dan met MySQL. Als aan beide voorwaarden is voldaan, wordt de query voor verwerking gepusht naar HeatWave nodes. Na het verwerken worden de resultaten teruggestuurd naar de MySQL-databasenode en geretourneerd aan de gebruikers.


Overlap van compute en communicatie

HeatWave implementeert geavanceerde algoritmen voor gedistribueerde in-memory analytische verwerking. Joins binnen een partitie worden snel verwerkt door gebruik te maken van join-kernels met vectoren voor bouwen en testen. De sterk geoptimaliseerde netwerkcommunicatie tussen analysenodes wordt bereikt door het gebruik van asynchrone batch-I/O's. De algoritmen zijn zo ontworpen dat de computetijd overlapt met communicatie van data tussen nodes. Dit levert een hoge schaalbaarheid op.


MySQL Autopilot: automatisering op basis van machine learning

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. Er wordt gebruikgemaakt van geavanceerde technieken voor het testen van data, het verzamelen van statistieken van data en query's en het bouwen van machine learning-modellen om het geheugengebruik, de netwerkbelasting en de uitvoeringstijd te modelleren. Deze machine learning-modellen worden vervolgens gebruikt door MySQL Autopilot om kernfuncties uit te voeren. Dankzij MySQL Autopilot wordt de HeatWave queryoptimizer steeds intelligenter omdat er meer query's worden uitgevoerd. Dit leidt uiteindelijk tot steeds betere systeemprestaties. MySQL Autopilot biedt ook mogelijkheden om de prestaties en de prijs-prestatieverhouding van OLTP-workloads te verbeteren. MySQL Autopilot is gratis beschikbaar voor MySQL HeatWave klanten.


100x sneller dataherstel

Wanneer data van MySQL in HeatWave worden geladen, wordt een kopie van de in-memory data gemaakt en op de uitbreidbare databeheerlaag geplaatst in de OCI-objectopslag. Wijzigingen die in data in MySQL worden aangebracht, worden op transparante wijze naar deze datalaag gepropageerd. Als voor een bewerking opnieuw data moeten worden geladen in HeatWave, bijvoorbeeld tijdens het herstellen van fouten, kunnen data parallel en via meerdere HeatWave nodes worden geopend vanuit de datalaag in HeatWave. Dit leidt tot aanzienlijk betere prestaties. Voor een HeatWave cluster van 10 TB duurt het herstellen en opnieuw laden van data bijvoorbeeld maar 4 minuten in plaats van 7,5 uur. Dat is een verbetering van meer dan 100 keer.


Geen wijziging vereist van applicaties

HeatWave is ontworpen als een pluggable MySQL-opslagengine waarmee alle implementatiedetails op laag niveau volledig zijn afgeschermd voor klanten. Dit biedt applicaties en tools naadloze toegang tot HeatWave via MySQL, met behulp van standaardconnectoren. De HeatWave ondersteunt dezelfde ANSI SQL-standaard en ACID-eigenschappen als MySQL en biedt ondersteuning voor verschillende datatypen. Hierdoor kunnen bestaande applicaties zonder wijziging profiteren van HeatWave.


OLTP on-premises, OLAP in de cloud

Ook on-premises klanten die hun MySQL-implementaties vanwege naleving of wettelijke vereisten niet naar de cloud kunnen verplaatsen, kunnen gebruikmaken van HeatWave door middel van het hybride implementatiemodel. In een dergelijke hybride implementatie kunnen klanten MySQL-replicatie gebruiken om lokale MySQL-data naar HeatWave te repliceren zonder dat hiervoor ETL is vereist.


Machine learning in databases

Met native in-database machine learning in MySQL HeatWave, dat gratis beschikbaar is, hoeven gebruikers geen data naar een afzonderlijke machine learning-service zoals Amazon SageMaker te verplaatsen om hun ML-initiatieven te versnellen, de beveiliging te verbeteren en de kosten te verlagen. HeatWave AutoML automatiseert de levenscyclus van machine learning, inclusief algoritmeselectie, intelligente voorbeelddata voor modeltraining, functieselectie en afstemming van hyperparameters, waardoor klanten veel tijd en moeite kunnen besparen. 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. HeatWave AutoML biedt voorspellingen met een uitleg van de resultaten, waardoor organisaties worden geholpen met naleving van regelgeving, billijkheid, herhaalbaarheid, causaliteit en vertrouwen.


Consistent hoge prestaties, lagere kosten en geen uitvaltijd

Dankzij realtime flexibiliteit kunnen klanten hun HeatWave cluster vergroten of verkleinen met een willekeurig aantal nodes zonder uitvaltijd of alleen-lezen tijd. 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. Klanten zijn niet beperkt tot overgeïnitialiseerde instances die worden afgedwongen door de starre modellen die andere clouddatabaseproviders bieden. Door data op efficiënte wijze opnieuw te laden uit de objectopslag, kunnen klanten hun HeatWave cluster ook onderbreken en hervatten om kosten te besparen.


Lagere kosten

Dankzij datacompressie in de HeatWave cluster kan elke node tot 2x meer data verwerken zonder verslechtering van de prijs-prestatieverhouding voor query's. Met datacompressie kunnen klanten het aantal HeatWave nodes verminderen dat nodig is voor het verwerken van query's en kunnen ze hun kosten tot wel 50% verlagen terwijl de prestaties constant blijven. Gecomprimeerde data in de HeatWave cluster zijn persistent in de objectopslag.


Snelle analyse tussen de database en objectopslag

MySQL HeatWave is uitgebreid met MySQL HeatWave Lakehouse. Hierdoor kunnen gebruikers honderden terabytes aan data in de objectopslag verwerken en doorzoeken in verschillende bestandsindelingen, zoals CSV, Parquet en Aurora en Redshift-back-ups. Met behulp van standaard MySQL-opdrachten kunnen klanten query's uitvoeren op transactiedata in MySQL-databases, data in verschillende indelingen in de objectopslag of een combinatie van beide. Het doorzoeken van data in de database is net zo snel als het doorzoeken van data in de objectopslag. De HeatWave cluster kan worden geschaald naar 512 nodes, waardoor klanten tot 400 TB aan data kunnen doorzoeken met MySQL HeatWave Lakehouse.


Tamara schaalt snel met MySQL HeatWave en Oracle Cloud

Dit beginnende fintechbedrijf uit Saoedi-Arabië heeft zijn databaseworkloads verplaatst naar MySQL HeatWave voor 3x betere prestaties en 60% lagere kosten dan met een andere cloudprovider. Tamara heeft zijn klantenbestand uitgebreid tot meer dan 2 miljoen gebruikers en heeft 3000 verkopers in dienst genomen.

6D Technologies maakt data en analyses begrijpelijk met MySQL HeatWave op AWS

Wereldwijde provider van hightech-oplossingen in de telecomsector maakt complexe query's 139x sneller met MySQL HeatWave op AWS. 6D Technologies profiteert nu van een eenvoudigere infrastructuur voor OLTP en OLAP en kan zijn klanten razendsnelle responstijden bieden.

Ga aan de slag met MySQL HeatWave op OCI of AWS

Verken MySQL HeatWave


Probeer MySQL HeatWave gratis uit

Verken deze oplossing met $ 300 aan gratis credits.


Neem contact op

Wilt u meer weten? Neem contact op met een van onze experts.