Nous sommes désolés. Nous n'avons rien trouvé qui corresponde à votre recherche.

Nous vous suggérons d’essayer ce qui suit pour trouver ce que vous recherchez :

  • Vérifiez l’orthographe de votre recherche par mot clé.
  • Utilisez des synonymes pour le mot clé que vous avez tapé, par exemple, essayez “application” au lieu de “logiciel”.
  • Lancer une nouvelle recherche.
Nous contacter Se connecter à Oracle Cloud

HeatWave : accélérateur de requêtes en mémoire avec apprentissage automatique intégré

Augmente les performances de MySQL par ordre de grandeur pour les charges de travail analytiques et mixtes. Évite de devoir disposer d'une base de données d'analyse distincte, d'outils d'apprentissage automatique distincts et de la duplication d'extraction, de transformation et de chargement (ETL). MySQL HeatWave est disponible sur Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) et Microsoft Azure.

Transactions, analyses et machine learning dans MySQL HeatWave

Oracle MySQL HeatWave est le seul service cloud MySQL offrant un accélérateur de requêtes en mémoire, intégré et à hautes performances : HeatWave. Il augmente les performances de MySQL par ordre de grandeur pour les analyses et charges de travail mixtes, sans modifier les applications existantes. Les clients exécutent des analyses sur les données stockées dans les bases de données MySQL sans base dedonnées d'analyse distincte ni duplication ETL. MySQL HeatWave est disponible sur Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) et Microsoft Azure.

Avec l'apprentissage automatique MySQL HeatWave, les développeurs et les analystes de données peuvent créer, former, déployer et expliquer des modèles d'apprentissage automatique dans MySQL HeatWave, sans déplacer les données vers un service d'apprentissage automatique distinct.

Tamara évolue rapidement grâce à MySQL HeatWave et Oracle Cloud

Cette start-up de technologie financière d'Arabie saoudite a déplacé ses workloads de bases de données vers MySQL HeatWave pour des performances 3 fois supérieures et des coûts 60 % inférieurs à ceux d'un autre fournisseur de cloud. Tamara a élargi sa clientèle à plus de 2 millions d'utilisateurs et a intégré 3 000 commerçants.

Démonstration d'HeatWave : MySQL Autopilot

Nipun Agarwal, Vice-Président directeur d'Oracle pour le développement de MySQL HeatWave, démontre comment MySQL Autopilot augmente les performances de HeatWave et permet aux développeurs et aux administrateurs de bases de données de gagner un temps précieux.

Démonstration : Nouvelles fonctionnalités d'élasticité en temps réel dans MySQL HeatWave

Nipun Agarwal, Vice-président directeur d'Oracle, présente les nouvelles fonctionnalités d'élasticité en temps réel dans Oracle MySQL HeatWave. Découvrez comment augmenter ou diminuer le nombre de noeuds sans aucun temps d'arrêt et comment terminer vos opérations avec un cluster équilibré sans aucune intervention manuelle.

6D Technologies démystifie les données et les analyses avec MySQL HeatWave sur AWS

Le fournisseur de solutions high-tech mondial dans le secteur des télécommunications multiplie par 139 les requêtes complexes avec MySQL HeatWave sur AWS, en simplifiant son infrastructure pour OLTP et OLAP tout en offrant des temps de réponse de moins d'une seconde aux clients.

Tetris.co accélère ses analyses en temps réel grâce à MySQL HeatWave

L'entreprise brésilienne de martech accélère ses analyses marketing en millisecondes et réduit de moitié ses coûts grâce à HeatWave MySQL sur Oracle Cloud Infrastructure.

FANCOMI multiplie par 10 l'analyse de ses publicités grâce à MySQL HeatWave

Le principal réseau publicitaire du Japon donne des analyses en temps réel et réduit significativement ses coûts grâce à MySQL HeatWave et Autonomous Database.

MySQL HeatWave : conçu pour les performances et l'évolutivité

Conçu pour les performances et l'évolutivité

Heatwave utilise une représentation en mémoire en colonnes qui facilite le traitement vectoriel. Les données sont encodées et compressées avant d'être chargées en mémoire. Cette représentation en mémoire compressée et optimisée est utilisée à la fois pour les données numériques et de chaînes. Ceci donne lieu à des améliorations considérables en matière de performances et à une empreinte réduite de mémoire et signifie une réduction des coûts pour les clients.


