HeatWave Lakehouse

HeatWave Lakehouse vous permet d'interroger les données dans le stockage d'objets avec des performances et un rapport prix-performances inégalés, et de créer, entraîner et expliquer automatiquement des modèles de machine learning (ML). Il est disponible sur Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) et Microsoft Azure.

Démonstration : HeatWave Lakehouse sur AWS (4:32)

Pourquoi utiliser HeatWave Lakehouse ?

  • Interrogez des données dans le stockage d'objets

    HeatWave est un moteur de traitement de données évolutif optimisé pour interroger des données dans un stockage d'objets. Vous pouvez interroger des données structurées, des données semi-structurées au format JSON et des documents non structurés avec la banque de vecteurs HeatWave.

  • Bénéficiez des meilleures performances et du meilleur rapport prix-performance

    Le rapport qualité-prix est nettement meilleur.

  • Utilisez le machine learning intégré avec toutes vos données

    Automatisez le pipeline pour créer, entraîner, déployer et expliquer des modèles de machine learning à l'aide de données dans le stockage d'objets et MySQL Database, sans déplacer les données vers un service cloud de machine learning distinct et sans frais supplémentaires.

Découvrez comment fonctionne HeatWave Lakehouse

HeatWave Lakehouse traite les données dans divers formats de fichier, y compris CSV, Parquet, Avro, JSON et les exportations d'autres bases de données. Vous pouvez interroger des données dans le stockage d'objet et éventuellement les combiner avec des données transactionnelles dans des bases de données MySQL. Avec HeatWave Vector Store, vous pouvez télécharger et interroger des documents non structurés. Les données chargées dans le cluster HeatWave en vue d'un traitement sont automatiquement transformées dans le format en mémoire de HeatWave et les données de stockage d'objet ne sont pas copiées dans la base de données MySQL. Vous pouvez également tirer parti de HeatWave AutoML, une fonctionnalité intégrée qui automatise le pipeline pour créer, entraîner et expliquer des modèles de machine learning à l'aide de données dans le stockage d'objets, la base de données ou les deux. Il n'est pas nécessaire de déplacer les données vers un service cloud de machine learning distinct, ni d'être un expert en machine learning.

Diagramme du fonctionnement de Heatwave Lakehouse, détails ci-dessous :
Les données transactionnelles dans MySQL Database ainsi que les données de stockage d'objets dans divers formats de fichier, tels que CSV, Parquet, Avro, JSON et les exportations d'autres bases de données sont répliquées en temps réel dans le cluster HeatWave. Ainsi, les clients peuvent analyser en temps réel toutes ces données. Les fonctionnalités de machine learning étant intégrées à HeatWave, les clients peuvent également utiliser les données de la base de données et du stockage d'objets pour créer, entraîner, déployer et expliquer des modèles de machine learning.

Découvrez ce que nos clients disent de HeatWave Lakehouse

  • « HeatWave Lakehouse s'adapte très bien au chargement de données à partir du stockage d'objets et à l'exécution de requêtes sur la banque d'objets. Le temps de chargement et les temps de requête sont presque constants, car la taille du cluster HeatWave augmente au même rythme que celle des données. Cette caractéristique de HeatWave Lakehouse pour la gestion des données est essentielle pour traiter efficacement de très grandes quantités de données. »

    -Henry Tullis, Leader de l'infrastructure cloud et de l'ingénierie chez Deloitte Consulting

  • « Les données augmentent de manière exponentielle, tout comme la quantité de données que nous stockons dans notre data lake. La possibilité d'utiliser la syntaxe standard MySQL pour interroger des données dans notre base de données et notre stockage d'objets afin d'obtenir des informations en temps réel est très importante pour Natura. Cela ouvre de nouvelles opportunités d'exploration et pourrait représenter de nouveaux avantages si nous pouvons analyser toutes ces données plus rapidement que nos concurrents. »

    -Fabricio Rucci, Architecte Solution chez Natura &Co

Cas d'utilisation de HeatWave Lakehouse

Les utilisateurs peuvent obtenir des informations rapides et rentables à partir de transactions historiques déchargées vers le stockage d'objets à des fins d'analyse à l'aide de HeatWave Lakehouse.


Diagramme secteur bancaire, description ci-dessous :

Ce diagramme montre qu'il peut être coûteux de conserver toutes les données de transactions historiques dans une base de données transactionnelle sur site pour les analyses. Les données des transactions plus anciennes sont donc exportées sous forme de fichiers CSV vers le stockage d'objets. HeatWave Lakehouse permet de réaliser des requêtes rapides sur les données dans le stockage d'objets. Les utilisateurs peuvent ainsi obtenir des informations rapides et rentables à partir des données de transactions historiques.



Avec HeatWave Lakehouse, les utilisateurs peuvent obtenir des informations sur les données de campagne récentes dans leur base de données transactionnelle et sur les anciennes données de campagne dans leur data lake.


