HeatWave ML: Oracle porta il machine learning su MySQL

Sempre più spesso gli sviluppatori hanno la necessità di integrare funzionalità di machine learning sui database MySQL ma questa operazione non è particolarmente semplice né comoda: è infatti necessario spostare i dati in un altro sistema sui quali saranno creati e distribuiti i modelli di apprendimento automatico. È insomma necessario creare differenti silos, con il conseguente spreco di tempo e di risorse e aumentando anche l’esposizione a possibili attacchi informatici. 

Con MySQL HeatWave ML di Oracle questi problemi apparterranno al passato: la  soluzione della multinazionale automatizza il ciclo di vita dell’apprendimento automatico e memorizza tutti i modelli addestrati all’interno del database MySQL, eliminando la necessità di spostare i dati o il modello in uno strumento o in un servizio specifico. Così facendo è possibile ridurre tempo e costi di sviluppo, migliorando allo stesso tempo la sicurezza informatica.

Contenuto non disponibile
Consenti i cookie cliccando su "Accetta" nel banner"

MySQL HeatWave ML: applicare funzioni di machine learning direttamente sul database

Oltre a evitare agli sviluppatori di dover spostare i dati in un silos per le elaborazioni di machine learning, MySQL HeatWave ML rende automatico l’intero processo di addestramento, sceglie l’algoritmo migliore per lo specifico modello, e si occupa della selezione delle funzioni e degli iperparametri più adatti in base al set di dati e al tipo di attività richiesta. 

SQL Heatwave

Secondo Oracle, nessun altro oggi è in grado di fornire funzionalità di machine learning così evolute direttamente sul database. Se paragonato con Redshift ML, la soluzione di machine learning di AWS, HeatWave ML è – sempre secondo i benchmark forniti da Oracle – 25 volte più veloce e molto più economico. 

Fra le funzionalità principali di MySQL HeatWave ML l’addestramento completamente automatizzato su tutti i modelli e le spiegazioni su modelli e interferenze, che permettono agli sviluppatori di comprendere come si comporta un modello, così da poter determinare quali parametri hanno contribuito a specifici risultati delle elaborazioni. Questo permette agli sviluppatori di capire se, per esempio, quando viene rifiutato un prestito questa scelta è dovuta a specifici parametri inclusi nel modello di ML o si tratta di una distorsione, da correggere, del modello stesso. 

Come già indicato sopra, HeatWave ML si occupa dell’ottimizzazione automatica degli iperparametri, una delle fasi di addestramento che incidono maggiormente sui tempi di sviluppo, e di selezionare l’algoritmo di ML più adatto al caso specifico. Parte dei dati sono campionati automaticamente già durante l’addestramento, migliorando così le prestazioni. 

Come abbiamo integrato funzioni analitiche ed elaborazione transazionale all’interno di un singolo database, ora abbiamo introdotto l’apprendimento automatico all’interno di MySQL HeatWave“, ha dichiarato Edward Screven, Chief Corporate Architect di Oracle. “MySQL HeatWave è uno dei servizi cloud in più rapida crescita di Oracle. Un numero crescente di clienti ha eseguito la migrazione da Amazon e da altri servizi di database cloud verso MySQL HeatWave, ottenendo notevoli vantaggi in termini di prestazioni e riduzione dei costi. Oggi stiamo inoltre annunciando una serie di ulteriori innovazioni che arricchiscono le capacità di HeatWave, migliorano la disponibilità e riducono i costi. I nostri risultati di benchmark, nuovi e completamente trasparenti, dimostrano ancora una volta che Snowflake, AWS, Microsoft e Google sono di gran lunga più lenti e costosi di MSQL HeatWave“.

Non solo machine learning: più elasticità per il servizio MySQL HeatWave

HeatWave ML non è l’unica novità introdotta in MySQL Heatwave, che ora è utilizzabile in maniera più flessibile: i clienti possono infatti incrementare e diminuire il cluster su qualsiasi numero di nodi, il tutto senza sperimentare inattività o dover ribilanciare il cluster manualmente. La compressione, infine, permette di raddoppiare i dati elaborati su ogni nodo, quasi dimezzando i costi. 

resizing

Oracle ha lanciato MySQL HeatWave con Autopilot lo scorso agosto, introducendo probabilmente la più grande innovazione nei database cloud open source degli ultimi 20 anni“, ha dichiarato Carl Olofson, Research Vice President e Data Management Software di IDC. “Ora Oracle con MySQL HeatWave ML è andata oltre l’intento originale di unificare OLTP e OLAP in HeatWave. Oracle sta portando tutta l’elaborazione e i modelli dell’apprendimento automatico all’interno del database, in modo che i clienti non solo evitino di gestire i database dell’apprendimento automatico separatamente dal database principale, ma eliminino anche le difficoltà legate a ETL, guadagnando in velocità, precisione e convenienza“.