甲骨文以機器學習強化MySQL Heatwave，叫戰Amazon Aurora、Google BigQuery

摘要： 線上資料庫查詢加速引擎MySQL Heatwave透過Autopilot技術來強化查詢速度及可擴充性

▲圖片標題(來源：Oracle)

甲骨文本周宣布，MySQL Autopilot以機器學習技術來強化線上資料庫查詢加速引擎MySQL Heatwave的運作，挑戰Amazon Aurora、Google BigQuery和Snowflake。

MySQL Heatwave是甲骨文去年12月發布的服務，是用於Oracle Cloud Infrastructure上MySQL Database雲端服務的in-memory查詢加速引擎，可同時支援OLTP及OLAP，讓使用者得以執行混合式分析作業，或是以比傳統MySQL資料庫快10到1000倍的速度進行即時分析。而Autopilot則是使用機器學習技術來進一步強化MySQL Heatwave的查詢速度及可擴充性。MySQL Heatwave用戶可免費獲得Autopilot。

MySQL Heatwave定位在中小型企業市場，主打性價比。針對大型企業市場，仍將以Oracle Exadata及Autonomous Database為主。

Autopilot以機器學習強化Heatwave的資料庫調撥（provisioning）及查詢加速。它一共涵括9項以機器學習實現的功能，包括自動化叢集節點的調撥、資料平行倒入Heatwave、資料在記憶體內分區的配置，並以機器學習協助查詢預測、查詢排程規劃、最佳化查詢執行，以及Heatwave系統錯誤的應變等。

甲骨文宣稱，結合Autopilot，在標竿測試中Heatwave的效能價格比是Snowflake的35倍、Amazon Redshift加AQUA組合的13倍，也是Google BigQuery的36倍，或是Azure Synapse的15倍。此外，在混合式分析作業上，MySQL、HeatWave組合延遲率是Amazon Aurora的1/18。

連同MySQL Autopilot，甲骨文也同時推出MySQL向外擴充（Scale-Out）資料管理，可提升資料重倒入HeatWave的效能達100倍，可進一步拉抬效能。利用這項功能，HeatWave支援節點由24個節點增加到最多64個，而資料處理量也從之前的12TB提升到32TB。

甲骨文也宣布一些中小型企業，包括日本的FAN Communications、線上遊戲業者Tetris.co、行銷業者Red3i由較貴的Amazon Aurora轉移到MySQL Heatwave上。

轉貼自： iThome

若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance