Oracle ha anunciado hoy MySQL Autopilot , un nuevo componente del servicio MySQL HeatWave, el motor integrado de aceleración de consultas en memoria para MySQL Database Service en Oracle Cloud Infrastructure (OCI).
MySQL Autopilot utiliza técnicas avanzadas de Machine Learning para automatizar HeatWave, lo que facilita su uso y mejora aún más el rendimiento y la escalabilidad. Ningún otro proveedor de la nube proporciona capacidades de automatización tan avanzadas para sus ofertas de bases de datos. Autopilot está disponible sin cargo adicional para los clientes de MySQL HeatWave.
MySQL Autopilot automatiza muchos de los aspectos más importantes, y a menudo difíciles, de conseguir un alto rendimiento de las consultas a escala, incluyendo el aprovisionamiento, la carga de datos, la ejecución de las consultas y la gestión de los fallos.
Utiliza técnicas avanzadas para recoger muestras de datos, recopilar estadísticas sobre los datos y las consultas, y construir modelos de Machine Learning utilizando Oracle AutoML para modelar el uso de la memoria, la carga de la red y el tiempo de ejecución. Estos modelos de Machine Learning son utilizados por MySQL Autopilot para ejecutar sus capacidades principales.
MySQL Autopilot hace que el optimizador de consultas HeatWave sea cada vez más inteligente a medida que se ejecutan más consultas, lo que resulta en una mejora continua del rendimiento del sistema a lo largo del tiempo, una capacidad que no está disponible en Amazon Aurora, Amazon Redshift, Snowflake u otros servicios de bases de datos basados en MySQL.
MySQL Autopilot incluye las siguientes capacidades:
- El aprovisionamiento automático predice el número de nodos HeatWave necesarios para ejecutar una carga de trabajo mediante el muestreo adaptativo de los datos de la tabla sobre la que se requiere el análisis. Esto significa que los clientes ya no necesitan estimar manualmente el tamaño óptimo de su clúster. Ningún otro servicio de base de datos ofrece esta capacidad.
- La carga paralela automática puede optimizar el tiempo de carga y el uso de la memoria al predecir el grado óptimo de paralelismo para cada tabla que se carga en HeatWave. Ningún otro proveedor de nube ofrece esta capacidad.
- La inserción automática de datos predice la columna en la que las tablas deben ser divididas en memoria para ayudar a lograr el mejor rendimiento de las consultas. También predice la ganancia esperada en el rendimiento de la consulta con la nueva recomendación de columna. Esto minimiza el movimiento de datos a través de los nodos debido a las elecciones subóptimas que pueden hacer los operadores al seleccionar manualmente la columna. Ningún otro servicio de base de datos ofrece esta capacidad.
- La codificación automática puede determinar la representación óptima de las columnas que se cargan en HeatWave, teniendo en cuenta las consultas. Esta representación óptima proporciona el mejor rendimiento de las consultas y minimiza el tamaño del clúster para reducir los costes.
- La mejora automática del plan de consulta aprende varias estadísticas de la ejecución de las consultas y puede mejorar el plan de ejecución de las futuras. Esto mejora el rendimiento del sistema a medida que se ejecutan más consultas. Ningún otro servicio de base de datos ofrece esta capacidad.
- La estimación automática del tiempo de consulta puede estimar el tiempo de ejecución de una consulta antes de ejecutarla. Esto proporciona una predicción de cuánto tiempo durará una consulta, lo que les permite a los consumidores decidir si la duración es demasiado larga y deben ejecutar una diferente.
- La propagación automática de cambios determina de forma inteligente el momento óptimo en que los cambios en la base de datos MySQL deben propagarse a la capa de gestión de datos de HeatWave Scale-Out. Esto ayuda a asegurar que los cambios se propagan en la cadencia óptima adecuada. Ningún otro proveedor de la nube ofrece esta capacidad.
- La programación automática puede determinar qué consultas de la cola son de corta duración y les da prioridad sobre las de larga duración de forma inteligente para reducir el tiempo total de espera. La mayoría de las bases de datos utilizan el mecanismo FIFO (First In, First Out) para la programación.
- La recuperación automática de errores aprovisiona nuevos nodos y recarga los datos necesarios si uno o más nodos de HeatWave no responden debido a un fallo de software o hardware.
