Fonctionnalités de MySQL HeatWave
Traitement des transactions de niveau entreprise
- La compatibilité avec MySQL, avec une prise en charge complète d’InnoDB et la conformité ACID, garantit la cohérence des données et l’isolation pour chaque transaction.
- Hypergraph optimizer fournit une optimisation des requêtes basée sur les coûts, afin d’améliorer les performances des workloads transactionnels complexes et des workloads mixtes.
- Enterprise Thread Pool évolue pour gérer des milliers de connexions simultanées grâce à un ordonnanceur multithread, pour les environnements OLTP les plus exigeants.
- Autopilot Indexing détermine automatiquement les index secondaires afin d’optimiser le rendement OLTP, en s’appuyant sur le machine learning (ML) pour établir une prédiction selon les workloads propres à chaque application. Il élimine les tâches chronophages liées à la création d’index optimaux pour les performances OLTP et à leur maintenance, à mesure que les workloads évoluent.
Lire le résumé technique de MySQL HeatWave (PDF)
Disponibilité maximale et sécurité intégrée
Atteignez 99,99 % de temps de disponibilité grâce à la réplication de groupe, au basculement automatique, à l’évolutivité en lecture via des réplicas, aux sauvegardes continues, à l’application automatisée des correctifs et à une sécurité robuste, incluant le chiffrement complet et des contrôles d’accès granulaires basés sur les rôles.
Opérations entièrement automatisées
Le provisionnement, la mise à l’échelle, l’optimisation des performances, l’application des correctifs, les sauvegardes et la récupération sont gérés automatiquement, pour une efficacité maximale et une charge opérationnelle réduite.
Le seul service cloud MySQL basé sur MySQL Enterprise Edition
Utilisez un service développé, géré et pris en charge par l’équipe MySQL, qui fournit les dernières fonctionnalités et mises à jour de sécurité sans délai. Le support MySQL Enterprise est inclus sans frais supplémentaires.
Chiffrement asymétrique avec génération de clés et signatures numériques
Le chiffrement asymétrique côté serveur permet aux développeurs et aux administrateurs de bases de données d’augmenter la protection des données confidentielles à l’aide de clés publiques et privées. Ils peuvent également implémenter des signatures numériques pour confirmer l'identité des personnes signant des documents. Les développeurs peuvent chiffrer les données sans modifier les applications.
Masquage et désidentification des données
Le masquage et la désidentification des données masquent et remplacent les valeurs réelles par des substituts ; le masquage sélectif, la substitution aléatoire de données, le floutage et d’autres fonctions sont également disponibles. Avec le masquage et la désidentification des données dans MySQL HeatWave, les clients réduisent le risque de violation de données en masquant les données sensibles, qui peuvent ensuite être utilisées dans des systèmes hors production, comme les environnements de développement et de test. Ces fonctions de masquage des données sont disponibles lorsque des requêtes sont exécutées sur le nœud MySQL Database ou le cluster MySQL HeatWave.
Contrôle de connexion : défense intégrée contre les attaques par force brute
MySQL HeatWave est livré avec Connection Control, une fonctionnalité de sécurité conçue pour se défendre contre les attaques par force brute. Avec les cybermenaces en constante évolution, la protection de vos données commence par la sécurisation de l'accès à la source. Connection Control ajoute une couche de sécurité supplémentaire en ralentissant automatiquement le temps de réponse pour les tentatives de connexion répétées ayant échoué à partir du même hôte. Ce mécanisme peut réduire considérablement l'efficacité des attaques automatisées qui reposent sur de nombreuses tentatives d'identification.
Accélérateur de requêtes en mémoire à hautes performances
MySQL HeatWave comprend un moteur de traitement des requêtes en colonnes hybrides, en mémoire et massivement parallèle. Il met en place des algorithmes de pointe pour le traitement des requêtes distribuées qui apportent des hautes performances.
Architecturé pour une échelle et des performances massives
MySQL HeatWave partitionne massivement les données sur un cluster de nœuds pouvant fonctionner en parallèle, offrant une excellente évolutivité entre les nœuds. Chaque nœud d'un cluster et chaque cœur d'un nœud peuvent traiter les données partitionnées en parallèle. Un ordonnanceur de requêtes intelligent superpose le calcul aux tâches de communication réseau, afin d’atteindre une évolutivité sur des milliers de cœurs.
