Oracle MySQL HeatWave 增加了对向量存储和生成式 AI 的支持
MySQL HeatWave 是能够在一个 MySQL 数据库中进行事务处理、跨数据仓库和数据湖实时分析以及机器学习的云技术数据库服务。这避免了重复提取、转换和加载（ETL）的复杂性、风险或成本。现在，MySQL HeatWave 再次向前迈出了一大步，推出了新的向量存储、生成式 AI 能力和可在 Amazon Web Services（AWS）上使用 MySQL HeatWave Lakehouse 等。
在 Oracle CloudWorld 发布的有关 MySQL HeatWave 的主要内容有对生成式 AI 的支持，以及使用企业自有数据增强大语言模型（LLM）训练的能力。
Oracle 首席企业架构师 Edward Screven 表示：“此次宣布推出的 MySQL HeatWave 增强功能，是我们在解决客户数据、分析和 AI 等紧迫问题的又一个重要里程碑。现在，向量存储和生成式 AI 为客户带来了强大的 LLM，客户可以用一种直观的方式来与企业中的数据交互，并获得业务所需的准确结果。”
向量存储从数据湖仓一体中摄取企业数据，然后将其作为通过编码器生成的嵌套存储起来，用作 LLM 查询的附加上下文。用户向 LLM 发出指令/提示后，根据向量存储进行相似性搜索。结果被用作输入查询，其中结合了原始指令和相似性搜索，让 LLM 可以提供源自企业数据的更贴切的答案。
Oracle MySQL HeatWave 开发高级副总裁 Nipun Agarwal 表示：“向量存储的输出只是 LLM 的输入。LLM 未接受过这些专有数据的训练，因此不会面临信息泄漏的风险。”
向量存储和生成式 AI 目前尚处于非公开预览版阶段，两者的结合是一个强大的工具，可以帮助企业利用专有数据进行查询和搜索，实现对自然语言查询的更准确响应。
MySQL HeatWave Lakehouse 于 2023 年 7 月推出，在 Oracle Cloud Infrastructure (OCI)上运行，可加速分析对象存储中各种格式的数据，无需将其导入 MySQL，因此非 MySQL 工作负载也可使用 HeatWave。因 MySQL HeatWave Lakehouse 在AWS上原生运行，所以该平台客户现在可以享受这些同样的能力。
Edward Screven 表示：“我们使用 AWS 基础设施在 AWS 中运行 MySQL HeatWave，包括HeatWave Lakehouse。这意味着如果您在 AWS 中使用 HeatWave Lakehouse，将不会有数据输出费。您可以分析存储在 S3 存储桶中的文件。”
可原生查询数百 TB 的 CSV、Apache Parquet、Avro 和其他格式的数据（包括从其他数据库导出的数据），取代了五种 AWS 服务（Aurora、Redshift、Glue、SageMaker和Athena），从而降低了成本和复杂性。作为 Oracle Database Service for Microsoft Azure 的一部分，Microsoft Azure 用户也可使用 MySQL HeatWave。
Edward Screven 说：“MySQL HeatWave 现在可以直接查询存储在对象存储中的文件中的数据。这意味着您无需将其导入到 MySQL。这也意味着 MySQL HeatWave Lakehouse 成为您可以用于全部数据的服务：物联网设备、日志文件和从其他数据库导出的数据。”
MySQL Autopilot Indexing 是 Edward Screven 在CloudWorld 上宣布的另一个新功能。Autopilot Indexing 目前处于限制供应阶段，通过机器学习建议创建和放弃索引，从而加快和改进索引编制。Autopilot Indexing 还可生成性能影响评估和建议，以支持调优决策。近期发布的 MySQL HeatWave 的其他特色包括：
HeatWave AutoML 支持 MySQL HeatWave Lakehouse，让客户可以轻松安全地将机器学习训练、推理和解释应用于对象存储中的数据
HeatWave AutoML 推荐系统的增强，可生成个性化的推荐
JavaScript 支持，用于在 MySQL HeatWave 中编写和执行存储的过程和函数
JSON 文档的实时分析
MySQL Autopilot 的其他能力，例如自动压缩和自适应查询执行
