HeatWave Lakehouse 的特性

面向对象存储中的数据的查询引擎以及（可选）在 MySQL 数据库中使用

可查询对象存储中以各种文件格式（包括 CSV、Parquet、Avro 以及使用标准 SQL 语法从其他数据库导出的文件）保存的数据，并可将其与 MySQL 数据库中的事务数据组合使用。整个查询过程将在 HeatWave 引擎中完成，因此您可以将 HeatWave 用于非 MySQL 工作负载和与 MySQL 兼容的工作负载。加载到 HeatWave 集群中时，任何来源的数据都将自动转换为一个经过优化的内部格式。如此一来，查询对象存储数据的速度可以像查询数据库数据一样快。

查询结果将会写入对象存储，让用户可以轻松共享结果，以较低的成本将结果存储在对象存储中。同时，开发人员也能够将 HeatWave 用于 MapReduce 应用。

支持 JSON 和 JavaScript

您可以使用 HeatWave 来查询对象存储中以 JSON 格式保存的半结构化数据，例如，使用对象存储中的 JSON 数据开发内容管理应用或实时仪表盘。HeatWave Lakehouse 中原生支持 JavaScript，因此您可以使用 JavaScript 来处理和查询对象存储中的数据。例如，可以使用 JavaScript 的丰富功能构建动态内容加载应用。

利用 HeatWave Vector Store 支持非结构化文档

借助 HeatWave Vector Store，您可以上传和查询非结构化文档。

横向扩展架构

HeatWave 的高性能是横向扩展架构的结果，该架构支持通过大规模并行来预配集群、加载数据和处理多达 512 个节点的查询。集群中的每个 HeatWave 节点和节点中的每个核心都可以并行处理分区数据，包括并行扫描、连接、分组、聚合和 top-k 处理。这些算法旨在将计算时间与节点间数据通信重叠，有助于实现高可扩展性。

借助 HeatWave Autopilot 实现基于机器学习的自动化功能

HeatWave Autopilot 为基于机器学习 (ML) 的 HeatWave 提供工作负载感知自动化。Oracle 为 HeatWave Lakehouse 增强了 HeatWave Autopilot 功能，例如自动预配、自动查询计划改进（从过去的查询执行中学习各种运行时统计信息，以改进未来查询的执行计划）和自动并行加载。HeatWave Lakehouse 的其他功能包括：

• 自动模式推断可针对所有支持的文件类型（包括 CSV）自动推断文件数据到对应模式定义的映射。因此，您无需手动定义和更新文件的模式映射，从而节省大量时间和精力。
• 自适应数据采样可智能地对对象存储中的文件进行抽样，并推导信息供 HeatWave Autopilot 执行自动化预测。借助自适应数据采样，HeatWave Autopilot 可在不到一分钟的时间内对 400 TB 文件的模式映射完成扫描并执行预测。
• 自适应数据流让 HeatWave Lakehouse 可动态适应任何区域中底层对象存储的性能，改善整体性能和可用性。
• 自适应查询执行：支持在启动查询执行后，使用各种统计信息来调整数据结构和系统资源，同时根据运行时实际的数据分布，单独优化每个节点的查询执行。这有助于将临时查询的性能提高多达 25%。
• 自动压缩可帮助客户判断适合该列的压缩算法，加速数据压缩和解压，进而提高加载和查询性能。通过减少内存使用量，客户可以将成本降低多达 20%。

内置机器学习

通过 HeatWave AutoML，您可以使用对象存储和/或数据库中的数据来构建、训练、部署和解释 ML 模型，无需将数据迁移到单独的 ML 云技术服务，更无需成为 ML 专家。HeatWave AutoML 能够推动机器学习管道自动化，包括算法选择、面向模型训练的智能数据采样、特征选择和超参数优化，为数据分析师节省大量时间和精力。HeatWave AutoML 支持异常检测、预测、分类、回归和推荐系统任务，甚至是文本列。您可以免费使用 HeatWave AutoML。

可用性高的全面管理型数据库服务

全面管理型服务可自动处理可用性管理、打补丁、升级和备份等耗时工作。在发生意外计算节点故障时，加载到 HeatWave 集群中的数据会自动恢复，无需从外部数据格式重新转换。

安全访问控制

通过访问控制机制，例如 Oracle Cloud Infrastructure (OCI) 资源主用户身份验证或预先验证身份的请求，您可以完全掌控对数据湖源的访问。