MySQL HeatWave Lakehouse

MySQL HeatWave Lakehouse ermöglicht es Ihnen, Daten im Objektspeicher mit hoher Leistung und ausgezeichnetem Preis-Leistungs-Verhältnis abzufragen – und automatisch ML-Modelle zu erstellen, zu trainieren und zu erklären. Es ist auf Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) und Microsoft Azure verfügbar.

Demo: MySQL HeatWave Lakehouse on AWS (4:32)

MySQL Global Forum: 30 Jahre MySQL – Ein Grund zum Feiern

Sehen Sie sich die Aufzeichnung des Webcasts an, wann immer Sie Zeit haben. Erfahren Sie von Experten aus der Community bewährte MySQL-Best Practices und entdecken Sie neue Funktionen für mehr Entwicklerproduktivität, Cloud-Services, GenAI und vieles mehr.

Was spricht für MySQL HeatWave Lakehouse?

  • Fragen Sie Daten im Objektspeicher ab

    MySQL HeatWave ist eine skalierbare Datenverarbeitungs-Engine, die für Abfragen auf Daten im Objektspeicher optimiert ist. Mit MySQL HeatWave Vector Store können Sie strukturierte Daten, halbstrukturierte Daten im JSON-Format und unstrukturierte Dokumente abfragen.

  • Integrierte ML mit all Ihren Daten verwenden

    Automatisieren Sie die Pipeline zum Erstellen, Trainieren, Bereitstellen und Erläutern von ML-Modellen mithilfe von Daten im Objektspeicher und in der MySQL Database – ohne die Daten in einen separaten ML-Cloud-Service zu verschieben und ohne zusätzliche Kosten.

Funktionsweise von MySQL HeatWave Lakehouse

MySQL HeatWave Lakehouse verarbeitet Daten in verschiedensten Dateiformaten, darunter CSV, Parquet, Avro, JSON und Exporte aus anderen Datenbanken. Darüber hinaus können Sie Daten im Objektspeicher abfragen und diese optional mit Transaktionsdaten in MySQL Databases kombinieren. Mit dem MySQL HeatWave Vector Store können Sie unstrukturierte Dokumente hochladen und abfragen. Daten, die für die Verarbeitung in den MySQL-HeatWave-Cluster geladen werden, werden automatisch in das In-Memory-Format von MySQL HeatWave konvertiert. Daten imObjektspeicher werden dabei nicht in die MySQL-Datenbank kopiert. Sie profitieren außerdem von MySQL HeatWave AutoML – eine integrierte Funktion, die die gesamte Pipeline zur Erstellung, zum Training und zur Erklärung von ML-Modellen automatisiert, basierend auf Daten im Objektspeicher, in der Datenbank oder aus beiden Quellen. Sie müssen die Daten nicht in einen separaten ML-Cloud-Service verschieben, und auch kein ML-Experte sein.

Diagramm zur Funktionsweise von MySQL Heatwave Lakehouse (siehe Details unten):
Transaktionale Daten in MySQL Database sowie Objektspeicher-Daten in Formaten wie CSV, Parquet, Avro, JSON und Datenbankexporten werden in Echtzeit in den MySQL-HeatWave-Cluster repliziert. Dadurch erhalten Unternehmen Echtzeitanalysen über alle diese Daten hinweg. Da die Funktionen für maschinelles Lernen direkt in MySQL HeatWave integriert sind, können Kunden sowohl Daten aus der Datenbank als auch aus dem Objektspeicher nutzen, um ML-Modelle zu erstellen, zu trainieren, bereitzustellen und zu erklären.

