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