Oracle宣布推出MySQLHeatWaveML，可便捷向MySQL添加机器学习功能

HeatWave ML完全自动化了模型训练、推理和解释

HeatWave ML的速度是Amazon Redshift ML的25倍，成本为1%

2022年3月29日，Oracle宣布除了以前可用的事务处理和分析功能外，Oracle MySQL HeatWave现在还支持数据库机器学习（ML），这是唯一一个支持这种功能的MySQL云数据库服务。MySQL HeatWave ML完全自动化了ML生命周期，并将所有经过培训的模型存储在MySQL数据库中，无需将数据或模型移动到机器学习工具或服务中。消除ETL可以降低应用程序的复杂性，降低成本，并提高数据和模型的安全性。在所有37个Oracle云基础设施（OCI）区域中，MySQL HeatWave数据库云服务都包含HeatWave ML。

到目前为止，对许多开发人员来说，向MySQL应用程序添加机器学习功能是非常困难和耗时的。首先，有一个从数据库中提取数据并进入另一个系统以创建和部署ML模型的过程。这种方法创建了多个筒仓，用于将机器学习应用于应用程序数据，并在数据移动时引入延迟。它还导致数据库中的数据激增，使其更容易受到安全威胁，并增加了开发人员在多个环境中编程的复杂性。第二，现有服务期望开发人员成为指导ML模型培训过程的专家；否则，模型是次优的，这会降低预测的准确性。最后，大多数现有的ML解决方案都没有提供解释为什么开发人员构建的模型能够提供特定预测的功能。

MySQL HeatWave ML通过在MySQL数据库中本地集成机器学习功能来解决这些问题，无需将数据ETL到另一个服务。HeatWave ML完全自动化了训练过程，并为给定数据集和指定任务创建了具有最佳算法、最佳特征和最佳超参数的模型。HeatWave ML生成的所有模型都可以提供模型和预测解释。

没有其他云数据库供应商直接在其数据库服务中提供这样的高级ML功能。Oracle发布了在大量公开可用的机器学习分类和回归数据集（如Numerai、Namao和银行营销等）上执行的ML基准测试。平均而言，在最小的集群上，HeatWave ML训练机器学习模型的速度是Redshift ML的25倍。此外，在更大的HeatWave集群上进行训练时，相对于Redshift ML的性能优势会增加。培训是一个耗时的过程，由于MySQL HeatWave可以非常高效、快速地完成培训，客户现在可以更频繁地重新培训他们的模型，并跟上数据的变化。这将使模型保持最新，并提高预测的准确性。

“就像我们将分析和事务处理集成到一个数据库中一样，我们现在正在MySQL HeatWave中引入机器学习，”甲骨文首席企业架构师爱德华·斯克莱文说。“MySQL HeatWave是Oracle增长最快的云服务之一。越来越多的客户从亚马逊和其他云数据库服务迁移到MySQL HeatWave，并获得了显著的性能改进和更低的成本。今天，我们还宣布了一些其他创新，这些创新丰富了HeatWave的功能，提高了可用性，降低了成本。我们的new和完全透明的基准测试结果再次证明，Snowflake、AWS、微软和谷歌比MSQL HeatWave要慢得多，成本也要高得多。"

与其他云数据库服务相比，HeatWave ML提供以下功能：

全自动模型培训：使用HeatWave ML创建模型的所有不同阶段都是全自动的，不需要开发人员的任何干预。这将产生一个更精确的优化模型，无需手动操作，并且训练过程始终完成。Amazon Redshift等其他云数据库服务在外部服务中提供与机器学习功能的集成，这需要开发人员在ML培训过程中进行大量手动输入。

模型和推理解释：模型解释性帮助开发人员理解机器学习模型的行为。例如，如果银行拒绝客户贷款，银行需要能够确定模型的哪些参数已被考虑，或者模型是否包含任何偏差。预测可解释性是一组帮助回答机器学习模型为何做出特定预测的技术。如今，预测解释变得越来越重要，因为公司必须能够解释机器学习模型做出的决策。HeatWave ML将模型解释和预测解释集成为其模型训练过程的一部分。因此，HeatWave ML创建的所有模型都可以提供模型和推理解释，而无需在推理解释时进行训练数据。Oracle增强了现有的解释技术，以提高性能、可解释性和质量。其他云数据库服务并没有为所有的机器学习模型提供如此丰富的可解释性。

超参数调整：HeatWave ML为超参数调整实现了一种新的基于梯度搜索的简化算法。这使得超参数搜索可以并行执行，而不会影响模型的准确性。超参数调整是ML模型训练中最耗时的阶段，与其他云服务相比，这种独特的功能为HeatWave ML构建机器学习模型提供了显著的性能优势。

