Oracle heeft belangrijke verbeteringen aangekondigd voor MySQL HeatWave, waaronder ondersteuning voor vector store, generative AI, nieuwe in-database machine learning-functies, verbeteringen voor MySQL Autopilot, nieuwe HeatWave Lakehouse-mogelijkheden, ondersteuning voor JavaScript, versnelling van JSON-query's en ondersteuning voor nieuwe analytische operatoren. De vectoropslag, die zich momenteel in een besloten preview bevindt, zal klanten in staat stellen om de kracht van grote taalmodellen (LLM's) te benutten met hun eigen gegevens om antwoorden te krijgen die nauwkeuriger zijn dan wanneer modellen worden gebruikt die alleen op openbare gegevens zijn getraind. Met de mogelijkheden van generatieve AI en vectoropslag kunnen klanten in natuurlijke taal communiceren met MySQL HeatWave en efficiënt zoeken naar documenten in verschillende bestandsformaten in HeatWave Lakehouse.

MySQL HeatWave AutoML: MySQL HeatWave biedt in-database machine learning met een volledig geautomatiseerde pijplijn voor het trainen van modellen. Klanten hoeven gegevens niet te verplaatsen naar een aparte machine learning service; ze kunnen eenvoudig en veilig machine learning training, inferentie en uitleg toepassen op gegevens die zijn opgeslagen in MySQL HeatWave. De volgende nieuwe mogelijkheden zijn toegevoegd: Ondersteuning voor HeatWave Lakehouse: Klanten kunnen nu HeatWave AutoML gebruiken voor training, inferentie en uitleg op gegevens in objectopslag naast gegevens in de MySQL database?en een veel bredere set gegevens gebruiken voor machine learning; Ondersteuning voor tekstkolommen: Stelt klanten in staat om machine-learning taken uit te voeren - anomaliedetectie, voorspelling, classificatie, regressie en aanbevelingssysteem - op tekstkolommen, waardoor het corpus van gegevens waarop klanten HeatWave AutoML kunnen gebruiken verder wordt uitgebreid; Verbeterd aanbevelingssysteem: Met ondersteuning voor Bayesian Personalized Ranking (BPR) kan HeatWave AutoML nu rekening houden met zowel impliciete feedback (eerdere aankopen, surfgedrag) als expliciete feedback (beoordelingen, vind-ik-leuks) om gepersonaliseerde aanbevelingen te genereren.

Analisten kunnen bijvoorbeeld voorspellen welke items een gebruiker leuk zal vinden, welke gebruikers een specifiek item leuk zullen vinden en welke beoordelingen items zullen krijgen: Klanten kunnen nu de voortgang van de modeltraining met HeatWave AutoML controleren, zodat ze hun bronnen beter kunnen beheren. MySQL Autopilot: MySQL Autopilot is een ingebouwde functie van MySQL HeatWave die gebruik maakt van automatisering op basis van machinaal leren om de prestaties en schaalbaarheid te helpen verbeteren zonder dat er expertise nodig is op het gebied van database tuning. Het leert van de uitvoering van query's om het uitvoeringsplan van toekomstige query's te verbeteren.

De nieuwste verbeteringen aan MySQL Autopilot omvatten: MySQL Autopilot indexering (beperkte beschikbaarheid): Helpt klanten de tijdrovende taken te elimineren van het maken van optimale indexen voor hun OLTP workloads en het onderhouden daarvan in de loop van de tijd als de workloads evolueren. MySQL Autopilot bepaalt automatisch welke indexen klanten moeten aanmaken of verwijderen uit hun tabellen om hun OLTP-doorvoer te optimaliseren, waarbij machine learning wordt gebruikt om een voorspelling te doen op basis van de werkbelasting van individuele toepassingen. Bovendien voorspelt Autopilot indexering de verwachte verbetering met de aanbevolen indexen zonder deze indexen aan te maken en zonder reken- of opslagoverhead op de tenancy van de gebruiker.

Automatische compressie: Helpt klanten bij het bepalen van het optimale compressiealgoritme voor elke kolom, waardoor de laad- en queryprestaties verbeteren met snellere gegevenscompressie en -decompressie. Door het geheugengebruik te verminderen, kunnen klanten tot 25% op hun kosten besparen. Adaptieve query-uitvoering: Helpt klanten het uitvoeringsplan van een query te optimaliseren nadat de query is begonnen met uitvoeren, waardoor de prestaties van ad-hocquery's met wel 25% verbeteren.

Het gebruikt informatie die is verkregen uit de gedeeltelijke uitvoering van de query om gegevensstructuren en systeembronnen aan te passen en optimaliseert vervolgens onafhankelijk de query-uitvoering voor elke HeatWave-node op basis van de werkelijke gegevensdistributie tijdens de uitvoering. Automatisch laden en lossen: Autopilot laadt automatisch de kolommen die worden gebruikt in een toepassingsworkload naar HeatWave en lost automatisch tabellen die nooit of zelden zijn opgevraagd. Dit helpt geheugen vrij te maken en kosten voor klanten te verlagen, zonder dat deze taak handmatig hoeft te worden uitgevoerd.

Extra verbeteringen aan MySQL HeatWave: JavaScript-ondersteuning (beperkt beschikbaar): Stelt klanten in staat om opgeslagen procedures en functies in JavaScript te schrijven en deze binnen MySQL HeatWave uit te voeren. Dit maakt het gemakkelijker voor ontwikkelaars om rijke applicatielogica in JavaScript te schrijven en hoge prestaties te krijgen door het programma in de MySQL database uit te voeren. De prestaties van JavaScript-toepassingen worden verbeterd omdat gegevens niet van de database naar de client worden overgebracht en code just-in-time (JIT) wordt gecompileerd in de GraalVM runtime.

JSON-versnelling: Ontwikkelaars en DBA's kunnen nu profiteren van HeatWave voor real-time analyses op JSON-documenten die zijn opgeslagen in de MySQL-database, waardoor query's met ordes van grootte worden versneld. Nieuwe analytische operatoren: Met ondersteuning voor nieuwe analytische operators, waaronder CUBE, Hyper Log Log, Qualify en Table sample, kunnen klanten meer workloads migreren naar MySQL HeatWave. Bulk ingest in MySQL HeatWave: Ondersteuning voor het parallel opbouwen van index-subbomen tijdens het in bulk laden van gegevens uit CSV-bestanden helpt klanten om een 10X verbetering te bereiken in de gegevensopnameprestaties ten opzichte van Amazon Aurora.

Als gevolg hiervan kunnen gegevens sneller worden opgevraagd en worden de systeembronnen die worden gebruikt voor het laden van gegevens veel sneller vrijgemaakt, waardoor de kosten voor klanten dalen.