透過群組複寫、自動容錯移轉、透過複本讀取擴展性、連續備份、自動化修補和強大的安全性 (包括完整加密和精細的角色型存取控制),達到 99.99% 的正常運作時間。
自動管理佈建、擴展、效能最佳化、打補丁、備份和復原,提供尖峰效率並降低作業負擔。
使用由 MySQL 團隊開發、管理並支援的服務,提供最新功能和安全更新,無需延遲。隨附 MySQL Enterprise 支援,無須額外付費。
伺服器端非對稱加密讓開發人員和 DBA 使用公鑰和私鑰增加機密資料的保護。他們也可以導入數位簽章,以確認文件簽署人的身分。程式開發人員可以在不修改應用程式的情況下加密資料。
資料遮罩與去識別化可隱藏並以替代方式取代真實資料值;也有選擇性遮罩、隨機資料替代、模糊及其他功能。使用 MySQL HeatWave 的資料遮罩和去識別化,客戶可以隱藏機密資料,降低資料外洩的風險,這些機密資料可用於非生產系統,例如開發和測試環境。在 MySQL Database 節點或 MySQL HeatWave 叢集執行查詢時,即可使用這些資料遮罩函數。
MySQL HeatWave 隨附「連線控制」,這是一項專為抵禦暴力攻擊而設計的安全功能。隨著網路威脅不斷發展,保護您的資料從保護來源的存取開始。「連線控制」會自動減緩來自相同主機之重複失敗登入嘗試的回應時間,以增加額外的安全層。此機制可大幅降低依賴快速觸發憑證猜測的自動化攻擊之有效性。
MySQL HeatWave 提供記憶體內、大量平行、混合分欄查詢處理引擎。它會導入最先進的演算法執行分散式查詢處理的,可提供極高的效能。
MySQL HeatWave 可跨可平行操作的節點叢集大量分割資料,提供絕佳的內部可擴展性。叢集內的每個節點與節點內的每個核心都可以同時處理分割的資料。智慧型查詢排程器會與網路通訊任務重疊計算,以實現數千個核心的可擴展性。
針對雲端中的商品伺服器,已最佳化查詢處理。分割區的大小已最佳化,以符合基礎資源配置的快取。與通訊工作進行計算重疊,已針對可用的網路頻寬進行最佳化。各種分析處理原始類型均使用基礎虛擬機器的硬體指示。
Autopilot 可提升 MySQL HeatWave 執行緒集區的效能,提供最佳化的硬體資源機制來提升效能。因此,MySQL HeatWave 能為 OLTP 工作負載提供高傳輸量,並防止在高層次的交易和並行發生問題。
MySQL HeatWave 可讓您對 MySQL Database 中的資料和物件儲存執行即時分析,無須進行擷取、轉換及載入 (ETL) 複製。透過獨立的分析資料庫和湖倉一體服務,消除複雜且耗時的整合。
「分析」查詢會存取最新資訊,因為交易的更新會即時自動複寫至 MySQL HeatWave 分析叢集。執行分析查詢之前,不需要編列資料索引。開發人員和 DBA 也可以利用 MySQL HeatWave 即時分析儲存在 MySQL Database 和物件儲存中的 JSON 文件,將文件的分析查詢速度提高幾個級別。
MySQL HeatWave 是原生的 MySQL 解決方案。不用變更目前的 MySQL 應用程式即可運作。
MySQL HeatWave 支援與 MySQL Database 相同的商業智慧 (BI) 和資料視覺化工具,包括 Oracle Analytics Cloud、Tableau 和 Looker。
MySQL Database 與 MySQL HeatWave 叢集節點之間處於靜態和傳輸中的資料一律加密。執行 ETL 期間不會發生洩漏資料的風險,因為資料未在資料存放區間傳輸。
MySQL HeatWave 提供整合的生成式 AI 和 ML 功能,無須額外付費。
MySQL HeatWave GenAI 提供具有資料庫內大型語言模型 (LLM) 的整合式、自動化且安全的一般 AI、自動化資料庫內向量儲存、橫向擴展向量處理,以及具有自然語言內容對話的能力,讓您無需具備 AI 專業知識、資料移動或額外費用,即可使用生成型 AI。
