Oracle ha anunciado hoy mejoras significativas en MySQL HeatWave, incluyendo soporte para vector store, IA generativa, nuevas funciones de aprendizaje automático en la base de datos, mejoras en MySQL Autopilot, nuevas capacidades de HeatWave Lakehouse, soporte para JavaScript, aceleración de consultas JSON y soporte para nuevos operadores analíticos. El almacén vectorial, que actualmente se encuentra en fase de previsualización privada, permitirá a los clientes aprovechar la potencia de los grandes modelos lingüísticos (LLM) con sus propios datos para obtener respuestas más precisas que utilizando modelos entrenados únicamente con datos públicos. Con la IA generativa y las capacidades del almacén vectorial, los clientes pueden interactuar con MySQL HeatWave en lenguaje natural y buscar eficientemente documentos en varios formatos de archivo en HeatWave Lakehouse.

"Las mejoras de hoy a MySQL HeatWave son otro paso significativo en nuestro viaje para abordar los apremiantes problemas de datos de clientes, análisis e IA", dijo Edward Screven, arquitecto corporativo jefe de Oracle. "Anteriormente hemos añadido a HeatWave analítica en tiempo real con la mejor relación precio-rendimiento del sector, aprendizaje automático automatizado, lakehouse y capacidades multicloud. Ahora, el almacén vectorial y la IA generativa aportan la potencia de los LLM a los clientes, proporcionándoles una forma intuitiva de interactuar con los datos de su empresa y obtener las respuestas precisas que necesitan para su negocio."

Para los clientes que buscan realizar análisis, procesamiento de transacciones, aprendizaje automático e IA generativa a través de una variedad de tipos y fuentes de datos, se han añadido capacidades adicionales a MySQL HeatWave, tanto para cargas de trabajo compatibles con MySQL como para las que no lo son.

IA generativa y almacén de vectores (vista previa privada)

El almacén vectorial recibe documentos en diversos formatos, como PDF, y los almacena como incrustaciones generadas mediante un modelo codificador. Para una determinada consulta del usuario, el almacén de vectores identifica los documentos más similares realizando una búsqueda de similitudes entre las incrustaciones almacenadas y la consulta incrustada. Estos documentos se utilizan para aumentar el mensaje que se da al LLM, de modo que proporcione una respuesta más contextual.

MySQL HeatWave AutoML

MySQL HeatWave proporciona aprendizaje automático en la base de datos con una canalización totalmente automatizada para el entrenamiento de modelos. Los clientes no necesitan mover datos a un servicio de aprendizaje automático separado; pueden aplicar de forma fácil y segura el entrenamiento, inferencia y explicación del aprendizaje automático a los datos almacenados dentro de MySQL HeatWave. Se han añadido las siguientes nuevas capacidades:

• Soporte para HeatWave Lakehouse: Los clientes ahora pueden aprovechar HeatWave AutoML para la formación, inferencia y explicaciones sobre los datos en el almacenamiento de objetos, además de los datos en la base de datos MySQL-y utilizar un conjunto mucho más amplio de datos para el aprendizaje automático.
• Compatibilidad con columnas de texto: Permite a los clientes realizar tareas de aprendizaje automático -detección de anomalías, predicción, clasificación, regresión y sistema de recomendación- en columnas de texto, ampliando aún más el corpus de datos en el que los clientes pueden aprovechar HeatWave AutoML.
• Sistema de recomendación mejorado: Con soporte para Bayesian Personalized Ranking (BPR), HeatWave AutoML ahora puede considerar tanto la retroalimentación implícita (compras anteriores, comportamiento de navegación) como la explícita (calificaciones, gustos) para generar recomendaciones personalizadas. Por ejemplo, los analistas pueden predecir los artículos que le gustarán a un usuario, los usuarios a los que les gustará un artículo concreto y las valoraciones que recibirán los artículos.
• Monitor de progreso del entrenamiento: Ahora los clientes pueden supervisar el progreso del entrenamiento del modelo con HeatWave AutoML, lo que les permite gestionar mejor los recursos.

