MySQL HeatWave Oracle دارای Vector Store، ویژگی‌های مولد هوش مصنوعی است

قابلیت‌های جدید هوش مصنوعی و Vector Store در حال حاضر در پیش‌نمایش خصوصی هستند.

این شرکت در کنفرانس سالانه CloudWorld خود گفت که Oracle در حال افزودن یک فروشگاه Vector و ویژگی‌های جدید هوش مصنوعی به سرویس ابری تجزیه و تحلیل داده MySQL HeatWave است.

MySQL HeatWave ترکیبی از OLAP (پردازش تحلیلی آنلاین)، OLTP (پردازش تراکنش آنلاین)، آموزش ماشین و اتوماسیون مبتنی بر هوش مصنوعی در یک پایگاه داده MySQL.

ویژگی‌های هوش مصنوعی مولد اضافه شده به سرویس ابری تجزیه و تحلیل داده‌ها شامل یک رابط مبتنی بر مدل زبان بزرگ است که به کاربران سازمانی اجازه می‌دهد با جنبه‌های مختلف سرویس تعامل داشته باشند – از جمله جستجو برای فایل های مختلف — به زبان طبیعی.

شرکت گفت

فروشگاه Vector جدید، که در پیش‌نمایش خصوصی نیز است، می‌تواند اسناد را در قالب‌های مختلف جذب کند و آنها را به‌عنوان جاسازی‌های تولید شده از طریق یک مدل رمزگذار ذخیره کند تا درخواست‌ها را سریع‌تر پردازش کند. .

یکی از سخنگویان اوراکل گفت: «برای یک درخواست کاربر معین، فروشگاه Vector مشابه‌ترین اسناد را با انجام جستجوی تشابه روی جاسازی‌های ذخیره‌شده و جستجوی جاسازی شده شناسایی می‌کند. بعداً می‌توان از این اسناد برای تقویت درخواستی که به رابط مبتنی بر LLM داده می‌شود استفاده کرد تا پاسخ متنی‌تری را ارائه دهد.

پشتیبانی خودکار از MySQL HeatWave Lakehouse

Oracle’s MySQL HeatWave Lakehouse که سال گذشته در اکتبر منتشر شد، برای پشتیبانی از AutoML به روز شده است.

این شرکت گفت که AutoML HeatWave که یک جزء یا ویژگی یادگیری ماشین در این سرویس است، از آموزش، استنتاج و توضیحات در مورد داده‌های موجود در ذخیره‌سازی شیء علاوه بر داده‌های پایگاه داده MySQL پشتیبانی می‌کند.

به‌روزرسانی‌های دیگر AutoML شامل پشتیبانی از ستون‌های متنی، سیستم توصیه‌گر پیشرفته، و نظارت بر پیشرفت آموزش است.

طبق گفته این شرکت، پشتیبانی از ستون‌های متنی، اکنون به شرکت‌ها اجازه می‌دهد تا وظایف مختلف یادگیری ماشینی (از جمله تشخیص ناهنجاری، پیش‌بینی، طبقه‌بندی و رگرسیون) را روی داده‌های ذخیره‌شده در این ستون‌ها اجرا کنند.

در ماه مارس، Oracle چندین ویژگی جدید یادگیری ماشینی را به MySQL HeatWave اضافه کرد، از جمله AutoML و MySQL Autopilot.

سیستم توصیه‌کننده Oracle – یک موتور توصیه در AutoML – همچنین برای پشتیبانی از بازخورد گسترده‌تر، از جمله بازخورد ضمنی، مانند خریدهای گذشته و تاریخچه مرور، و بازخورد صریح، مانند رتبه‌بندی‌ها و لایک‌ها، به‌روزرسانی شده است تا دقیق‌تر ایجاد شود. توصیه های شخصی.

یک مؤلفه جداگانه به نام Training Progress Monitor نیز به AutoML اضافه شده است تا به شرکت ها امکان نظارت بر پیشرفت مدل های خود را که با HeatWave آموزش داده می شوند، داشته باشند.

MySQL Autopilot برای پشتیبانی از نمایه سازی خودکار

Oracle همچنین مؤلفه MySQL Autopilot خود را در HeatWave به روز کرده است تا از نمایه سازی خودکار پشتیبانی کند.

ویژگی جدید که در حال حاضر در دسترس محدود است، با هدف کمک به شرکت‌ها برای حذف نیاز به ایجاد شاخص‌های بهینه برای بارهای کاری OLTP خود و حفظ آن‌ها در حین تکامل بارهای کاری، طراحی شده است.

این شرکت در یک گزارش گفت:

“MySQL Autopilot به‌طور خودکار فهرست‌هایی را که مشتریان باید برای بهینه‌سازی توان عملیاتی OLTP خود ایجاد کنند یا از جداول خود حذف کنند، تعیین می‌کند، این شرکت در گزارشی گفت بیانیه.

یک ویژگی دیگر به نام فشرده سازی خودکار نیز به Autopilot اضافه شده است. فشرده‌سازی خودکار به شرکت‌ها کمک می‌کند تا الگوریتم فشرده‌سازی بهینه را برای هر ستون تعیین کنند، که باعث بهبود بار، و عملکرد جستجو و کاهش هزینه می‌شود.

به‌روزرسانی‌های دیگر در Autopilot شامل اجرای پرس و جو تطبیقی ​​و بارگیری و تخلیه خودکار است.

اجرای پرس و جو تطبیقی، همانطور که از نام آن پیداست، به شرکت ها کمک می کند تا با استفاده از اطلاعات به دست آمده از اجرای جزئی پرس و جو برای تنظیم ساختارهای داده و منابع سیستم، طرح اجرای یک پرس و جو را بهینه کنند تا عملکرد را بهبود بخشند.

به‌طور جداگانه، بارگیری و بارگیری خودکار با بارگیری خودکار ستون‌هایی که در HeatWave استفاده می‌شوند و بارگیری ستون‌هایی که هرگز استفاده نمی‌شوند، عملکرد را بهبود می‌بخشد.

“این ویژگی به طور خودکار جداولی را که هرگز یا به ندرت مورد پرسش قرار نگرفته اند، بارگیری می کند. این به آزادسازی حافظه و کاهش هزینه‌ها برای مشتریان بدون نیاز به انجام دستی این کار کمک می‌کند.

سایر پیشرفت های MySQL HeatWave

Oracle همچنین در حال اضافه کردن پشتیبانی از JavaScript به MySQL HeatWave است. این توانایی، که در حال حاضر در دسترس محدود است، به توسعه دهندگان اجازه می دهد تا رویه ها و توابع ذخیره شده را در جاوا اسکریپت بنویسند و بعداً آنها را در سرویس ابری تجزیه و تحلیل داده ها اجرا کنند.

به‌روزرسانی‌های دیگر عبارتند از JSON شتاب، اپراتورهای تحلیلی جدید برای انتقال بارهای کاری بیشتر به HeatWave، و قابلیت جذب انبوه به MySQL HeatWave.

ویژگی بلع انبوه پشتیبانی از ساخت موازی شاخص فرعی را در حین بارگیری داده‌ها از فایل‌های CSV اضافه می‌کند. این شرکت گفت: این افزایش عملکرد در جذب داده ها را فراهم می کند و در نتیجه به داده های تازه بارگذاری شده اجازه می دهد زودتر پرس و جو شوند.