Kundenperspektiven zu MySQL HeatWave Lakehouse

  • „MySQL HeatWave Lakehouse skaliert beim Laden von Daten aus dem Objektspeicher und beim Ausführen von Abfragen im Objektspeicher hervorragend. Ladezeiten und Abfragezeiten bleiben nahezu konstant, wenn die Datenmenge wächst und der MySQL-HeatWave-Cluster entsprechend skaliert. Diese Skalierbarkeit macht MySQL HeatWave Lakehouse für das effiziente Verarbeiten sehr großer Datenmengen besonders wertvoll.“

    – Henry Tullis, Leiter, Cloud Infrastructure and Engineering, Deloitte Consulting

  • „Die Datenmenge wächst exponentiell und damit auch die Menge der Daten, die wir in unserem Data Lake speichern. Die Möglichkeit, die Standard-MySQL-Syntax zum Abfragen von Daten in unserer Datenbank und unserem Objektspeicher zu verwenden, um Einblicke in Echtzeit zu erhalten, ist für Natura sehr wichtig. Dies eröffnet neue Möglichkeiten zur Erkundung und könnte neue Wettbewerbsvorteile verschaffen, wenn wir all diese Daten schneller als unsere Konkurrenz analysieren können.“

    – Fabricio Rucci, Solution Architect bei Natura &Co

Anwendungsfälle für MySQL HeatWave Lakehouse

Mit MySQL HeatWave Lakehouse erhalten Benutzer schnelle und kosteneffiziente Einblicke, indem sie historische Transaktionsdaten für Analysezwecke in den Objektspeicher auslagern.


Bankwesen-Diagramm, Beschreibung unten:

Dieses Diagramm zeigt, dass es kostspielig sein kann, alle historischen Transaktionsdaten in der Transaktionsdatenbank On-Premises für Analysen beizubehalten. Ältere Transaktionsdaten werden daher als CSV-Dateien in den Objektspeicher exportiert. MySQL HeatWave Lakehouse ermöglicht schnelle Abfragen auf Daten im Objektspeicher und liefert so rasche und wirtschaftliche Analysen historischer Transaktionsdaten.



Mit MySQL HeatWave Lakehouse können Benutzer Erkenntnisse aus aktuellen Kampagnendaten in ihrer Transaktionsdatenbank und älteren Kampagnendaten in ihrem Data Lake gewinnen.


Digitales Marketingdiagramm, Beschreibung unten:

Die Grafik zeigt, dass alle Kampagnendaten zunächst in der transaktionalen MySQL-HeatWave-Datenbank gespeichert werden und ältere Kampagnendaten in einen Data Lake im Objektspeicher exportiert werden. MySQL HeatWave Lakehouse kann sowohl aktuelle Daten in der Datenbank als auch ältere Kampagnendaten im Objektspeicher gemeinsam abfragen. So lassen sich Analyseabfragen über sämtliche Kampagnendaten hinweg durchführen.



Von IoT-Sensoren erzeugte Daten können von Anwendungen über MySQL HeatWave Lakehouse genutzt werden.


IoT-Diagramm, Beschreibung unten:

Dieses Diagramm zeigt, dass Daten von IoT-Sensoren auf Versandcontainern generiert und als CSV-Dateien in einem Data Lake im Objektspeicher gespeichert werden. MySQL HeatWave Lakehouse ermöglicht schnelle Abfragen auf diesen Daten und unterstützt damit Analyse-Dashboards und Chatbots, die auf IoT-Daten zugreifen.



Benutzer können Verkaufs- und Medienkampagnen effizient planen, indem sie mit MySQL HeatWave Lakehouse gleichzeitig Verkaufsdaten in ihrer Transaktionsdatenbank sowie Verkaufsstatistiken und Kampagnendaten im Objektspeicher abfragen.


Medien-Diagramm, Beschreibung unten:

Dieses Diagramm zeigt, dass Buchverkäufe in der transaktionalen MySQL HeatWave-Datenbank erfasst und gespeichert werden. Statistiken über Verkäufe und Kampagnen werden gesammelt und diese Daten als CSV-Dateien in den Objektspeicher exportiert. MySQL HeatWave Lakehouse kann transaktionale Daten gemeinsam mit Daten im Objektspeicher abfragen und ermöglicht es Anwendern, Verkaufs- und Kampagnenplanungen effizient zu steuern.