MySQL Autopilot

MySQL Autopilot  es una capacidad integrada de MySQL HeatWave que utiliza la automatización basada en el aprendizaje automático para ayudar a mejorar el rendimiento y la escalabilidad sin necesidad de tener experiencia en el ajuste de bases de datos. Aprende de la ejecución de consultas para mejorar el plan de ejecución de futuras consultas. Las últimas mejoras de MySQL Autopilot incluyen:

• Indexación MySQL Autopilot (disponibilidad limitada): Ayuda a los clientes a eliminar las tareas tediosas de crear índices óptimos para sus cargas de trabajo OLTP y mantenerlos a lo largo del tiempo a medida que evolucionan las cargas de trabajo. MySQL Autopilot determina automáticamente los índices que los clientes deben crear o eliminar de sus tablas para optimizar su rendimiento OLTP, utilizando el aprendizaje automático para hacer una predicción basada en las cargas de trabajo de aplicaciones individuales. Además, la indexación Autopilot predice la mejora esperada con los índices recomendados sin crear dichos índices y sin incurrir en sobrecarga de computación o almacenamiento en la tenencia de los usuarios.
• Compresión automática: Ayuda a los clientes a determinar el algoritmo de compresión óptimo para cada columna, lo que mejora la carga y el rendimiento de las consultas con una compresión y descompresión de datos más rápida. Al reducir el uso de memoria, los clientes pueden recortar los costes hasta un 25 %.
• Ejecución adaptativa de consultas: Ayuda a los clientes a optimizar el plan de ejecución de una consulta después de que ésta haya comenzado a ejecutarse, mejorando el rendimiento de las consultas ad hoc hasta en un 25%. Utiliza la información obtenida de la ejecución parcial de la consulta para ajustar las estructuras de datos y los recursos del sistema y, a continuación, optimiza de forma independiente la ejecución de la consulta para cada nodo HeatWave en función de la distribución real de los datos en tiempo de ejecución.
• Carga y descarga automáticas: Autopilot carga automáticamente en HeatWave las columnas que se están utilizando en la carga de trabajo de una aplicación y descarga automáticamente las tablas que nunca o casi nunca se consultaron. Esto ayuda a liberar memoria y reducir costes para los clientes, sin tener que realizar manualmente esta tarea.

Mejoras adicionales de MySQL HeatWave

• Soporte JavaScript (disponibilidad limitada): Permite a los clientes escribir procedimientos almacenados y funciones en JavaScript y ejecutarlos dentro de MySQL HeatWave. Esto facilita a los desarrolladores escribir una lógica de aplicación rica en JavaScript y obtener un alto rendimiento ejecutando el programa dentro de la base de datos MySQL. Se mejora el rendimiento de las aplicaciones JavaScript ya que los datos no se transfieren de la base de datos al cliente y el código se compila justo a tiempo (JIT) en el tiempo de ejecución GraalVM.
• Aceleración JSON: Los desarrolladores y administradores de bases de datos ahora pueden aprovechar HeatWave para realizar análisis en tiempo real de documentos JSON almacenados en la base de datos MySQL, lo que acelera las consultas en órdenes de magnitud.
• New analytic operators: With support for new analytic operators including CUBE, Hyper Log Log, Qualify, and Table sample, customers can migrate more workloads to MySQL HeatWave.
• Ingesta masiva en MySQL HeatWave: La compatibilidad con la creación paralela de subárboles de índices durante la carga masiva de datos desde archivos CSV ayuda a los clientes a multiplicar por 10 el rendimiento de la ingesta de datos con respecto a Amazon Aurora. Como resultado, los datos se pueden consultar antes y los recursos del sistema utilizados para cargar datos se liberan mucho más rápido, lo que reduce los costos para los clientes.

"El equipo de ingeniería de MySQL HeatWave está claramente redoblando la apuesta por la innovación en IA y aprendizaje automático", afirma Steve McDowell, analista principal y socio fundador de NAND Research. "Los clientes no solo pueden ahora entrenar modelos ML en datos tanto en la base de datos como en el almacenamiento de objetos con total automatización, sino que con las nuevas capacidades de IA generativa y almacenamiento vectorial podrán interactuar con HeatWave en lenguaje natural, y recibirán respuestas precisas solo para sus propios fines empresariales, basadas en sus propios datos empresariales además de los datos disponibles públicamente". La flexibilidad para utilizar cualquier LLM que las organizaciones prefieran continúa demostrando el enfoque abierto y colaborativo del equipo de ingeniería de MySQL HeatWave."

MySQL HeatWave es el único servicio en la nube que proporciona procesamiento de transacciones, analítica en tiempo real, aprendizaje automático, consultas de lago de datos y automatización impulsada por aprendizaje automático dentro de un único servicio de base de datos MySQL. Como parte central de la estrategia de nube distribuida de Oracle, MySQL HeatWave está disponible de forma nativa en OCI y Amazon Web Services, como parte de Oracle Database Service para Azure, y en los centros de datos de los clientes con OCI Dedicated Region.

Recursos Adicionales

• Lea el blog de MySQL HeatWave technical
• Descubra el  MySQL HeatWave migration program