Évolutivité dans les coeurs et les noeuds

L'un des principaux points de conception du moteur HeatWave est de partitionner massivement les données sur un cluster de noeuds HeatWave, qui peut être exécuté en parallèle. Cela permet des accès importants au cache pour les opérations analytiques et offre une très bonne évolutivité inter-noeuds. Chaque noeud de HeatWave au sein d'un cluster et chaque coeur au sein d'un noeud peut traiter des données partitionnées en parallèle, dont des scans parallèles, des jointures, le regroupement, l'agrégation et le traitement top-k.


Analyse en temps réel

Les modifications effectuées par les transactions OLTP sont propagées en temps réel vers HeatWave et visibles immédiatement pour les requêtes analytiques. Une fois que les utilisateurs soumettent une requête vers une base de données MySQL, l'optimisateur de requêtes MySQL décide de façon transparente si la requête doit être déchargée vers le cluster HeatWave pour une exécution accélérée. Cela dépend si tous les opérateurs et fonctions référencés dans la requête sont pris en charge par HeatWave et si le temps estimé de traitement de la requête avec HeatWave est moindre qu'avec MySQL. Si les deux conditions sont remplies, la requête est propagée vers les noeuds HeatWave pour traitement. Une fois traités, les résultats sont renvoyés vers le noeud de base de données MySQL et retournés aux utilisateurs.


Superposez le calcul avec la communication

HeatWave implémente des algorithmes de pointe pour le traitement analytique distribué en mémoire. Les jointures au sein des partitions sont traitées rapidement grâce à des noyaux de jointure vectorisés. La communication réseau hautement optimisée entre les noeuds analytiques est possible en utilisant un lot I/Os asynchrone. Les algorithmes sont conçus pour chevaucher la durée de calcul et la communication des données entre les noeuds, ce qui permet d'atteindre une évolutivité élevée.


MySQL Autopilot : automatisation basée sur l'apprentissage automatique

MySQL Autopilot automatise la plupart des aspects les plus importants et souvent les plus difficiles pour atteindre des performances élevées de requêtes à grande échelle, dont le provisionnement, le chargement des données, l'exécution des requêtes et la gestion des pannes. Il utilise des techniques avancées pour échantillonner les données, collecter des statistiques sur les données et les requêtes et créer des modèles de machine learning pour modéliser l'utilisation de la mémoire, la charge réseau et la durée d'exécution. Ces modèles de machine learning sont ensuite utilisés par MySQL Autopilot pour exécuter ses principales fonctionnalités. MySQL Autopilot rend l'optimiseur de requêtes HeatWave de plus en plus intelligent au fur et à mesure de l'exécution de requêtes supplémentaires, ce qui améliore continuellement les performances du système au fil du temps. MySQL Autopilot est disponible sans coûts supplémentaires pour les clients de MySQL HeatWave.


Récupération de données 100 fois plus rapide

Lorsque les données sont chargées à partir de MySQL vers HeatWave, une copie de la représentation en mémoire est effectuée sur la couche de gestion des données évolutive, construite sur la banque d'objets OCI. Les modifications apportées aux données dans MySQL sont propagées de manière transparente vers cette couche de données. Lorsqu'une opération nécessite le rechargement de données vers HeatWave, telle que la récupération des erreurs, les données peuvent être accessibles depuis la couche de données HeatWave en parallèle par plusieurs noeuds HeatWave. Ces résultats représentent une amélioration significative des performances. Par exemple, pour un cluster HeatWave de 10 To, le temps nécessaire à la récupération et au rechargement des données est passé de 7,5 heures à 4 minutes, soit une amélioration de plus de 100 fois.


Aucun changement n'est requis pour les applications

HeatWave est conçu comme un moteur de stockage pluggable MySQL qui protège complètement les détails d'implémentation de bas niveau des clients. Par conséquent, les applications et les outils accèdent en toute transparence à HeatWave via MySQL, à l'aide de connecteurs standard. HeatWave prend en charge les mêmes propriétés ANSI SQL standard et ACID que MySQL et prend en charge différents types de données. Cela permet aux applications existantes de tirer parti de HeatWave sans aucune modification.


