甲骨文宣布，Oracle MySQL HeatWave現支持數據庫內機器學習（ML），為之前的事務處理和分析功能錦上添花，這是唯一支持此功能的MySQL云數據庫服務。MySQL HeatWave ML全面自動執行機器學習生命周期，并將所有經過訓練的模型存儲在MySQL數據庫中，因此無需將數據或模型移動到機器學習工具或服務中。消除提取、轉換和加載 (ETL) 流程可降低應用程序的復雜性與成本，并提高數據和模型的安全性。HeatWave ML功能現已包含在所有37個Oracle云基礎設施（OCI）區域的MySQL HeatWave數據庫云服務中。

HeatWave ML可以全面自動化模型訓練、推斷和解釋

到目前為止，為MySQL應用程序添加機器學習功能對許多開發人員來說非常困難且耗時。首先，開發人員需要將數據從數據庫提取到另一個系統，以創建和部署 機器學習模型。在將機器學習應用于應用程序數據方面，這種方法創建了多個孤島，并延遲數據移動。這還導致數據庫外的數據激增，使其更易受到安全威脅，并增加了開發人員在多個環境中進行編程的復雜性。其次，現有的服務期待開發人員成為指導機器學習模型訓練過程的專家；否則，模型是次優的，并會降低預測的準確性。最后，大多數現有的 機器學習解決方案沒有包括相應功能來解釋開發人員構建的模型為何會提供某種特定預測。

MySQL HeatWave ML通過在MySQL數據庫內原生集成機器學習功能來解決這些問題，而無需將數據ETL到其他服務。HeatWave ML完全自動化訓練過程，并為給定數據集和指定任務創建具有最佳算法、最佳特征和最佳超參數的模型。HeatWave ML生成的所有模型都可以提供模型和預測解釋。

沒有其他云數據庫供應商可以直接在數據庫服務中提供此類高級的機器學習功能。甲骨文此次發布的機器學習基準測試可在大量公開可用的機器學習分類和回歸數據集上執行，例如Numerai、Nomao和Bank Marketing等。針對在更大的HeatWave集群上進行培訓時，會增加相對于Redshift ML的性能優勢。使用MySQL HeatWave可以非常高效且快速地完成耗時的訓練過程，因此客戶現在可以更頻繁地重新訓練模型并跟上數據的變化。這樣可以使模型保持最新并提高預測的準確性。

甲骨文首席企業架構師Edward Screven表示：“正如在單一數據庫中集成運行分析和事務處理一樣，我們現將機器學習引入MySQL HeatWave。MySQL HeatWave是甲骨文發展最迅速的云服務之一。越來越多客戶從Amazon和其他云數據庫服務遷移到MySQL HeatWave，并顯著提高了性能和降低成本。如今，我們還發布一系列豐富了HeatWave功能的其他創新，以提高可用性并降低成本。我們全新且完全透明的基準測試結果再次表明，Snowflake、AWS、Microsoft和Google的速度比MSQL HeatWave更慢且成本更高。”

相較于其他云數據庫服務，HeatWave ML提供了以下功能：

完全自動化的模型訓練：使用HeatWave ML創建模型的所有不同階段都是完全自動化的，無需開發人員干預。這樣可以實現更準確、無需手動操作的模型優化，并且始終完成培訓過程。Amazon Redshift等其他云數據庫服務提供了集成外部服務的機器學習功能，意味著開發人員在ML培訓過程中需要進行大量的手動輸入。

模型和推斷解釋：模型的可解釋性有助于開發人員了解機器學習模型的行為。例如，如果銀行拒絕客戶貸款，則它需要能夠確定模型的哪些參數有被考慮在內，或者模型是否包含任何偏差。預測可解釋性是一組技術，有助于回答機器學習模型為何做出如此特定預測的問題。如今，預測解釋變得越來越重要，因為公司必須能夠解釋其機器學習模型作出的決策。HeatWave ML將模型解釋和預測解釋相結合，作為模型訓練過程的一部分。因此，HeatWave ML創建的所有模型都可以提供模型和推斷解釋，而無需在推斷解釋時提供訓練數據。甲骨文增強了現有的解釋技術，以提高性能、可解釋性和質量。其他云數據庫服務并未針對其所有機器學習模型提供如此豐富的可解釋性。

超參數優化：HeatWave ML為超參數優化實現了基于漸變搜索的全新縮減算法。這樣可以并行執行超參數搜索，而不影響模型的準確性。超參數優化是機器學習模型訓練最耗時的階段，此獨特功能可以為HeatWave ML提供優于其他云服務構建機器學習模型的性能優勢。

算法選擇：HeatWave ML使用代理模型的概念來確定最佳的ML算法，以進行訓練。代理模型是一種展示完整復雜模型屬性的簡單模型。使用簡單的代理模型可非常高效地完成算法選擇，而不會犧牲準確性。其他用于構建機器學習模型的數據庫服務皆未提供這種代理建模功能。

智能數據采樣：在模型訓練期間，HeatWave ML對一小部分數據進行抽樣，以提高性能。這種抽樣的方式是在樣本數據集中捕獲所有代表性的數據點。其他用于構建機器學習模型的云服務采用了效率較低的方法，即使用隨機數據采樣，在不考慮數據分布特征的情況下對一小部分數據進行采樣。

特征選擇：這個功能有助于確定訓練數據的屬性；這些屬性會影響機器學習模型進行預測的行為。HeatWave ML中的特征選擇技術針對多個域和應用程序的大量數據集進行了訓練。根據這些收集到的統計信息和元數據信息，HeatWave ML能夠有效地識別新數據集中的相關特征。 

除了機器學習功能，甲骨文還為MySQL HeatWave服務發布了更多創新。實時彈性功能讓客戶將HeatWave集群擴展和縮小到任意數量的節點，無需任何停機時間或只讀時間，也無需手動重新平衡集群。其他功能還包括數據壓縮，可讓客戶處理每個節點兩倍的數據，并降低近50%的成本，同時保持相同的性價比。新增的暫停與恢復功能則可讓客戶暫停HeatWave，以節省成本。恢復后，MySQL Autopilot所需的數據和統計信息將自動重新加載到HeatWave中。

聯想（Lenovo）SR588服務器主機2U機架式 桌面云數據庫虛擬化 深度學習備份存儲 定制 2顆銀牌4210R 20核 2.2G丨雙電 64GB丨480GB+3*4TB Raid5

[經銷商]京東商城

[產品售價]28799元

進入購買

浪潮（INSPUR) NF5270M5機架式服務器（1顆3204 6核 1.9GHz/16G/2T*1 SATA/雙千兆*1/單電550W/三年服務）

[經銷商]京東商城

[產品售價]11700元

進入購買

戴爾(DELL)R740服務器主機/2*至強銀牌4210R十核2.4GHz/16G*4/4TSAS*3/H730P-2G/750W雙電/導軌/三年保修

[經銷商]京東商城

[產品售價]27999元

進入購買

關鍵詞： MySQL