甲骨文公司今天宣布推出 MySQL HeatWave Lakehouse，这款产品能够帮助客户处理和查询对象存储中数百 TB 量级的数据，支持各种文件格式，包括 CSV、Parquet 以及 Aurora 和 Redshift 备份格式。MySQL HeatWave Lakehouse 是 MySQL HeatWave 产品组合的新产品，能够将事务处理、分析、机器学习和基于机器学习的自动化结合在单一 MySQL 数据库中。

MySQL HeatWave Lakehouse 采用大规模并行横向扩展 MySQL HeatWave 架构，根据行业标准基准测试的结果，在运行查询和加载数据性能方面表现出色。此外，客户可以通过单个查询在 MySQL 数据库中查询事务处理数据，并使用标准 MySQL 语法将其与对象存储中的数据组合。甲骨文还宣布推出新的 MySQL Autopilot 功能，可提高性能并让 MySQL HeatWave Lakehouse 方便易用。MySQL HeatWave 现推出了 Lakehouse 的 Beta 版供客户试用，正式版将于 2023 上半年发布。

客户从 AWS、Google 和本地环境迁移到 MySQL HeatWave 之后，已经在各种场景中使用该产品，包括营销分析，特别是广告营销活动效果的实时分析与客户数据分析，从而构建有效的营销活动。还有其他一些客户也从 AWS 迁移到这款产品上，包括汽车、电信、零售、高科技和医疗保健行业的佼佼者。

创新功能

•        更大数据量，标准 MySQL 语法

客户可以通过 MySQL HeatWave Lakehouse 查询多达 400 TB 的数据，HeatWave 集群可扩展到 512 个节点。客户可使用标准 MySQL 语法查询数据。

•        稳定的性能和压缩表现

MySQL HeatWave 为存储在 MySQL 数据库或对象存储中的数据提供相同的查询性能，10 TB 和 30 TB TPC-H 基准测试结果印证了这一点。此外，在这两种情况下，它所实现的压缩量和每个节点可以处理的数据量都是相同的。

•        支持多种文件格式

使用 MySQL HeatWave Lakehouse，客户可以加载和处理以各种文件格式存储的数据，例如 CSV 和 Parquet，以及 AWS 的 Aurora 和 Redshift 备份格式。因此，即便客户的数据并未存储在 MySQL 数据库内，他们也能从 MySQL HeatWave 的优势中获益。无论数据使用何种文件格式存储，客户始终可获得稳定的查询性能。

•        支持查询 MySQL 中的数据并将其与对象存储中的数据组合

使用 MySQL HeatWave Lakehouse， 客户可以查询存储在 MySQL 数据库中联机事务处理过程 (OLTP) 数据，并将其与存储在对象存储中的数据组合。对 OLTP 数据所做的任何更改都会实时更新，并体现在查询结果中。

新 MySQL Autopilot 功能

MySQL Autopilot 为 MySQL HeatWave 提供基于机器学习的自动化功能。多项现有 MySQL Autopilot 功能（如自动预配和自动查询计划改进）针对 MySQL HeatWave Lakehouse 进行了增强，从而进一步降低数据库管理开销并提高性能。此外，我们如今还为 MySQL HeatWave Lakehouse 提供了诸多 MySQL Autopilot 新功能。

•        自动模式推断

Autopilot 可自动推断文件数据到数据库中数据类型的映射。因此，客户无需手动为要由 MySQL HeatWave Lakehouse 查询的每一个新文件指定映射，从而节省时间和精力。

•        自适应数据采样

Autopilot 可智能地对于对象存储中的文件进行抽样，从而在尽可能减少数据访问量的情况下收集准确的统计信息。MySQL HeatWave 将这些统计信息用于生成和改进查询计划、确定适宜模式映射以及其他用途。

•        自动加载

Autopilot 会分析数据以预测将其加载到 MySQL HeatWave 中所需的时间、确定数据类型映射，并自动生成加载脚本。用户不必手动指定文件到数据库模式和表的映射。

•        自适应数据流

MySQL HeatWave Lakehouse 可动态适应底层对象存储的性能。因此，MySQL HeatWave 可充分发掘底层云基础设施的性能，进而提高整体性能、性价比和可用性。

其他增强功能

甲骨文公司宣布推出MySQL HeatWave多项其他增强功能，覆盖机器学习到 VS 代码插件。MySQL HeatWave 的数据库内机器学习功能也已得到进一步增强，添加了对于预测模型的支持。其中添加了新的机器学习解释技术，并且专门针对 MySQL HeatWave 进行了优化。数据科学家现在可以影响自动化 HeatWave ML 训练管道的各个阶段，包括算法选择、特征选择、评分指标和解释技术。HeatWave 机器学习还经过增强，让客户可以将机器学习模型导入 HeatWave。

新的多引擎 Hypergraph 查询优化程序可进一步提高复杂查询的性能，并且不再需要指定联接顺序。新增区域映射，可使用 MySQL HeatWave 为更广泛的查询加速。MySQL 的 VS 代码插件经过增强，可为 MySQL HeatWave 功能提供支持。