Erfahren Sie, was Top-Analysten über MySQL HeatWave Lakehouse sagen

  • IDC-Logo

    „Organisationen, die das beste Preis-Leistungs-Verhältnis in der Cloud-Data-Lakehouse-Landschaft suchen, müssen MySQL HeatWave Lakehouse ernsthaft in Betracht ziehen.“

    Carl Olofson
    Research Vice President, Data Management Software, IDC
  • Logo von Wikibon

    „Dass MySQL HeatWave Daten auf einer so großen Anzahl von Knoten parallel laden und abfragen kann, ist eine Branchenpremiere.“

    Marc Staimer
    Senior Analyst, Wikibon
  • The Futurum Group-Logo

    „Dass MySQL HeatWave Lakehouse sowohl beim Laden als auch beim Abfragen von Daten Rekordleistung erzielt, ist eine beispiellose Innovation im Bereich Cloud-Datenservices.“

    Ron Westfall
    Research Director, The Futurum Group
  • Omdia-Logo

    „Mit MySQL HeatWave Lakehouse unterbreitet Oracle MySQL-Kunden auf AWS und Microsoft Azure ein Angebot, das sie möglicherweise nicht ablehnen können.“

    Bradley Shimmin
    Chief Analyst, AI & Data Analytics, Omdia
  • Moor-Logo

    „MySQL HeatWave Lakehouse kann das Leben von Datenmanagement-Experten vereinfachen und sollte die Customer Experience verbessern.“

    Matt Kimball
    Vice President und Principal Analyst, Datacenter, Moor Insights & Strategy
  • NAND Research-Logo

    „Einfach ausgedrückt: Mit MySQL HeatWave Lakehouse können Sie der Konkurrenz einen Schritt voraus sein, indem Sie schnell auf aussagekräftige Geschäftseinblicke reagieren.“

    Steve McDowell
    Principal Analyst und Founding Partner, NAND Research
  • Constellation Research-Logo

    „Das MySQL HeatWave-Team hat die Branche übertroffen und fünf zentrale Datenbankanwendungsfälle in einer einzigen Datenbank vereint. Damit erhalten Führungskräfte die Sicherheit, eine Datenbank zu nutzen, die alles kann – eine echte Universal-Datenbank.“

    Holger Mueller
    Vice President and Principal Analyst bei Constellation Research
  • KuppingerCole-Logo

    „MySQL HeatWave Lakehouse bringt Kunden auf ein neues Leistungsniveau: Sie können heterogene Daten über Data Warehouses und Data Lakes hinweg im Petabyte-Bereich mit der vertrauten SQL-Syntax abfragen und gleichzeitig beliebte Konkurrenten bei Abfrageperformance, Ladezeiten und Kosteneffizienz schlagen.“

    Alexei Balaganski
    Lead Analyst & CTO, KuppingerCole Analysts

Weitere Informationen zu anderen MySQL HeatWave -Lösungen für Ihre verschiedenen Workloads

Erste Schritte mit MySQL HeatWave Lakehouse

Mit schrittweiser Anleitung lernen

Erleben Sie MySQL HeatWave Lakehouse in Ihrem eigenen Tempo mit Schritt-für-Schritt-Anleitungen.

Kostenloser Workshop zu MySQL HeatWave Lakehouse

Fordern Sie einen kostenlosen, von Experten geleiteten Workshop an, um MySQL HeatWave Lakehouse zu bewerten bzw. damit zu starten.

MySQL Heatwave Lakehouse
kostenlos testen

Registrieren Sie sich für eine kostenlose Testversion von MySQL HeatWave Lakehouse. Diese bietet einen zeitlich unbegrenzten Zugang zu kostenlosen Ressourcen.