甲骨文宣布，Oracle MySQL HeatWave現(xiàn)支持數(shù)據(jù)庫內(nèi)機器學習（ML），為之前的事務(wù)處理和分析功能錦上添花，這是唯一支持此功能的MySQL云數(shù)據(jù)庫服務(wù)。MySQL HeatWave ML全面自動執(zhí)行機器學習生命周期，并將所有經(jīng)過訓練的模型存儲在MySQL數(shù)據(jù)庫中，因此無需將數(shù)據(jù)或模型移動到機器學習工具或服務(wù)中。消除提取、轉(zhuǎn)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(shù)據(jù)和模型的安全性。HeatWave ML功能現(xiàn)已包含在所有37個Oracle云基礎(chǔ)設(shè)施（OCI）區(qū)域的MySQL HeatWave數(shù)據(jù)庫云服務(wù)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(fā)人員來說非常困難且耗時。首先，開發(fā)人員需要將數(shù)據(jù)從數(shù)據(jù)庫提取到另一個系統(tǒng)，以創(chuàng)建和部署 機器學習模型。在將機器學習應用于應用程序數(shù)據(jù)方面，這種方法創(chuàng)建了多個孤島，并延遲數(shù)據(jù)移動。這還導致數(shù)據(jù)庫外的數(shù)據(jù)激增，使其更易受到安全威脅，并增加了開發(fā)人員在多個環(huán)境中進行編程的復雜性。其次，現(xiàn)有的服務(wù)期待開發(fā)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(yōu)的，并會降低預測的準確性。最后，大多數(shù)現(xiàn)有的 機器學習解決方案沒有包括相應功能來解釋開發(fā)人員構(gòu)建的模型為何會提供某種特定預測。

MySQL HeatWave ML通過在MySQL數(shù)據(jù)庫內(nèi)原生集成機器學習功能來解決這些問題，而無需將數(shù)據(jù)ETL到其他服務(wù)。HeatWave ML完全自動化訓練過程，并為給定數(shù)據(jù)集和指定任務(wù)創(chuàng)建具有最佳算法、最佳特征和最佳超參數(shù)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(shù)據(jù)庫供應商可以直接在數(shù)據(jù)庫服務(wù)中提供此類高級的機器學習功能。甲骨文此次發(fā)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(shù)據(jù)集上執(zhí)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(yōu)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(xiàn)在可以更頻繁地重新訓練模型并跟上數(shù)據(jù)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(yè)架構(gòu)師Edward Screven表示：“正如在單一數(shù)據(jù)庫中集成運行分析和事務(wù)處理一樣，我們現(xiàn)將機器學習引入MySQL HeatWave。MySQL HeatWave是甲骨文發(fā)展最迅速的云服務(wù)之一。越來越多客戶從Amazon和其他云數(shù)據(jù)庫服務(wù)遷移到MySQL HeatWave，并顯著提高了性能和降低成本。如今，我們還發(fā)布一系列豐富了HeatWave功能的其他創(chuàng)新，以提高可用性并降低成本。我們?nèi)虑彝耆该鞯幕鶞蕼y試結(jié)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(shù)據(jù)庫服務(wù)，HeatWave ML提供了以下功能：

完全自動化的模型訓練：使用HeatWave ML創(chuàng)建模型的所有不同階段都是完全自動化的，無需開發(fā)人員干預。這樣可以實現(xiàn)更準確、無需手動操作的模型優(yōu)化，并且始終完成培訓過程。Amazon Redshift等其他云數(shù)據(jù)庫服務(wù)提供了集成外部服務(wù)的機器學習功能，意味著開發(fā)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(fā)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(shù)有被考慮在內(nèi)，或者模型是否包含任何偏差。預測可解釋性是一組技術(shù)，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(jié)合，作為模型訓練過程的一部分。因此，HeatWave ML創(chuàng)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(shù)據(jù)。甲骨文增強了現(xiàn)有的解釋技術(shù)，以提高性能、可解釋性和質(zhì)量。其他云數(shù)據(jù)庫服務(wù)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(shù)優(yōu)化：HeatWave ML為超參數(shù)優(yōu)化實現(xiàn)了基于漸變搜索的全新縮減算法。這樣可以并行執(zhí)行超參數(shù)搜索，而不影響模型的準確性。超參數(shù)優(yōu)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(yōu)于其他云服務(wù)構(gòu)建機器學習模型的性能優(yōu)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(gòu)建機器學習模型的數(shù)據(jù)庫服務(wù)皆未提供這種代理建模功能。

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

特征選擇：這個功能有助于確定訓練數(shù)據(jù)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(shù)針對多個域和應用程序的大量數(shù)據(jù)集進行了訓練。根據(jù)這些收集到的統(tǒng)計信息和元數(shù)據(jù)信息，HeatWave ML能夠有效地識別新數(shù)據(jù)集中的相關(guān)特征。 

除了機器學習功能，甲骨文還為MySQL HeatWave服務(wù)發(fā)布了更多創(chuàng)新。實時彈性功能讓客戶將HeatWave集群擴展和縮小到任意數(shù)量的節(jié)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(shù)據(jù)壓縮，可讓客戶處理每個節(jié)點兩倍的數(shù)據(jù)，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(jié)省成本。恢復后，MySQL Autopilot所需的數(shù)據(jù)和統(tǒng)計信息將自動重新加載到HeatWave中。

聯(lián)想（Lenovo）SR588服務(wù)器主機2U機架式 桌面云數(shù)據(jù)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(jīng)銷商]京東商城

[產(chǎn)品售價]28799元

進入購買

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

[經(jīng)銷商]京東商城

[產(chǎn)品售價]11700元

進入購買

戴爾(DELL)R740服務(wù)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(jīng)銷商]京東商城

[產(chǎn)品售價]27999元

進入購買

關(guān)鍵詞： MySQL