Austin (TX), Starnberg, 22. März 2021 - Abfrage von Daten in Oracle Cloud Infrastructure Object Storage und Cloud-Objektspeichern um 3 neue Data-Lake-Funktionen erweitert...
Zur Ankündigung: Für Oracle Autonomous Data Warehouse (selbststeuerndes Cloud Data Warehouse) hat der Entwickler jetzt eine Reihe von Erweiterungen angekündigt. Cloud-Data-Warehousing soll damit von einem komplexen Ökosystem von Produkten, Tools und Aufgaben, das umfangreiches technisches Fachwissen, Zeit und Geld erfordert, um Datenladen, Datentransformation und -bereinigung, Geschäftsmodellierung und maschinelles Lernen durchzuführen, in eine intuitive Point-and-Click- und Drag-and-Drop-Erfahrung für Datenanalysten, Citizen Data Scientists und Geschäftsanwender umgewandelt werden können. Ziel: ohne eigenen Verwaltungsaufwand schnellere Ergebnisse und Erkenntnisse erzielen und gleichzeitig Zeit und Kosten zu sparen.
Die neuesten Erweiterungen von Oracle Autonomous Data Warehouse sind über eine einzige Datenplattform verfügbar, die entwickelt wurde, um alle Daten aus beliebigen Quellen – von abteilungsspezifischen Systemen bis hin zu Enterprise Data Warehouses und Data Lakes – aufzunehmen, umzuwandeln, zu speichern und zu verwalten. Sie erleichtert es Datenanalysten, Daten zu laden, zu transformieren, zu bereinigen und automatisch Geschäftsmodelle zu erstellen sowie automatisch Muster zu erkennen, um Erkenntnisse zu generieren. Somit können Aufgaben bewältigt werden, für die früher Data Engineers oder Data Scientists gebraucht wurden.
Citizen Data Scientists - ein Gartner Begriff - und Daten-Analysten profitieren laut Anbieter außerdem von der neuen Self-Service-Graphenmodellierung und Graphenanalyse. Um Developer dabei zu unterstützen, datengesteuerte Anwendungen zu erstellen, bietet Oracle mit Oracle APEX (Application Express) Application Development ein direkt in das Cloud Data Warehouse integriertes Low-Code-Tool sowie RESTful-Services, mit denen jede moderne Anwendung einfach mit den Warehouse-Daten interagieren kann. Im Gegensatz zu den isolierten Einzweck-Datenbanken anderer Anbieter in der Cloud bietet das Oracle Autonomous Data Warehouse Unterstützung für Multi-Modell-, Multi-Workload- und Multi-Tenant-Anforderungen – und das alles innerhalb einer einzigen, modernen, konvergenten Datenbank-Engine, einschließlich JSON-Dokumenten-, Betriebs-, Analyse-, Graph-, ML- und Blockchain-Datenbanken und -Services.
Abb. 1 Bildquelle: Oracle / Link > Oracle Blogpost
Die wichtigsten Funktionsneuerungen umfassen:
Eingebaute Daten-Tools: Business-Analysten haben jetzt eine einfache Self-Service-Umgebung, um Daten zu laden und sie ihrem erweiterten Team für die Zusammenarbeit zur Verfügung zu stellen. Sie können Daten von ihrem Laptop oder aus der Cloud laden und transformieren, indem sie sie einfach per Drag-and-Drop verschieben. So lassen sich automatisch Geschäftsmodelle generieren und schnell Anomalien, Ausreißer und versteckte Muster in den Daten entdecken sowie Datenabhängigkeiten und die Auswirkungen von Änderungen verstehen.
Oracle Machine Learning AutoML UI: Durch die Automatisierung zeitintensiver Schritte bei der Erstellung von Machine-Learning-Modellen erhöht AutoML UI, eine No-Code Benutzeroberfläche, die Produktivität von Data Scientists, verbessert die Modellgenauigkeit und ermöglicht es auch Laien, Machine Learning zu nutzen.
Oracle Machine Learning für Python: Data Scientists und andere Anwender können jetzt Python verwenden, um maschinelles Lernen auf ihre Data-Warehouse-Daten anzuwenden und dabei die hochleistungsfähigen, parallelen Funktionen des Oracle Autonomous Data Warehouse voll auszunutzen.
Oracle Machine Learning Dienste: DevOps- und Data-Science-Teams können native datenbankinterne Modelle sowie Klassifizierungs- und Regressionsmodelle im ONNX-Format außerhalb von Oracle Autonomous Data Warehouse bereitstellen und verwalten sowie kognitive Textanalysen aufrufen. Anwendungsentwicklern stehen einfach zu integrierende REST-Endpunkte für alle Funktionen zur Verfügung.
Property Graph Support: Graphen helfen dabei, Beziehungen zwischen Entitäten zu modellieren und zu analysieren (z. B. der Graph eines sozialen Netzwerks). Anwender können nun solche Graphen innerhalb ihres Data Warehouse erstellen, Graphen mit PGQL (Property Graph Query Language) abfragen und Graphen mit mehr als 60 In-Memory-Graph-Analysealgorithmen untersuchen.
Graph Studio UI: Graph Studio baut auf den Property-Graph-Funktionen des Oracle Autonomous Data Warehouse auf, um die Graph-Analyse für Einsteiger zu erleichtern. Es beinhaltet automatische Modellierung, integrierte Visualisierung und vorgefertigte Workflows für verschiedene Anwendungsfälle.
Vereinfachter Zugriff auf Data Lakes: Die Abfrage von Daten in Oracle Cloud Infrastructure (OCI) Object Storage und allen gängigen Cloud-Objektspeichern über Oracle Autonomous Data Warehouse wird um drei neue Data-Lake-Funktionen erweitert: die einfache Abfrage von Daten in Oracle Big Data Service (Hadoop), die Integration mit OCI Data Catalog zur Vereinfachung und Automatisierung der Datenermittlung in Object Storage und die Scale-Out-Verarbeitung zur Beschleunigung von Abfragen großer Datensätze in Object Storage.
Querverweis:
Unser Beitrag > Oracle kündigt Database 21c Version mit Oracle APEX Application Development Service an
Unser Beitrag > Cloud@Customer von Oracle bringt komplett verwaltete Cloud-Region im eigenen RZ