Como parte de las novedades de hoy, Oracle también ha presentado MySQL Scale-out Data Management, que puede mejorar el rendimiento de la recarga de datos en HeatWave hasta 100 veces. HeatWave admite ahora un tamaño de clúster de 64 nodos -frente a 24 nodos- y es capaz de procesar hasta 32 TB de datos -frente a 12 TB. Estas nuevas mejoras refuerzan aún más las ventajas de precio/rendimiento de HeatWave con respecto a sus principales competidores.
HeatWave ofrece un mejor rendimiento a un precio más bajo para cargas de trabajo analítica y mixtas en comparación con todos los demás servicios de base de datos y analítica en la nube de la competencia. En concreto y, según las pruebas realizadas, HeatWave tiene:
- Precio/rendimiento 13 veces mejor que Amazon Redshift AQUA – 6,5 veces más rápido a la mitad del coste (TPCH* 10TB)
- Una relación precio/rendimiento 35 veces mejor que la de Snowflake: 7 veces más rápido a 1/5 del coste (TPCH* 10TB)
- Una relación precio/rendimiento 36 veces mejor que la de Google Big Query – 9 veces más rápido a 1/4 del coste (TPCH* 30TB)
- Precio/rendimiento 15 veces mejor que Azure Synapse: 3 veces más rápido a 1/5 del coste (TPCH 30TB)
- Una relación precio/rendimiento 42 veces mejor que la de Amazon Aurora para cargas de trabajo mixtas: una latencia 18 veces menor y un rendimiento 110 veces mayor a un 42% del coste (CH-benCHmark** 100G)
Oracle pone a disposición del público el código de las pruebas de referencia, lo que permite a los clientes ejecutarlas por sí mismos visitando esta página. Oracle también ha anunciado que el benchmark TPCDS, estándar del sector, puede acelerarse ahora con HeatWave.
Los clientes que han migrado de Amazon a MySQL HeatWave en OCI de momento han visto una reducción sustancial de sus costes y una mejora significativa del rendimiento de sus cargas de trabajo en la nube.
Red3i es una empresa líder en inteligencia empresarial y marketing digital en Estados Unidos. “Migramos con éxito nuestra base de datos de 6 TB y las aplicaciones internas de marketing digital y gestión de medios de comunicación de AWS Aurora a MySQL HeatWave en OCI, lo que redujo nuestros costes un 60% y mejoró el rendimiento de las consultas complejas más de 1000 veces y las cargas de trabajo generales mejoraron un 85%”, dijo Amit Palshikar, Co-Founder, CTO de Red3i. “Además, no tuvimos que hacer ningún cambio en nuestra aplicación, la recuperación automática ha minimizado el tiempo de inactividad y ahora podemos escalar a miles de núcleos porque tenemos una necesidad cada vez mayor”.
Tetris.co es una empresa de tecnología de marketing que gestiona grandes inversiones en publicidad digital para clientes en Brasil. “MySQL HeatWave redujo nuestros costes de bases de datos en la nube un 50% en comparación con el uso de la combinación de AWS Aurora y Redshift”, declaró Pablo Lemos, Co-Founder, CTO de Tetris.co. “Ya no movemos los datos de un lado a otro, por lo que ahora disponemos de información rapidísima y en tiempo real sin ningún esfuerzo. Y lo que es más importante, la escalabilidad ha hecho posible nuestro plan de expansión, permitiéndonos incorporar más datos y nuevos clientes sin que ello repercuta en los costes. Es un sueño hecho realidad”.
Fan Communications es un servicio de afiliación de marketing y publicidad de 280 millones de dólares en Japón. “Descubrimos que MySQL HeatWave mejoró el desempeño 10 veces y redujo significativamente nuestros costes después de migrar desde AWS Aurora. Tampoco tuvimos que modificar nuestra aplicación para obtener una gran experiencia”, dijo Kanami Suzuki, Developer de FANCOMI.
Tamara es la plataforma Saudi de Buy-Now-Pay-Later líder de mercado. «Recientemente hemos migrado nuestra carga de trabajo de producción desde otra solución en la nube a MySQL HeatWave», dijo Chien Hoang, Director of Engineering, Tamara. «Hacerlo redujo nuestro coste en 3 veces y también aceleró significativamente muchas de nuestras consultas. Dado el aumento de velocidad que estamos observando con HeatWave, esperamos poder mejorar nuestra aplicación escribiendo consultas más complejas que no se ejecutan en un tiempo razonable con la otra solución en la nube.»