使用所有 Oracle Cloud Infrastructure (OCI) 區域、OCI Dedicated Region、Oracle Alloy、Amazon Web Services (AWS) 和 Microsoft Azure 中的內建 LLM,並在整個部署中以可預測的效能取得一致的結果。由於無需佈建 GPU,因此可降低基礎架構成本。
在 MySQL HeatWave Vector Store 中裝載的 LLM 和專有文件之間執行檢索擴增生成,可獲得更準確且與情境相關的答案,無需將資料移至個別的向量資料庫。
運用自動化管線來協助探索、擷取及產生 MySQL HeatWave Vector Store 中專有文件的內嵌內容,讓開發者和分析師無需具備 AI 專長,即可輕鬆使用向量儲存。
向量處理可平行於多達 512 個 MySQL HeatWave 叢集節點,並以記憶體頻寬執行,以降低準確性損失的可能性,提供快速結果。
使用資料庫內 ML,您不需要將資料移到不同的 ML 服務。即可輕鬆、安全地對儲存在 MySQL 和物件儲存中的資料進行機器學習訓練、推論和解釋,藉此加速機器學習計畫、提高安全性並降低成本。
MySQL HeatWave AutoML 可將 ML 生命週期自動化,包括演算法選擇、模型訓練的智慧型資料抽樣、功能選擇,以及超參數最佳化,讓資料分析師和資料科學家節省大量時間與精力。它為有經驗的使用者提供選項和彈性,可視需要自訂 ML 管線。MySQL HeatWave AutoML 支援異常偵測、預測、分類、迴歸與推薦系統工作。
MySQL HeatWave AutoML 建議系統可同時考慮隱含回饋 (過去的購買、瀏覽行為等等) 和明確的回饋 (評分、讚等等),產生個人化的建議。例如,電子商務網站可以預測使用者喜愛的項目、喜歡特定項目的使用者,以及項目將收到的評等。針對使用者,網站也可以取得類似使用者的清單,並取得特定項目,取得類似項目的清單。
由 MySQL HeatWave AutoML 訓練的所有模型皆可解釋。透過結果說明進行預測,有助於提高法規遵循、公平性、可重複性和信任度,並降低傷亡率。
MySQL HeatWave Lakehouse 可讓您快速查詢物件儲存、MySQL 資料庫或二者組合中的資料。查詢處理完全在 MySQL HeatWave 引擎內完成,因此您可以利用 MySQL HeatWave Lakehouse 處理非 MySQL 工作負載,以及 MySQL 相容的工作負載。
MySQL HeatWave 的大規模分割架構為 MySQL HeatWave Lakehouse 提供橫向擴展架構。查詢處理及資料管理作業,例如載入及重新載入資料,以資料大小作調整。客戶可以使用 MySQL HeatWave Lakehouse 查詢物件儲存中最多 0.5 PB 的資料,而不需要將資料複製到 MySQL 資料庫執行處理。MySQL HeatWave 叢集可擴展至 512 個節點。
使用 MySQL HeatWave Autopilot 降低資料庫管理負荷並提升效能:
自動綱要推論會為所有支援的檔案類型 (包括 CSV) 自動推論檔案資料對應的相應綱要定義。因此,客戶不需要手動定義和更新檔案的綱要對應,從而節省時間和精力。
調適型資料抽樣運用智慧方式對物件儲存中的檔案進行抽樣,為 MySQL HeatWave Autopilot 提供自動化預測的資訊。MySQL HeatWave Autopilot 利用調適型資料抽樣功能掃描並進行預測,例如 400 TB 檔案的結構對應,只需一分鐘即可完成。
您可以在 OCI、AWS 或 Azure 上部署 MySQL HeatWave。您可以將資料從內部部署 OLTP 應用程式複製到 HeatWave MySQL,以在雲端進行近乎即時的分析和處理向量資料。您也可以在 OCI Dedicated Region 内的企業資料中心使用 HeatWave MySQL。
在 AWS 上使用 MySQL HeatWave 為 AWS 客戶提供原生體驗。主控台、控制層和資料層皆位於 AWS 中。