在Oracle CloudWorld大会开幕当天，Oracle宣布推出改进版MySQL HeatWave Lakehouse，其查询性能据称比Snowflake快17倍，比Redshift快6倍（基于400TB工作负载）。Oracle表示，MySQL HeatWave Lakehouse从对象存储加载400TB数据的速度比Redshift快8倍，比Snowflake快2.7倍。
MySQL HeatWave Lakehouse 是 MySQL HeatWave 产品组合的最新成员，它在单个 MySQL 数据库中结合了事务处理、分析、机器学习和基于机器学习的自动化。 MySQL HeatWave Lakehouse 可扩展到 512 个节点，使客户能够以各种文件格式（例如 CSV 和 Parquet，以及 Aurora 和 Redshift 备份）处理和查询对象存储中数百 TB 的数据。
MySQL HeatWave Lakehouse 在大规模并行横向扩展 MySQL HeatWave 架构的支持下，据说在运行查询和加载数据方面比竞争性云数据库服务提供更好的性能，正如行业标准基准测试所证明的那样。
在单个查询中，客户可以查询 MySQL 数据库中的事务数据，并使用标准 MySQL 语法将其与对象存储中的数据结合起来。 Oracle 还宣布了新的 MySQL Autopilot 功能，可提高性能并使其更易于使用。 MySQL HeatWave Lakehouse 现已推出 Beta 版供客户试用，并计划于 1HCY23 全面上市。
从 AWS、谷歌和本地迁移的客户一直在使用 MySQL HeatWave 进行广泛的用例，包括营销分析，特别是广告活动绩效的实时分析和客户数据分析以构建有效的活动。 迁移的 AWS 客户包括汽车、电信、零售、高科技和医疗保健行业的领导者。
Oracle 还发布了新的 Lakehouse 基准测试，并为 MySQL HeatWave Lakehouse 和 MySQL Autopilot 引入了多项新功能。Oracle 客户可以免费试用 MySQL Heatwave 30 天。
基准
通过公开的 400 TB TPC-H 基准测试（脚本可在GitHub上找到）证明，MySQL HeatWave Lakehouse 的查询性能如下：
- 比雪花快 17 倍
- 比 Amazon Redshift 快 6 倍
将数据从对象存储加载到 MySQL HeatWave Lakehouse 中也明显更快。 对于 400 TB TPC-H 工作负载，MySQL HeatWave Lakehouse 的负载性能为：
- 比 Amazon Redshift 快 8 倍
- 比雪花快 2.7 倍
MySQL HeatWave Lakehouse 的创新新功能
MySQL HeatWave Lakehouse 的新功能包括：
- 更大的数据量，标准的 MySQL 语法： 客户可以使用 MySQL HeatWave Lakehouse 查询多达 400 TB 的数据，HeatWave 集群可扩展到 512 个节点。 客户使用标准的 MySQL 语法查询数据。
- 相同的性能和压缩： 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——如 10TB 和 30TB TPC-H 基准测试所证明的那样。 在这两种情况下，实现的压缩量和每个节点可以处理的数据量是相同的。
- 支持多种文件格式： 借助 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，以及来自 AWS 的 Aurora 和 Redshift 备份。 这使客户能够利用 MySQL HeatWave 的优势，即使他们的数据未存储在 MySQL 数据库中也是如此。 无论存储数据的文件格式如何，查询性能都是相同的。
- 能够在 MySQL 中查询数据并将其与对象存储中的数据结合： 借助 MySQL HeatWave Lakehouse，客户可以查询存储在 MySQL 数据库中的 OLTP 数据，并将其与存储在对象存储中的数据相结合。 对 OLTP 数据所做的任何更改都会实时更新并反映在查询结果中。
新的 MySQL Autopilot 功能
MySQL Autopilot 为 MySQL HeatWave 提供基于机器学习的自动化。 MySQL HeatWave Lakehouse 增强了现有的 MySQL Autopilot 功能，例如自动配置和自动查询计划改进，从而减少了数据库管理开销并提高了性能。
新的 MySQL Autopilot 功能包括：
- 自动模式推断： Autopilot 自动推断文件数据到数据库中数据类型的映射。 因此，客户无需为每个要由 MySQL HeatWave Lakehouse 查询的新文件手动指定映射。
- 自适应数据采样： Autopilot 智能地对对象存储中的文件部分进行采样，以最少的数据访问收集准确的统计数据。 MySQL HeatWave 使用这些统计数据来生成和改进查询计划、确定最佳模式映射等。
- 自动加载： Autopilot 分析数据以预测加载到 MySQL HeatWave 的时间，确定数据类型的映射，并自动生成加载脚本。
- 自适应数据流： MySQL HeatWave Lakehouse 动态适应底层对象存储的性能。 因此，MySQL HeatWave 可以从底层云基础架构中获得最大的可用性能，从而提高整体性能、性价比和可用性。
MySQL HeatWave 的其他增强功能
Oracle 宣布了 MySQL HeatWave 的许多其他增强功能，从机器学习到 VS 代码插件。 MySQL HeatWave 的数据库内 ML 功能得到进一步丰富，包括对预测模型的支持。 添加了新的 ML 解释技术，这些技术已针对 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，包括算法的选择、特征选择、评分指标和解释技术。 HeatWave ML 也得到了增强，允许客户将 ML 模型导入 HeatWave。
新的多引擎 Hypergraph 查询优化器进一步提高了复杂查询的性能，并且无需指定连接顺序。 添加了 Zone map，它加速了 MySQL HeatWave 的更广泛的查询集。 并且增强了 MySQL 的 VS 代码插件以支持 MySQL HeatWave 功能。
为分布式云做好准备
MySQL HeatWave 在多个云中可用，包括 OCI、AWS 和现在的 Microsoft Azure。 它作为 OCI 专用区域的一部分在本地提供，适用于不希望将其数据库工作负载移动到公共云的组织。 客户还可以将数据从本地 MySQL OLTP 应用程序复制到 MySQL HeatWave，以获得近乎实时的分析。 MySQL HeatWave 始终使用最新版本的 MySQL 数据库。
Amazon