Am Eröffnungstag von Oracle CloudWorld kündigte Oracle eine Verbesserung an MySQL HeatWave Lakehouse Die Abfrageleistung soll 17-mal schneller als Snowflake und 6-mal schneller als Redshift sein, basierend auf einer Arbeitslast von 400 TB. Laut Oracle kann MySQL HeatWave Lakehouse 400 TB Daten aus dem Objektspeicher laden, 8-mal schneller als Redshift und 2.7-mal schneller als Snowflake.
Am Eröffnungstag von Oracle CloudWorld kündigte Oracle eine Verbesserung an MySQL HeatWave Lakehouse Die Abfrageleistung soll 17-mal schneller als Snowflake und 6-mal schneller als Redshift sein, basierend auf einer Arbeitslast von 400 TB. Laut Oracle kann MySQL HeatWave Lakehouse 400 TB Daten aus dem Objektspeicher laden, 8-mal schneller als Redshift und 2.7-mal schneller als Snowflake.
MySQL HeatWave Lakehouse ist die neueste Ergänzung des MySQL HeatWave-Portfolios und kombiniert Transaktionsverarbeitung, Analyse, maschinelles Lernen und auf maschinellem Lernen basierende Automatisierung in einer einzigen MySQL-Datenbank. MySQL HeatWave Lakehouse lässt sich auf 512 Knoten skalieren und bietet Kunden die Möglichkeit, Hunderte Terabyte an Daten in einem Objektspeicher in verschiedenen Dateiformaten wie CSV und Parquet sowie Aurora- und Redshift-Backups zu verarbeiten und abzufragen.
Basierend auf der massiv parallel skalierbaren MySQL HeatWave-Architektur soll MySQL HeatWave Lakehouse beim Ausführen von Abfragen und Laden von Daten eine deutlich bessere Leistung als konkurrierende Cloud-Datenbankdienste liefern, wie branchenübliche Benchmarks belegen.
In einer einzigen Abfrage können Kunden Transaktionsdaten in der MySQL-Datenbank abfragen und diese mithilfe der Standard-MySQL-Syntax mit Daten im Objektspeicher kombinieren. Oracle kündigte außerdem neue MySQL-Autopilot-Funktionen an, die die Leistung verbessern und die Verwendung vereinfachen. MySQL HeatWave Lakehouse ist jetzt in der Betaversion für Kunden zum Ausprobieren verfügbar und soll im 1. Halbjahr 23 allgemein verfügbar sein.
Kunden, die von AWS, Google und On-Premises migrieren, nutzen MySQL HeatWave für eine Vielzahl von Anwendungsfällen, darunter Marketinganalysen, insbesondere Echtzeitanalysen der Leistung von Werbekampagnen und Kundendatenanalysen, um effektive Kampagnen zu erstellen. Zu den migrierenden AWS-Kunden zählen führende Unternehmen aus der Automobil-, Telekommunikations-, Einzelhandels-, Hightech- und Gesundheitsbranche.
Oracle veröffentlicht außerdem neue Lakehouse-Benchmarks und stellt mehrere Funktionen für MySQL HeatWave Lakehouse und MySQL Autopilot vor. Oracle-Kunden können es versuchen MySQL Heatwave 30 Tage lang kostenlos.
Benchmarks
Wie ein öffentlich verfügbarer 400-TB-TPC-H-Benchmark zeigt, auf dem Skripts verfügbar sind GitHubDie Abfrageleistung von MySQL HeatWave Lakehouse beträgt:
- 17-mal schneller als Snowflake
- 6-mal schneller als Amazon Redshift
Auch das Laden von Daten aus dem Objektspeicher in MySQL HeatWave Lakehouse ist deutlich schneller. Für eine TPC-H-Arbeitslast von 400 TB beträgt die Lastleistung von MySQL HeatWave Lakehouse:
- 8-mal schneller als Amazon Redshift
- 2.7-mal schneller als Snowflake
Innovative neue Funktionen für MySQL HeatWave Lakehouse
Zu den neuen Funktionen von MySQL HeatWave Lakehouse gehören:
- Größere Datengröße, Standard-MySQL-Syntax: Kunden können mit MySQL HeatWave Lakehouse bis zu 400 TB Daten abfragen, und der HeatWave-Cluster skaliert auf 512 Knoten. Kunden verwenden für die Abfrage der Daten die Standard-MySQL-Syntax.
- Identische Leistung und Komprimierung: MySQL HeatWave bietet die gleiche Abfrageleistung für Daten, die in der MySQL-Datenbank oder im Objektspeicher gespeichert sind – wie sowohl 10-TB- als auch 30-TB-TPC-H-Benchmarks zeigen. Der erreichte Komprimierungsumfang und die Datenmenge, die pro Knoten verarbeitet werden kann, sind in beiden Fällen gleich.