OLTP sur site, OLAP dans le cloud

Les clients sur site qui ne peuvent pas déplacer leurs déploiement MySQL vers le cloud en raison des exigences de conformité et de réglementations peuvent toujours tirer parti d'HeatWave en utilisant le modèle de déploiement hybride. Dans un déploiement hybride de ce type, les clients peuvent utiliser la réplication MySQL pour répliquer des données MySQL sur site vers HeatWave sans avoir besoin d'ETL.


Machine learning dans la base de données

Avec l'apprentissage automatique natif intégré à la base de données dans MySQL HeatWave, disponible sans frais supplémentaires, les utilisateurs n'ont pas besoin de déplacer leurs données vers un service d'apprentissage automatique distinct tel qu'Amazon SageMaker. Cela accélère leurs initiatives d'apprentissage automatique, augmentant la sécurité et réduisant les coûts. HeatWave ML automatise le cycle de vie du machine learning, notamment la sélection d'algorithmes, l'échantillonnage intelligent des données pour l'entraînement de modèle, la sélection des caractéristiques et l'optimisation des hyperparamètres, ce qui fait gagner du temps aux clients et leurs épargne des tâches chronophages. Les développeurs et les analystes de données peuvent créer des modèles de machine learning à l'aide de commandes SQL courantes. Ils n'ont pas besoin d'apprendre de nouveaux outils et langages. De plus, HeatWave ML est intégré à des blocs-notes populaires tels que Jupyter et Apache Zeppelin. HeatWave ML fournit des prédictions avec une explication des résultats, aidant les entreprises à respecter les réglementations, l'équité, la répétabilité, la causalité et la fiabilité.


Hautes performances constantes et coûts réduits, sans temps d'arrêt

L'élasticité en temps réel permet aux clients d'augmenter ou de réduire la taille de leur cluster HeatWave de n'importe quel nombre de nœuds, sans aucun temps d'arrêt ni temps de lecture seule. L'opération de redimensionnement ne prend que quelques minutes, pendant lesquelles HeatWave reste en ligne et disponible pour toutes les opérations. Une fois redimensionnées, les données sont téléchargées à partir du stockage d'objets, automatiquement repartitionnées entre tous les nœuds de cluster disponibles et deviennent immédiatement disponibles pour les requêtes. Par conséquent, les clients bénéficient de performances toujours élevées, même lors des pics d'activité, et de coûts réduits en redimensionnant à la baisse leur cluster HeatWave si nécessaire, sans aucun temps d'arrêt ni période en lecture seule. Les clients ne sont pas obligés de se contenter d'instances surprovisionnées, résultant de modèles de dimensionnement rigides comme c'est le cas chez d'autres fournisseurs de bases de données cloud. Grâce à un rechargement efficace des données à partir du stockage d'objets, les clients peuvent également mettre en pause et reprendre leur cluster HeatWave pour réduire les coûts.


Coûts réduits

La compression des données dans le cluster HeatWave permet à chaque nœud de traiter jusqu'à 2 fois plus de données sans aucune dégradation des performances tarifaires pour les requêtes. Grâce à la compression des données, les clients peuvent réduire le nombre de nœuds HeatWave nécessaires au traitement des requêtes et réduire leurs coûts jusqu'à 50 %, tout en maintenant un rapport prix/performances constant. Les données compressées dans le cluster HeatWave sont persistantes dans le stockage d'objet.


Analyses rapides dans les bases de données et les banques d'objets

MySQL HeatWave s'étend à MySQL HeatWave Lakehouse, ce qui permet aux utilisateurs de traiter et d'interroger des centaines de téraoctets de données dans la banque d'objets, dans une variété de formats de fichiers, tels que CSV, Parquet et les sauvegardes Aurora/Redshift. Les clients peuvent interroger les données transactionnelles dans les bases de données MySQL, les données sous différents formats dans le stockage d'objets, ou une combinaison des deux en utilisant les commandes MySQL standard. L'interrogation des données dans la base de données est aussi rapide que l'interrogation des données dans la banque d'objets. Le cluster HeatWave peut atteindre 512 nœuds, ce qui permet aux clients d'interroger jusqu'à 400 To de données avec MySQL HeatWave Lakehouse.


Lancez-vous avec MySQL HeatWave sur OCI ou AWS

Découvrez MySQL HeatWave


Essayez gratuitement MySQL HeatWave

Découvrez nos solutions avec 300 $ de crédits gratuits.


Nous contacter

Vous aimeriez en savoir plus ? Contactez l’un de nos experts.