Hemos visto un crecimiento exponencial de los datos en los últimos años. La inmensa mayoría de los datos se generan fuera de las aplicaciones OLTP tradicionales -a través de fuentes como sensores del Internet de las Cosas, dispositivos y vehículos conectados, aplicaciones web y puntos finales de telemetría- y se almacenan en sistemas de archivos. Para las organizaciones que buscan analizar estos datos externos junto con sus datos transaccionales internos, el proceso de extracción, transformación y carga (ETL) de estos datos en una base de datos para su análisis suele ser demasiado costoso o complejo. HeatWave Lakehouse facilita a las organizaciones obtener valiosas estadísticas en tiempo real combinando el almacenamiento de objetos y los datos de la base de datos.
Sí. Con HeatWave Lakehouse, HeatWave proporciona IA generativa y aprendizaje automático automatizados e integrados en un servicio en la nube para transacciones y análisis a escala de lago, todo ello sin la complejidad, la latencia, los riesgos y el coste de la duplicación ETL.
No. Puedes utilizar HeatWave Lakehouse para consultar datos en el almacenamiento de objetos con una relación precio-rendimiento récord sin ejecutar ninguna carga de trabajo MySQL.
No HeatWave Lakehouse es 100 % compatible con la sintaxis MySQL. Las aplicaciones que funcionan con MySQL pueden utilizar HeatWave Lakehouse para consultar datos en el almacenamiento de objetos sin ningún cambio.
No hay cambios en los precios de HeatWave. Solo abonas 20 dólares adicionales por TB al mes por los datos cargados en la capa de almacenamiento HeatWave del almacén de objetos.
El excepcional rendimiento de HeatWave es el resultado de su arquitectura scale-out, que permite un paralelismo masivo para aprovisionar el clúster, cargar datos y procesar consultas con hasta 512 nodos de clúster. Los datos de los archivos del almacén de objetos se transforman en el formato columnar híbrido optimizado en memoria HeatWave, y el rendimiento de la consulta es idéntico para todos los formatos de archivo admitidos. Además, HeatWave Autopilot muestrea de forma inteligente los archivos para obtener la información necesaria para la automatización y aprende de las consultas ejecutadas anteriormente para mejorar la ejecución de las consultas posteriores.
Cuando se cargan en el clúster HeatWave, independientemente del origen, los datos se transforman automáticamente en un único formato interno optimizado. De esta forma, la consulta de datos en el almacenamiento de objetos es igual de rápida que en las bases de datos: una prioridad para el sector.
Sí, HeatWave se ejecuta de forma nativa en AWS. Con la adición de la capacidad HeatWave Lakehouse en HeatWave, los clientes de AWS pueden reemplazar hasta seis servicios de AWS por uno, reduciendo la complejidad y obteniendo la mejor relación precio-rendimiento del sector para el análisis.
Con HeatWave Lakehouse, los clientes de AWS pueden consultar cientos de terabytes de datos en el almacenamiento de objetos de Amazon S3 en varios formatos de archivo, como CSV, Parquet, Avro, JSON y exportaciones de otras bases de datos, sin copiar los datos de S3 a la base de datos. Pueden seguir ejecutando aplicaciones en AWS sin cambios y sin incurriendo en tarifas de salida de datos de AWS excesivamente altas. Los clientes de AWS también pueden ejecutar HeatWave AutoML en HeatWave Lakehouse, lo que les permite entrenar automáticamente modelos de aprendizaje automático, ejecutar inferencias y obtener explicaciones sobre archivos almacenados en S3, y ejecutar varios tipos de análisis de aprendizaje automático desde la consola interactiva de HeatWave.
Sí, está disponible para los clientes de Azure a través de Oracle Interconnect for Microsoft Azure.
Por supuesto, puedes solicitar un taller gratuito dirigido por expertos.
Definitivamente, y aquí hay algunos para comenzar.