- Unterstützung für mehrere Dateiformate: Mit MySQL HeatWave Lakehouse können Kunden Daten laden und verarbeiten, die in verschiedenen Dateiformaten wie CSV und Parquet sowie Aurora- und Redshift-Backups von AWS gespeichert sind. Dadurch können Kunden die Vorteile von MySQL HeatWave auch dann nutzen, wenn ihre Daten nicht in einer MySQL-Datenbank gespeichert sind. Die Abfrageleistung ist unabhängig vom Dateiformat, in dem die Daten gespeichert sind, gleich.
- Möglichkeit, Daten in MySQL abzufragen und mit Daten im Objektspeicher zu kombinieren: Mit MySQL HeatWave Lakehouse können Kunden ihre in der MySQL-Datenbank gespeicherten OLTP-Daten abfragen und diese mit den im Objektspeicher gespeicherten Daten kombinieren. Jede an den OLTP-Daten vorgenommene Änderung wird in Echtzeit aktualisiert und im Abfrageergebnis widergespiegelt.
Neue MySQL-Autopilot-Funktionen
MySQL Autopilot bietet auf maschinellem Lernen basierende Automatisierung für MySQL HeatWave. Bestehende MySQL Autopilot-Funktionen wie automatische Bereitstellung und Verbesserung des automatischen Abfrageplans wurden für MySQL HeatWave Lakehouse verbessert, wodurch der Datenbankverwaltungsaufwand reduziert und die Leistung verbessert wird.
Zu den neuen MySQL-Autopilot-Funktionen gehören:
- Automatische Schemainferenz: Autopilot leitet automatisch die Zuordnung der Dateidaten zu Datentypen in der Datenbank ab. Dadurch müssen Kunden die Zuordnung für jede neue Datei, die von MySQL HeatWave Lakehouse abgefragt werden soll, nicht manuell angeben.
- Adaptive Datenerfassung: Autopilot prüft auf intelligente Weise Teile von Dateien im Objektspeicher und sammelt genaue Statistiken mit minimalem Datenzugriff. MySQL HeatWave nutzt diese Statistiken, um Abfragepläne zu generieren und zu verbessern, die optimale Schemazuordnung zu bestimmen und mehr.
- Automatisches Laden: Autopilot analysiert die Daten, um die Ladezeit in MySQL HeatWave vorherzusagen, bestimmt die Zuordnung der Datentypen und generiert automatisch die Ladeskripte.
- Adaptiver Datenfluss: MySQL HeatWave Lakehouse passt sich dynamisch an die Leistung des zugrunde liegenden Objektspeichers an. Dadurch kann MySQL HeatWave die maximal verfügbare Leistung aus der zugrunde liegenden Cloud-Infrastruktur abrufen, was die Gesamtleistung, das Preis-Leistungs-Verhältnis und die Verfügbarkeit verbessert.
Zusätzliche Verbesserungen an MySQL HeatWave
Oracle kündigte eine Reihe weiterer Verbesserungen für MySQL HeatWave an, die vom maschinellen Lernen bis zum VS-Code-Plug-in reichen. Die datenbankinternen ML-Funktionen von MySQL HeatWave wurden um die Unterstützung von Prognosemodellen erweitert. Es wurden neue ML-Erklärungstechniken hinzugefügt, die für MySQL HeatWave optimiert wurden. Datenwissenschaftler können jetzt verschiedene Phasen der automatisierten HeatWave ML-Trainingspipeline beeinflussen, einschließlich der Wahl des Algorithmus, der Funktionsauswahl, der Bewertungsmetrik und der Erklärungstechnik. HeatWave ML wurde außerdem verbessert, um Kunden den Import von ML-Modellen in HeatWave zu ermöglichen.
Ein neuer mehrmotoriger Hypergraph-Abfrageoptimierer verbessert die Leistung komplexer Abfragen weiter und macht die Angabe der Verknüpfungsreihenfolge überflüssig. Es wurde eine Zonenkarte hinzugefügt, die eine breitere Reihe von Abfragen mit MySQL HeatWave beschleunigt. Und das VS-Code-Plug-in für MySQL wurde erweitert, um MySQL HeatWave-Funktionen zu unterstützen.
Bereit für die verteilte Cloud
MySQL HeatWave ist in mehreren Clouds verfügbar, darunter OCI, AWS und jetzt Microsoft Azure. Es ist lokal als Teil der OCI Dedicated Region für Organisationen verfügbar, die ihre Datenbank-Workloads nicht in die öffentliche Cloud verlagern möchten. Kunden können auch Daten aus ihren lokalen MySQL-OLTP-Anwendungen in MySQL HeatWave replizieren, um Analysen nahezu in Echtzeit zu erhalten. MySQL HeatWave verwendet immer die neueste Version der MySQL-Datenbank.
Beteiligen Sie sich an StorageReview
Newsletter | YouTube | Podcast iTunes/Spotify | Instagram | Twitter | TikTok | RSS Feed
