Oracle于2022年3月29日，在Oracle的云上發布了MySQL HeatWave 機器學習（ML）。Oracle MySQL HeatWave除了用于事務處理和分析之外，現在還支持數據庫內機器學習 (ML)。MySQL HeatWave ML對?ML?的生命周期完全自動化，并將所有經過訓練的模型存儲在 MySQL 數據庫中，用戶無需將數據或模型移動到機器學習工具或服務中。消除 ETL ，可降低應用程序復雜性、降低成本并提高數據和模型的安全性。

以往，在MySQL中使用機器學習時，用戶需要對數據庫表執行ETL (Extract, Transform, Load)。數據必須從數據庫中提取出來，用戶需要學習并使用第三方工具和庫來訓練模型，然后進行推理和解釋。除了繁瑣和耗時之外，該過程還可能會在數據庫之外產生大量數據，從而導致數據安全和治理問題。

HeatWave ML允許MySQL用戶訓練模型，生成推理和解釋，而不需要從MySQL數據庫中提取數據，并具有如下優點:

?全自動:HeatWave ML完全自動創建調優模型，生成推理和解釋，從而避免了用戶成為專家ML開發人員的需要

?SQL接口:提供熟悉的MySQL接口，用于調用機器學習功能

?安全性和效率:數據和模型永遠不會離開MySQL數據庫。客戶端或任何其他服務都不會看到存儲在數據庫服務中的數據或模型

?解釋:所有由HeatWave ML創建的模型都可以解釋。企業需要對機器學習模型的預測進行解釋，以建立信任，證明公平，并遵守監管要求。

?性能和可伸縮性:與Redshift ML等類似產品相比較，HeatWave ML能夠以更低的成本獲得了更好的性能。此外，HeatWave ML可以隨集群的大小進行伸縮。

?易于升級:HeatWave ML利用最先進的開源Python ML包，使夠持續和迅速地吸納更新(和改進)的版本。

HeatWave中的ML功能被整合到數據庫中，用戶不必從數據庫中提取數據。訓練、推理和解釋活動均在數據庫中執行，不需要移動數據。分析查詢和ML查詢共享一個公共的查詢隊列，分析查詢優先級高于ML查詢。注意，分析數據和ML數據將共享內存資源，ML內存使用限制為預先設置的內存限制。

HeatWave ML利用了Oracle AutoML技術，它可以自動生成模型。可以代替數據科學家執行費時費力的任務:

1. 預處理的數據

2. 從一組算法中選擇一個算法來創建一個模型

3.選擇一個合適的有代表性的數據樣本

4. 只選擇相關的特征來加速管道，減少過度擬合

5. 超級參數調優

6. 確保模型能夠很好地處理不可見的數據(泛化能力)

Oracle AutoML有一個可擴展的設計，通過廣泛使用元學習來最小化試驗次數，并在給定時間預算的情況下提供一個最佳模型。這種成熟的技術已經集成到各種Oracle產品中，包括OCI數據科學服務和Oracle數據庫。

MySQL HeatWave是唯一一個在MySQL數據庫中直接支持OLTP、OLAP和機器學習的云數據庫服務，避免了復雜、耗時、昂貴的數據移動和與單獨的分析或機器學習服務的集成。基準測試表明，HeatWave ML 訓練模型的速度提高了 25 倍，成本僅為 Amazon Redshift ML 的 1%，而不會影響準確性，并且隨著節點的添加而擴展。

HeatWave ML可供MySQL HeatWave客戶免費使用。對HeatWave感興趣的讀者可以訪問“https://www.oracle.com/mysql/”了解詳情。

感謝您關注“MySQL解決方案工程師”！

總結

以上是生活随笔為你收集整理的重磅新品 MySQL HeatWave 机器学习（ML）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。