Oracle 针对 DBaaS 的“瑞士军刀”方法继续通过 MySQL HeatWave ML 获得回报
开放式 MySQL 数据库是数据处理和分析的主力，其性能和成本优势可与所有主要云平台相媲美。
但是，虽然传统的 MySQL 数据库提供了可靠性和成本节约，但它们的报告和分析能力有限，自动化潜力低，机器学习能力为零。 数据库管理员通过以“正确的工具完成正确的工作”的方法添加单独的服务来克服这个问题。 这是其他云巨头肯定采用的一种方法，其中数据库选项的大杂烩正迅速成为常态。
甲骨文公司选择了一条不同的道路。 随着云数据库的份额开始上涨，其市场领先的 Oracle 数据库的受欢迎程度呈现出非常缓慢但稳定的下跌趋势，该公司通过将所有数据库功能融合到其 MySQL HeatWave 完全托管的数据库服务中来挑战传统。
“我们看到 Oracle 正在采用瑞士军刀方法，融合数据库功能，使分析和事务工作负载能够在同一个数据存储中运行，消除了 ETL 的需要，同时在其平台中添加了自动化和机器等功能学习，”CUBE 行业分析师 Dave Vellante 在数据库市场的 CUBE Power Panel 中说道。
Vellante 在本周与 Oracle MySQL 数据库和 HeatWave 高级副总裁 Nipun Agarwal（如图）和 Advanced Micro Devices Inc. 战略业务发展公司副总裁 Kumaran Siva 的 CUBE 对话中深入探讨了 MySQL Heatwave 的快速发展。他们讨论了数据库内机器学习如何成为提供现代分析所需的性能水平的关键。
自动化培训消除了对 ML 专家的需求
根据 Agarwal 的说法，甲骨文选择将 ML 集成到 MySQL HeatWave 中而不是采用 AWS 和其他竞争对手选择的专用数据库方法有多种原因。 首先是安全性。
“客户不需要移动数据。 如果他们不需要移动数据，它会更安全，因为它受到与其他数据相同的访问控制机制的保护，”他解释道。
此外，单个数据库更快，让用户避免处理多个服务。 此外，根据 Agarwal 的说法，他们不必为外部 ML 服务付费。 另一个区别是甲骨文在 MySQL HeatWave 中自动化了 ML 训练过程。 这消除了雇用 ML 专家的需要，因为不需要提供特定参数，只需提供源数据和 ML 训练的任务。
“这对数据库用户非常重要，对 MySQL 用户也非常重要，”Agarwal 说。 “他们真的不想聘请数据科学家或专家进行培训。”
自动化 ML 训练加快了流程，这使得更频繁的再训练成为可能，并使模型能够保持最新。
“而且，由于模型是最新的，预测的准确性很高，”Agarwal 补充道。
然后，客户可以运行推理以从模型中获得可操作的见解。 而且，在 Agarwal 所说的“最抢手的请求”中，他们可以获得 MySQL HeatWave ML 生成或训练的任何模型的解释。
MySQL HeatWave ML 如何击败竞争对手？
Agarwal 和 Siva 在之前的 CUBE 对话中讨论了 MySQL HeatWave 令人印象深刻的性能统计数据。 而当谈到 MySQL HeatWave 的 ML 性能时，甲骨文提供了带有吹牛权利的数字。 根据 Agarwal 的说法，引用 MySQL HeatWave 和 AWS Redshift ML 之间的比较，HeatWave ML 在 12 个分类数据集和 6 个回归数据集上的总体性能比 Redshift ML 快 25 倍，成本仅为 1%。
分析师 Marc Staimer 为 SiliconANGLE Media 的姊妹市场研究公司 Wikibon 进行的研究使 MySQL HeatWave ML 在竞争中脱颖而出。 结果显示，在总拥有成本/性能方面，MySQL HeatWave 比 Amazon Redshift ML 高出 82 倍，Azure SynapseML 高出 85 倍，GCP BigQuery ML 高出 88 倍。
“我们专门为机器学习开发了许多技术，”Agarwal 说。 “[These] 为我们提供更好的性能、更好的性价比以及更好的可扩展性。”
这种性能并非像大多数人认为的那样来自功能更强大的图形处理单元，而是来自能耗较低的中央处理单元。 这是由支持 Oracle 云基础设施的 AMD EPYC 处理器实现的。
“对于这个用例，你在 EPYC 的 AMD 架构中看到的是平衡和事实，即你能够无缝地进行预处理、人工智能和后处理——这具有巨大的价值， ”西瓦说。
使用 MySQL HeatWave ML，推理、解释和训练都使用同一 OCI 基础架构中的 CPU。 根据 Siva 的说法，使用相同的基础架构可以带来更好的 TCO 和更好的性能，因为“您将数据带到了计算中”。
Futurum 高级分析师兼研究总监 Ron Westfall 在 CUBE Power Panel 中表示：“数据库中的 HeatWave ML 让 Redshift ML 和 Snowflake 受到关注。” “这些解决方案在工程、性能和成本方面是否更像昨天的技术？ 因为它们速度较慢且价格更高，所以答案很可能是肯定的。”
这是完整的视频采访，是 SiliconANGLE 和 the CUBE 的众多 CUBE 对话之一，一定要查看更多 SiliconANGLE 和 the CUBE 对企业技术、数字化转型和创新文化的报道：
照片：硅角