Oracle är först i branschen med att göra lakehouse-prestandan identisk med databasens frågeprestanda.
Nya 500 TB TPC-H-referenser visar 17 gånger snabbare frågeprestanda jämfört med Snowflake, 36 gånger snabbare än Google BigQuery och 17 gånger snabbare än Databricks.
MySQL HeatWave Lakehouse levererar en branschpremiär genom att göra det möjligt för kunder att fråga data i objektlagring lika snabbt som att fråga data inuti databasen. MySQL HeatWave Lakehouse stöder en mängd olika filformat för objektlagring, såsom CSV, Parquet och exportfiler från andra databaser. Den kan kombinera data från objektlagringsfiler och MySQL-databasens transaktionsdata i samma fråga. Objektlagringsfiler frågas direkt av HeatWave utan att data kopieras till MySQL-databasen. Som ett resultat sätter MySQL HeatWave Lakehouse nya standarder för skalbarhet och prestanda för frågehanttering, hastighet för dataladdning, klustertillgänglighetstid och automatisering för att fråga data i objektlagring.
”Mer än 80 procent av all data lagras i filsystem och den siffran växer. Kunderna vill integrera och analysera dessa varierande externa data med sina interna transaktionsdata, men det är ofta för komplicerat eller för dyrt att bearbeta”, säger Edward Screven, Chief Corporate Architect på Oracle.
”MySQL HeatWave Lakehouse gör det enkelt för kunderna att få värdefulla realtidsinsikter genom att kombinera deras data i objektlagring med databasdata samtidigt som de får betydligt högre frågeprestanda och mycket snabbare dataladdning till en lägre kostnad.”
Att fråga efter data i objektlagring är lika snabbt som att fråga efter data i databasen
Som visat i ett 10 TB TPC-H*-referens är det lika snabbt att fråga efter data i populära filformat i objektlagring med MySQL HeatWave Lakehouse som att fråga efter data i MySQL-databasen. Detta möjliggörs av MySQL Autopilot, en inbyggd funktion i MySQL HeatWave som använder maskininlärning för automatisering. Den lär sig av exekveringen av förfrågningar och förbättrar exekveringsplanen för framtida förfrågningar. MySQL Autopilot är en innovation i MySQL HeatWave som inte är tillgänglig någon annanstans. MySQL HeatWave på Oracle Cloud Infrastructure (OCI) drivs med AMD EPYC™-processorer.
”Ingenjörsteamet för AMD och MySQL HeatWave har ett nära samarbete för att optimera MySQL HeatWave för AMD EPYC-processorer och dra nytta av nya processorfunktioner”, säger Forrest Norrod, Executive Vice President och General Manager för Data Center Solutions Business Group, AMD. ”Tack vare detta samarbete kan MySQL-kunder som kör MySQL HeatWave på AMD EPYC CPU-drivna OCI-instanser dra nytta av en enastående pris-prestandafördel för sina affärskritiska arbetsbelastningar, inklusive realtidsanalys av massiva mängder data som lagras i objektlagring.”
Bästa prestanda för Lakehouse-användningsfall
Som visat i ett 500 TB TPC-H-referens är frågeprestandan för MySQL HeatWave Lakehouse:
9 gånger snabbare än Amazon Redshift- 17 gånger snabbare än Snowflake
- 17 gånger snabbare än Databricks
- 36 gånger snabbare än Google BigQuery
Prestandan för att ladda data från objektlagret med MySQL HeatWave Lakehouse är:
- 9 gånger snabbare än Amazon Redshift
- 2 gånger snabbare än Snowflake
- 6 gånger snabbare än Databricks
- 8 gånger snabbare än Google BigQuery
MySQL HeatWaves oöverträffade prestanda är resultatet av dess utskalningsarkitektur som möjliggör massiv parallellism för klusterhantering, dataladdning och frågebehandling med upp till 512 noder. Dessutom automatiserar MySQL Autopilot skapandet av metadata för objektfiler och anpassar sig dynamiskt till prestandan hos det underliggande objektlagret för att ge bästa prestanda i alla OCI-regioner.
MySQL HeatWave är den enda molntjänsten som erbjuder transaktionshantering, realtidsanalys, maskininlärning, frågor till datalake och maskininlärningsbaserad automatisering inom en enda MySQL-databastjänst. MySQL HeatWave är en central del av Oracles distribuerade molnstrategi och finns tillgänglig på OCI, nativt på Amazon Web Services, som en del av Oracle Database Service för Azure och i kundernas datacenter med OCI Dedicated Region.
”HeatWave Lakehouse skalar ut mycket bra för att ladda data från objektlagring och för att köra frågor på objektlagring”, säger Henry Tullis, ledare för Cloud Infrastructure and Engineering på Deloitte Consulting. ”Laddningstiden och frågetiderna är nästan konstanta när datamängden växer och storleken på HeatWave-klustret ökar i motsvarande grad. Denna skalbarhet hos HeatWave Lakehouse för datahantering är nyckeln till effektiv bearbetning av mycket stora datamängder.”
”Det har varit en självklarhet sedan Big Data introducerades, att frågor inom Big Data/Lakehouse är betydligt långsammare än transaktionsfrågor”, säger Holger Mueller, Vice President och Principal Analyst på Constellation Research. ”MySQL HeatWave gör slut på detta en gång för alla och visar att Lakehouse-prestanda kan vara identisk med prestanda för transaktionsfrågor – något som tidigare var otänkbart. Med samma sökprestanda gör HeatWave det möjligt för CxOs att sluta oroa sig över var data ska placeras och hur de ska hitta den.