Optimisé pour le cloud
Le traitement des requêtes est optimisé pour des serveurs standard dans le cloud. La taille des partitions est optimisée pour s’adapter au cache des shapes sous-jacentes. La superposition du calcul avec les tâches de communication est optimisée pour la bande passante réseau disponible. Diverses primitives de traitement analytique utilisent les instructions matérielles des machines virtuelles (VM) sous-jacentes.
Optimisé pour des taux de transaction et des connexions élevés
Autopilot améliore les performances du thread pool MySQL HeatWave, en fournissant un mécanisme qui utilise de manière optimale les ressources matérielles pour de meilleures performances. Ainsi, MySQL HeatWave offre un rendement élevé pour les workloads OLTP et évite qu’il ne baisse lorsque le volume de transactions et le niveau de concurrence sont élevés.
Analyse en temps réel sans ETL
MySQL HeatWave vous permet d’exécuter des analyses en temps réel sur les données de MySQL Database et du stockage d’objets, sans duplication des opérations d'extraction, de transformation et de chargement (ETL). Évitez une intégration complexe et chronophage avec des services de base de données analytique et de lakehouse séparés.
Exécutez des analyses en temps réel
Les requêtes analytiques accèdent aux informations les plus récentes, car les mises à jour issues des transactions sont répliquées automatiquement en temps réel vers le cluster analytique MySQL HeatWave. Il n’est pas nécessaire d’indexer les données avant d’exécuter des requêtes d’analyse. Les développeurs et les administrateurs de bases de données peuvent également tirer parti de MySQL HeatWave pour des analyses en temps réel sur des documents JSON stockés dans MySQL Database et le stockage d’objets, en accélérant les requêtes analytiques sur ces documents de plusieurs ordres de grandeur.
N’apportez aucune modification aux applications MySQL
MySQL HeatWave est une solution MySQL native. Les applications MySQL existantes fonctionnent sans modifications.
Utilisez les mêmes outils de BI et de visualisation des données
MySQL HeatWave prend en charge les mêmes outils de business intelligence (BI) et de visualisation des données que MySQL Database, notamment Oracle Analytics Cloud, Tableau et Looker.
Améliorez la sécurité
Les données au repos et en transit entre MySQL Database et les nœuds du cluster MySQL HeatWave sont toujours chiffrées. Les données ne risquent pas d'être compromises pendant l'ETL, car elles ne sont pas transférées entre les banques de données.
Une plateforme de données moderne avec GenAI et ML
MySQL HeatWave fournit des capacités d’IA générative et de ML intégrées, sans frais supplémentaires.
MySQL HeatWave GenAI
MySQL HeatWave GenAI fournit une IA générative intégrée, automatisée et sécurisée avec des grands modèles de langage (LLM) dans la base de données, un vector store automatisé dans la base de données, un traitement vectoriel à grande échelle et la possibilité d’avoir des conversations contextuelles en langage naturel, ce qui vous permet d’utiliser l’IA générative sans expertise en IA, sans déplacement de données et sans frais supplémentaires.
LLM dans la base de données
Utilisez les LLM intégrés dans toutes les régions Oracle Cloud Infrastructure (OCI), OCI Dedicated Region, Oracle Alloy, Amazon Web Services (AWS) et Microsoft Azure, et obtenez des résultats cohérents avec des performances prévisibles sur l’ensemble des déploiements. Réduisez les coûts d'infrastructure en éliminant le besoin de provisionner les GPU.
Stockage vectoriel dans la base de données
Effectuez une génération augmentée de récupération (RAG) entre les LLM et vos documents propriétaires hébergés dans MySQL HeatWave Vector Store, afin d’obtenir des réponses plus précises et plus pertinentes dans leur contexte, sans déplacer les données vers une base de données vectorielle distincte.
Génération automatisée d'intégrations
Tirez parti du pipeline automatisé pour faciliter la découverte, l’ingestion et la génération d’embeddings pour les documents propriétaires dans MySQL HeatWave Vector Store, afin de permettre aux développeurs et aux analystes, même sans expertise en IA, d’utiliser plus facilement le vector store.
Traitement vectoriel évolutif
Le traitement vectoriel est parallélisé sur jusqu’à 512 nœuds du cluster MySQL HeatWave et s’exécute à la bande passante de la mémoire, ce qui permet d’obtenir des résultats rapides avec une probabilité réduite de perte de précision.
