[21/09/2023] Oracle está añadiendo un Vector Store y nuevas características de IA generativa a su servicio de análisis de datos en la nube MySQL HeatWave, señaló la compañía en su conferencia anual CloudWorld.
MySQL HeatWave combina OLAP (procesamiento analítico en línea), OLTP (procesamiento de transacciones en línea), aprendizaje automático y automatización basada en IA en una única base de datos MySQL.
Las funciones de IA generativa añadidas al servicio en la nube de análisis de datos incluyen una gran interfaz basada en modelos de lenguaje que permite a los usuarios de la empresa interactuar con diferentes aspectos del servicio -incluida la búsqueda de diferentes archivos- en lenguaje natural.
El nuevo Vector Store, que también se encuentra en fase de previsualización privada, puede ingerir documentos en diversos formatos y almacenarlos como incrustaciones generadas mediante un modelo de codificación con el fin de procesar las consultas más rápidamente, señaló Edward Screven, chief corporate architect de Oracle, en el comunicado de prensa.
"Para una determinada consulta del usuario, Vector Store identifica los documentos más similares mediante una búsqueda de similitudes entre las incrustaciones almacenadas y la consulta incrustada", anotó el ejecutivo. Estos documentos se pueden utilizar posteriormente para aumentar el mensaje que se da a la interfaz basada en LLM, de modo que devuelva una respuesta más contextual.
Soporte de AutoML para MySQL HeatWave Lakehouse
MySQL HeatWave Lakehouse de Oracle, que fue lanzado el año pasado en octubre, ha sido actualizado para soportar AutoML.
AutoML de HeatWave, que es un componente o función de aprendizaje automático dentro del servicio, admite la formación, la inferencia y las explicaciones sobre los datos en el almacenamiento de objetos, además de los datos en la base de datos MySQL, dijo la compañía.
Otras actualizaciones de AutoML son la compatibilidad con columnas de texto, un sistema de recomendación mejorado y un monitor de progreso de la formación.
Según la empresa, la compatibilidad con las columnas de texto permitirá a las empresas ejecutar diversas tareas de aprendizaje automático -como detección de anomalías, predicción, clasificación y regresión- sobre los datos almacenados en estas columnas.
En marzo, Oracle añadió varias nuevas características de aprendizaje automático a MySQL HeatWave, incluyendo AutoML y MySQL Autopilot.
El sistema de recomendación de Oracle -un motor de recomendación dentro de AutoML- también se ha actualizado para soportar una retroalimentación más amplia, incluyendo la retroalimentación implícita, como las compras anteriores y el historial de navegación, y la retroalimentación explícita, como las calificaciones y gustos, con el fin de generar recomendaciones personalizadas más precisas.
También se ha añadido a AutoML un componente independiente, denominado Training Progress Monitor, que permite a las empresas supervisar el progreso de sus modelos entrenados con HeatWave.
MySQL Autopilot soportará la indexación automática
Oracle también ha actualizado su componente MySQL Autopilot dentro de HeatWave para soportar la indexación automática.
La nueva característica, que actualmente está en disponibilidad limitada, está dirigida a ayudar a las empresas a eliminar la necesidad de crear índices óptimos para sus cargas de trabajo OLTP y mantenerlos a medida que evolucionan las cargas de trabajo.
"MySQL Autopilot determina automáticamente los índices que los clientes deben crear o eliminar de sus tablas para optimizar su rendimiento OLTP, utilizando el aprendizaje automático para hacer una predicción basada en las cargas de trabajo de aplicaciones individuales", indicó Screven.
También se ha añadido Autopilot otra función, denominada autocompresión. La compresión automática ayuda a las empresas a determinar el algoritmo de compresión óptimo para cada columna, lo que mejora la carga y el rendimiento de las consultas y reduce los costos.
Las otras actualizaciones de Autopilot incluyen la ejecución adaptativa de consultas y la carga y descarga automáticas.
La ejecución adaptativa de consultas, como su nombre indica, ayuda a las empresas a optimizar el plan de ejecución de una consulta para mejorar el rendimiento, utilizando la información obtenida de la ejecución parcial de la consulta para ajustar las estructuras de datos y los recursos del sistema.
Por otra parte, la carga y descarga automáticas mejoran el rendimiento cargando automáticamente en HeatWave las columnas que se utilizan y descargando las que no se utilizan nunca.
"Esta función descarga automáticamente las tablas que nunca o casi nunca se han consultado. Esto ayuda a liberar memoria y reducir costes para los clientes, sin tener que realizar manualmente esta tarea", sostuvo Screven.
Otras mejoras de MySQL HeatWave
Oracle también está añadiendo soporte para JavaScript a MySQL HeatWave. Esta capacidad, que actualmente está en disponibilidad limitada, permitirá a los desarrolladores escribir procedimientos almacenados y funciones en JavaScript y posteriormente ejecutarlos en el servicio de análisis de datos en la nube.
Otras actualizaciones incluyen la aceleración JSON, nuevos operadores analíticos para migrar más cargas de trabajo a HeatWave, y una función de ingesta masiva en MySQL HeatWave.
La función de ingesta masiva añade soporte para la construcción paralela de subtensiones de índice mientras se cargan datos desde archivos CSV. Esto proporciona un aumento del rendimiento en la ingesta de datos, permitiendo así que los datos recién cargados se consulten antes, finalizó.
Basado en el artículo de Anirban Ghoshal (InfoWorld) y editado por CIO Perú