Austin (TX), Starnberg, 18. Aug. 2021 - Datenbank, die sowohl OLTP als auch OLAP unterstützt; mixed Workoads oder Echtzeit-Analysen bis 32 TB automatisiert ausführen...
Zur Ankündigung: Oracle stellt den Usern seines Dienstes MySQL HeatWave als neue Komponente den MySQL Autopilot zur Verfügung. Das Tool nutzt fortschrittliche Techniken des maschinellen Lernens (ML), um den In-Memory-Abfrage-Beschleunigungs-Engine für den MySQL Datenbankdienst in der Oracle Cloud Infrastructure (OCI) zu automatisieren. Anwender sollen laut Entwickler von einfacherer Nutzung und optimierter Leistung sowie Skalierbarkeit profitieren können – in puncto Automatisierung von Datenbankservices ein echtes Alleinstellungsmerkmal am Markt für Cloud-Provider. Autopilot ist für Kunden, die MySQL HeatWave nutzen, ohne zusätzliche Kosten verfügbar.
Der MySQL Autopilot automatisiert viele der zentralen Aspekte des Dienstes, um eine hohe Abfrageleistung bei der Skalierung zu erreichen – einschließlich Bereitstellung, Laden von Daten, Abfrageausführung und Fehlerbehandlung. Dabei setzt die Lösung auf fortschrittliche Ansätze, um Daten zu sampeln und Statistiken über Daten und Abfragen zu sammeln. Hinzu kommt die Erstellung spezieller ML-Modelle unter Verwendung von Oracle AutoML, um zielgerichtet Speichernutzung, Netzwerklast und Ausführungszeit zu modellieren. Diese Modelle werden anschließend für die Kernfunktionen von MySQL Autopilot verwendet. Durch den Einsatz des MySQL Autopiloten wird der HeatWave-Abfrageoptimierer schrittweise immer intelligenter, je mehr Abfragen ausgeführt werden. Dadurch soll sich Systemleistung im Laufe der Zeit kontinuierlich verbessern – eine Fähigkeit, die laut Oracle bei einer Reihe anderer MySQL-basierter Datenbankservices demnach nicht verfügbar ist.
Bildquelle: Oracle Business / Technical Brief/MySQL HeatWave/ Version 3.0 Figure 11. Hybrid deployment for enabling analytics on data stored on premise
Link > https://www.oracle.com/mysql/heatwave/
Anmerkung: HeatWave ist ein massiv paralleler, hochleistungsfähiger In-Memory-Abfrage-Beschleuniger für den Oracle MySQL Datenbankdienst, der die Leistung von MySQL bei Analysen und gemischten Arbeitslasten um Größenordnungen beschleunigt. Die Lösung macht das Vorhandensein mehrerer Datenbanken und Werkzeuge für datenbankübergreifende ETL-Prozesse überflüssig. Kommentar Edward Screven, Chief Corporate Architect bei Oracle: „Der MySQL-Datenbankdienst von Oracle mit HeatWave ist die einzige MySQL-Datenbank, die sowohl OLTP als auch OLAP effizient unterstützt und es den Anwendern ermöglicht, gemischte Arbeitslasten oder Echtzeit-Analysen auf ihrer MySQL-Datenbank mit zehn- bis tausendfach besserer Leistung und weniger als der Hälfte der Kosten im Vergleich zu anderen analytischen oder MySQL-basierten Datenbanken auszuführen“.
Game Changer in puncto Leistungsmerkmale und Kosteneffizienz
Oracle hat ferner das MySQL Scale-out Data Management vorgestellt, das die Leistung beim Nachladen von Daten in HeatWave um das bis zu Hundertfache verbessern soll. HeatWave unterstützt jetzt eine Clustergröße von 64 Knoten (zuvor 24 Knoten) und kann bis zu 32 Terabyte Daten verarbeiten; zuvor waren es zwölf Terabyte. Die neuen Erweiterungen verschaffen HeatWave in puncto Preis-Leistungs-Verhältnis laut Anbieter eine gute Position gegenüber seinen Hauptkonkurrenten. Kommentarauszug Holger Müller, VP und Principal Analyst bei Konstellation Research: „Mit der ML-basierten Automatisierung in Autopilot und der Skalierung von Arbeitsspeicher, Knoten und Hauptspeicher verschafft Oracle den Entwicklern große Freiheit. Das versetzt sie in die Lage, wegweisende Anwendungen der nächsten Generation zu entwickeln, die auf der im Marktvergleich schnelleren und günstigeren Lösung MySQL HeatWave laufen.“
Querverweis:
-
Unser Beitrag > Datenmodellierung und Data Intelligence: Quest erweitert sein Lösungsangebot mit erwin, Inc.
-
Unser Beitrag > Best Practices für Data Warehouses in der Cloud versus on-premise Implementierungen
-
Unser Beitrag > Neue Version von Oracle Autonomous Data Warehouse: Vereinfachter Zugriff auf Data Lakes