甲骨文 Autopilot 以機器學習加速 MySQL Heatwave 的查詢和叢集 挑戰 Amazon Aurora 與 Snowflake

為了和 Amazon Aurora 和 Snowflake 分庭抗禮，甲骨文宣佈，將機器學習來改進 Oracle MySQL 資料庫服務的記憶體內 (in-memory) 查詢加速器 MySQL HeatWave 。

甲骨文本周宣佈 MySQL Autopilot，它是去年 12 月問世的 MySQL HeatWave 的最新元件，利用機器學習來加速查詢的效能和擴充性。MySQL HeatWave 結合 Oracle Cloud Infrastructure (OCI) 中的 MySQL Database Service，可以加速傳統 MySQL 資料庫即時分析速度 10 到 1000 倍，或是支援 OLTP 及 OLAP 混合作業的效能。Autopilot 現在免費提供給 HeatWave 用戶。

運用機器學習，Autopilot 自動化叢集資料部署 (provisioning)、資料倒入、查詢執行及錯誤處理。HeatWave 並以 Oracle AutoML 建立機器學習模型來預測記憶體使用、網路負載及執行時間。隨著企業用得愈多，Autopilot 可改進 HeatWave 查詢最佳化能力，進而推升查詢速度。

從技術細節來看，Autopilot 使用適應性資料取樣分析，預測查詢時所需的 HeatWave 節點來自動化調撥資源；它的自主平行載入，可最佳化資料倒入及記憶體使用；自動化資料配置 (data placement) 可加速資料查詢效能；自動預估查詢時間；自動錯誤回復，在某個節點沒有回應時自主撥用新節點再倒入資料。

配合 MySQL Autopilot，甲骨文同時推出 MySQL Scale-Out 資料管理，可提升資料倒入 HeatWave 的效能高達 100 倍。HeatWave 去年底推出時僅支援 24 個節點，但現在已支援最多 64 個節點，此外資料處理量也從之前的 12TB 提升到 32TB。

甲骨文強調 MySQL 資料庫和 Oracle Database 市場不會互相重疊；後者屬於大型企業，而 MySQL 較偏向開發商、雲端原生開原碼應用，以及原生的雲端企業。例如 Oracle Exadata 服務可容納 2.5 PB 的資料庫，但 HeatWave 只有 32TB。因　此大型金融業會使用 Oracle Autonomous Database 或 Exadata 雲端服務，但 HeatWave 無法應付他們的處理處理需求。

來源：InfoWorld