Diagramme marketing numérique, description ci-dessous :

Ce diagramme montre que toutes les données de campagne sont stockées dans la base de données transactionnelle HeatWave MySQL et que les anciennes données de campagne sont exportées vers un data lake dans le stockage d'objets. HeatWave Lakehouse peut interroger des données récentes dans la base de données, associées à des données de campagne plus anciennes dans le stockage d'objets, ce qui permet aux utilisateurs d'exécuter des requêtes d'analyse sur toutes les données de campagne.



Les applications peuvent accéder aux données générées par les capteurs Internet of Things (IoT) via HeatWave Lakehouse.


Diagramme IoT, description ci-dessous :

Ce diagramme montre que les données sont générées à partir de capteurs IoT sur les conteneurs d'expédition et stockées sous forme de fichiers CSV dans un data lake dans le stockage d'objets. HeatWave Lakehouse peut interroger rapidement ces données, ce qui permet aux utilisateurs d'implémenter des tableaux de bord d'analyse et des chatbots accédant aux données IoT.



Les utilisateurs peuvent gérer et planifier des campagnes de vente multimédia à l'aide de HeatWave Lakehouse pour interroger simultanément les données de vente dans leur base de données transactionnelle, ainsi que les statistiques de vente et les données de campagne dans le stockage d'objets.


Diagramme média, description ci-dessous :

Ce diagramme montre que les ventes de livres sont enregistrées et stockées dans la base de données transactionnelle HeatWave MySQL. Les statistiques sur les ventes et les campagnes sont collectées et les données sont exportées sous forme de fichiers CSV vers le stockage d'objets. HeatWave Lakehouse peut interroger les données transactionnelles associées aux données dans le stockage d'objets, ce qui permet aux utilisateurs de gérer et de planifier les campagnes de vente.



Découvrez ce que les meilleurs experts du secteur pensent de HeatWave Lakehouse

  • Logo d'IDC

    « Les entreprises à la recherche de la meilleure valeur en matière de data lakehouses cloud doivent sérieusement envisager HeatWave Lakehouse. »

    Carl Olofson
    Research Vice President, Data Management Software, IDC
  • Logo Wikibon

    « La capacité de HeatWave à charger et à interroger des données sur un nombre aussi important de nœuds en parallèle est une première. »

    Marc Staimer
    Analyste senior, Wikibon
  • Logo The Futurum Group

    « HeatWave Lakehouse fournit des performances record pour le chargement de données et l'interrogation de données ; c'est une innovation sans précédent dans les services de données cloud. »

    Ron Westfall
    Directeur de recherche, The Futurum Group
  • Logo Omdia

    « Avec HeatWave Lakehouse, Oracle présente aux clients MySQL sur AWS et Microsoft Azure une proposition quasi impossible à refuser. »

    Bradley Shimmin
    Analyste en chef pour IA et l'analyse des données chez Omdia
  • Logo de Moor

    « HeatWave Lakehouse peut simplifier la vie des professionnels de la gestion des données et devrait améliorer l'expérience client. »

    Matt Kimball
    Vice-président et Analyste principal pour les data centers chez Moor Insights & Strategy
  • Logo NAND Research

    « Pour le dire simplement, HeatWave Lakehouse vous aide à garder une longueur d'avance sur la concurrence en vous permettant de prendre rapidement des décisions sur la base d'informations commerciales pertinentes. »

    Steve McDowell
    Analyste principal et partenaire fondateur, NAND Research
  • Logo de Constellation Research

    « L'équipe HeatWave atteint un niveau d'innovation inégalé, fournissant cinq cas d'utilisation de base de données de base différents dans une seule base de données, ce qui soulage les CXO, qui savent qu'ils ont une base de données qui peut tout faire, une base de données vraiment universelle. »

    Holger Mueller
    Vice President and Principal Analyst, Constellation Research
  • Logo de KuppingerCole

    « HeatWave Lakehouse offre aux clients un nouveau niveau de fonctionnalités : pouvoir interroger des pétaoctets de données hétérogènes dans des data warehouses et des data lakes à l'aide de la syntaxe SQL, tout en battant les concurrents populaires en matière de performances des requêtes, de temps de chargement et de coûts. »

    Alexei Balaganski
    Analyse principale & CTO chez KuppingerCole Analysts

En savoir plus sur les autres solutions HeatWave pour vos différents workloads

Lancez-vous avec HeatWave Lakehouse

Suivez le guide

Découvrez HeatWave Lakehouse à votre propre rythme avec des instructions étape par étape.

Atelier gratuit sur HeatWave Lakehouse

Demandez un atelier gratuit dirigé par un expert pour évaluer HeatWave Lakehouse ou vous lancer.

Essayez Heatwave Lakehouse
gratuitement

Inscrivez-vous pour un essai gratuit de HeatWave Lakehouse. Vous aurez accès à des ressources gratuites pour une durée illimitée.