算法选择：HeatWave ML使用代理模型的概念，这些模型是简单的模型，展示了完整复杂模型的特性，以确定最佳的ML训练算法。使用一个简单的代理模型，算法选择是非常有效的，而不会损失准确性。没有其他用于构建机器学习模型的数据库服务具有这种代理建模功能。

智能数据采样：在模型训练期间，HeatWave ML对一小部分数据进行采样，以提高性能。这种采样的方式是在样本数据集中捕获所有代表性数据点。其他用于构建机器学习模型的云服务采用了一种效率较低的方法，即使用随机数据采样，在不考虑数据分布特征的情况下采样一小部分数据。

特征选择：特征选择有助于确定影响机器学习模型行为以进行预测的训练数据的属性。HeatWave ML中用于特征选择的技术已经在多个领域和应用程序的大量数据集上进行了培训。从这些收集的统计数据和元信息中，HeatWave ML能够有效地识别新数据集中的相关特征。

除了机器学习功能，Oracle还为MySQL HeatWave 服务发布了更多创新。实时弹性使客户能够将其 HeatWave 群集的大小调整为任意数量的节点，而无需停机或只读时间，也无需手动重新平衡群集。还包括数据压缩，它使客户能够处理每个节点两倍的数据量，并将成本降低近50%，同时保持相同的性价比。最后，新的暂停和恢复功能使客户能够暂停HeatWave以节省成本。恢复后，MySQL Autopilot所需的数据和统计信息会自动重新加载到HeatWave中。

MySQL HeatWave上的客户和合作伙伴

Astute Business Solutions是领先的Oracle云MSP合作伙伴。“我们最近有机会使用HeatWave ML的机器学习功能。我们发现它非常创新、易于使用、非常快速，最重要的是，它是安全的，因为数据或模型不会离开数据库，”Astute Business Solutions的联合创始人兼首席执行官Arvind Rajan说。“我们相信，提供数据库中的机器学习对我们的客户非常有意义，并将进一步加快MySQL HeatWave的采用。”

Estuda.com 是巴西K-12学生测试的教育SaaS提供商。Estuda联合创始人兼首席技术官维托·弗雷塔斯（Vitor Freitas）说：“MySQL HeatWave将我们复杂的查询性能在几秒钟内提高了300倍，与Google BigQuery相比，在没有代码更改的情况下，成本是后者的85%。现在我们可以更好地提供300万用户规模的实时分析，并不断改进我们的应用程序，以提高学生的性能。”。通用域名格式。

VRGlass是一家为企业客户提供metaverse应用程序和设备的巴西利亚SaaS生产商。

VRGlass首席执行官Ohmar Tacla说：“受Oracle for Startup计划取得进展的推动，VRGlass将所有应用程序数据从AWS EC2迁移到了MySQL HeatWave。在三个小时内，我们实现了一个虚拟活动的数据库性能的5倍增长，该虚拟活动容纳了超过100万名访客和170万个会话，具有更高的安全性，成本仅为原来的一半。”。

Genius Sonority是日本的视频游戏设计师、开发者和运营商。Genius Sonority首席技术官川本正幸（Masayuki Kawamoto）说：“我们发现MySQL HeatWave的性能提高了90倍，解决了我们在移动数据以实现实时分析方面的所有挑战和担忧。这对我们来说是一个巨大的惊喜。性能的极大提高帮助我们不断改善游戏体验，为世界各地的客户带来愉悦的娱乐。”。

20多年来，Neovera一直是受信任的网络安全管理解决方案提供商。Neovera Inc.高级Oracle数据库架构师Arman Rawls说：“OCI上的MySQL HeatWave将我们的查询性能提高了300倍，与我们的本地MySQL数据库环境相比，TCO降低了80%。现在我们可以在OLTP数据库中获得实时分析报告，以加速增强我们的安全应用程序。”。

IDC数据管理软件研究副总裁卡尔·奥洛夫森（Carl Olofson）表示：“去年8月，甲骨文公司宣布了MySQL HeatWave，并启用了Autopilot，这很可能是过去20年来开源云数据库领域最伟大的创新。”。“现在，Oracle已经超越了最初在HeatWave中统一OLTP和OLAP的做法，使用了MySQL HeatWave ML。Oracle将所有的机器学习处理和模型都放在数据库中，这样客户不仅可以避免在核心数据库之外管理ML数据库，还可以消除ETL的麻烦，从而获得速度、准确性和成本效益。”

文章来源：https://finance.yahoo.com/news/oracle-announces-mysql-heatwave-ml-160000679.html- ::: hljs-center