MySQL推出了新功能—— MySQL Autopilot。MySQL Autopilot 使用先进的机器学习技术来自动化 HeatWave，使其更易于使用并进一步提高性能和可扩展性。目前还没有其他云供应商提供如此先进的自动化功能。MySQL HeatWave 客户可以免费使用 Autopilot。关于HeatWave，请阅读MySQL Database Service with Analytics Engine。
MySQL Autopilot 可自动执行配置、数据加载、查询执行和故障处理。它使用先进的技术来采样数据、收集数据和查询的统计信息，并使用 Oracle AutoML 构建机器学习模型来对内存使用、网络负载和执行时间进行建模。MySQL Autopilot 使用这些机器学习模型来执行其核心功能。随着执行查询增加，MySQL Autopilot 使得 HeatWave 查询优化器变得越来越智能，从而随着时间的推移不断提高系统性能——这是 Amazon Aurora、Amazon Redshift、Snowflake 或其他基于 MySQL 的数据库服务所不具备的功能。
MySQL Autopilot 包括以下功能：
自动配置：通过对需要分析的表数据进行自适应采样来预测运行工作负载所需的 HeatWave 节点数量。这意味着客户不再需要手动估计其集群的最佳大小。
自动并行加载：可以通过预测加载到 HeatWave 中的每个表的最佳并行度来优化加载时间和内存使用。
自动数据放置：预测应在内存中对哪些表进行分区以帮助实现最佳查询性能的列。还可以通过推荐新的列，预测查询性能的预期收益。由于操作员在手动选择列时可能无法做出最优选择，这可以最大限度地减少跨节点的数据移动。
自动编码：可以确定加载到 HeatWave 中的列的最佳表示，同时考虑到查询。这种最优表示提供了最好的查询性能并最小化了集群的大小，可以最小化成本。
自动查询计划改进：从查询的执行中学习各种统计信息，并可以改进未来查询的执行计划。随着更多查询的运行，这会提高系统的性能。
自动查询时间估计：可以在执行查询之前估计查询的执行时间。这提供了对查询需要多长时间的预测，使客户能够决定查询的持续时间是否太长，是否运行不同的查询。
自动更改传播：智能地确定 MySQL 数据库中的更改传播到 HeatWave 横向扩展数据管理层的最佳时间。有助于确保以正确的最佳节奏传播更改。
自动调度：可以确定队列中哪些查询运行时间较短，并以智能方式将它们优先于长时间运行的查询，以减少总体等待时间。大多数其他数据库使用先进先出 (FIFO) 机制进行调度。
自动故障恢复：如果一个或多个 HeatWave 节点由于软件或硬件故障而无响应，则会提供新节点并重新加载必要的数据。
Oracle还引入了 MySQL 横向扩展数据管理，它可以将数据重新加载到 HeatWave 的性能提高多达 100 倍。HeatWave 现在支持 64 个节点的集群大小（之前为24个节点），并且能够处理高达 32 TB 的数据（之前为 12 TB ）。这些新的增强功能进一步增强了 HeatWave 相对于其主要竞争对手的性价比优势。
与所有其他竞争数据库和分析云服务相比，HeatWave 可以以更低的价格为分析和混合工作负载提供更好的性能。具体来说，在 HeatWave 的测试中：
与采用 AQUA 的 Amazon Redshift 相比，性价比高出 13 倍——快 6.5 倍，成本减半 (TPC-H 10TB)
性价比比 Snowflake 高 35 倍——快 7 倍，成本降低 1/5 (TPC-H 10TB)
性价比比 Google Big Query 高 36 倍——以 1/4 的成本提高 9 倍（TPC-H 30TB）
性价比比 Azure Synapse 高 15 倍——快 3 倍，成本降低 1/5 (TPC-H 30TB)
对于混合工作负载，性价比比 Amazon Aurora 高 42 倍——延迟降低 18 倍，吞吐量提高 110 倍，成本降低 42%（CH-benCHmark 100G）
Oracle 正在公开提供基准测试代码，使用户能够通过访问此处自行运行基准测试。 最新 MySQL HeatWave 版本中引入的新功能现在可在所有 30 个 Oracle 云区域的 OCI 上使用。对此感兴趣的用户可以第一时间体验。
感谢您关注”MySQL解决方案工程师“