En savoir plus sur MySQL HeatWave GenAI
HeatWave AutoML
Avec le ML dans la base de données, vous n’avez pas besoin de déplacer les données vers un service ML distinct. Vous pouvez facilement et en toute sécurité réaliser l'entraînement, l'inférence et l'explication de vos modèles de machine learning aux données stockées à l'intérieur de MySQL et dans la banque d'objets. Dès lors, vous pouvez accélérer vos projets de machine learning, renforcer votre sécurité et réduire vos coûts.
Automatisation du cycle de vie du ML pour gagner du temps et réduire les efforts
MySQL HeatWave AutoML automatise le cycle de vie du ML, notamment la sélection d’algorithmes, l’échantillonnage intelligent des données pour l’entraînement des modèles, la sélection des caractéristiques et l’optimisation des hyperparamètres, ce qui permet aux data analysts et aux data scientists d’économiser beaucoup de temps et d’efforts. Il offre des options et la flexibilité nécessaires aux utilisateurs expérimentés pour personnaliser le pipeline ML selon leurs besoins. MySQL HeatWave AutoML prend en charge la détection d’anomalies, la prévision, la classification, la régression et les tâches de système de recommandation.
Système de recommandations personnalisées
En prenant en compte les retours implicites (achats passés, comportement de navigation, etc.) et les retours explicites (notes, mentions « J’aime », etc.), le système de recommandation MySQL HeatWave AutoML peut générer des recommandations personnalisées. Les sites d’e-commerce, par exemple, peuvent prédire les articles qu’un utilisateur aimera, les utilisateurs qui aimeront un article donné et les notes que ces articles recevront. À partir d’un utilisateur, les sites peuvent aussi obtenir une liste d’utilisateurs similaires et, à partir d’un article spécifique, obtenir une liste d’articles similaires.
Modèles de machine learning explicables
Tous les résultats des modèles entraînés par MySQL HeatWave AutoML peuvent être expliqués. Des prédictions assorties d’une explication des résultats contribuent à améliorer la conformité réglementaire, l’équité, la répétabilité et la confiance, et à réduire la causalité.
MySQL HeatWave Lakehouse
MySQL HeatWave Lakehouse vous permet d’interroger rapidement les données du stockage d’objets, des bases de données MySQL, ou une combinaison des deux. Le traitement des requêtes est entièrement effectué dans le moteur MySQL HeatWave, ce qui vous permet de tirer parti de MySQL HeatWave Lakehouse pour les workloads non MySQL comme pour les workloads compatibles MySQL.
Architecture évolutive pour la gestion des données et le traitement des requêtes
L’architecture massivement partitionnée de MySQL HeatWave permet une architecture à grande échelle pour MySQL HeatWave Lakehouse. Le traitement des requêtes et les opérations de gestion des données, comme le chargement et le rechargement des données, évoluent avec la taille des données. Les clients peuvent interroger jusqu’à un demi-pétaoctet de données dans le stockage d’objets avec MySQL HeatWave Lakehouse, sans les copier vers l’instance de base de données MySQL. Le cluster MySQL HeatWave peut évoluer jusqu’à 512 nœuds.
Automatisation optimisée par le ML pour améliorer les performances et gagner du temps
Réduisez les frais généraux d’administration des bases de données et améliorez les performances avec MySQL HeatWave Autopilot :
L'inférence de schéma automatique déduit automatiquement la correspondance entre les données de fichier et la définition de schéma concerné pour tous les types de fichier pris en charge, y compris CSV. Par conséquent, les clients n'ont pas besoin de définir et de mettre à jour manuellement le mappage de schéma des fichiers, ce qui permet de gagner du temps et de faire des économies.
L'échantillonnage adaptatif des données échantillonne intelligemment les fichiers du stockage d’objets afin de fournir à MySQL HeatWave Autopilot les informations nécessaires pour établir des prédictions d’automatisation. Grâce à l'échantillonnage adaptatif des données, MySQL HeatWave Autopilot peut analyser et effectuer des prédictions, comme le mapping de schéma sur un fichier de 400 To, en moins d’une minute.
Disponible dans les clouds publics et dans votre data center
Vous pouvez déployer MySQL HeatWave sur OCI, AWS ou Azure. Vous pouvez répliquer des données des applications OLTP on-premises vers HeatWave MySQL pour obtenir des analyses quasiment en temps réel et traiter des données vectorielles dans le cloud. Vous pouvez également utiliser HeatWave MySQL dans votre data center avec OCI Dedicated Region.
MySQL HeatWave sur AWS offre une expérience native aux clients AWS. La console, le plan de contrôle et le plan de données résident dans AWS.