Какие инновации готовит Oracle
Новые возможности Oracle Database для реализации единой конвергентной системы управления базами данных.
Новые функции облегчают использование таких технологий, как блокчейн для предотвращения мошенничества, предоставляют гибкие возможности работы с документами формата JSON и упрощают обучение и оценку алгоритмов машинного обучения благодаря их интеграции в базы данных.
Эффективное использование данных повышает конкурентоспособность компаний. Чтобы извлечь максимальную ценность из корпоративных данных, необходимы приложения нового поколения – приложения, управляемые данными (data driven). Единая система управления базами данных упрощает создание таких приложений благодаря возможности выбора наиболее подходящей модели данных, типа обработки и парадигмы разработки с учетом требований бизнеса.
«Обычно для обработки данных разных типов в облаке приходится использовать десятки различных специализированных СУБД. Необходимость развертывания нескольких СУБД узкого назначения создает дополнительные проблемы и трудности, а реализация нескольких движков баз данных увеличивает сложность, риски и стоимость. Ведь в каждой базе данных применяется своя модель безопасности, свой набор процедур для обеспечения высокой доступности, свои средства масштабируемости. Наконец, для работы с каждой из них нужны свои специфические навыки. Конвергентная база данных позволяет выполнять множество видов рабочих нагрузок с одними и теми же данными», – отметил Хуан Лоайза, исполнительный вице-президент Oracle.
Сегодня смартфон – это и камера, и календарь, и система обмена сообщениями. Сходная идея воплощена в конвергентном ядре баз данных Oracle. Предприятиям не нужно приобретать несколько узко специализированных СУБД – единая конвергентная СУБД позволяет работать со всеми данными.
Вот несколько новых функций, расширяющих конвергентные возможности Oracle Database 20с, включая:
- Oracle Machine Learning for Python (OML4Py): алгоритмы машинного обучения Oracle Machine Learning (OML) в базе данных Oracle Database ускоряют решение задач предиктивной аналитики. Для этого используются усовершенствованные алгоритмы ML, которые можно применять непосредственно к данным. Поскольку алгоритмы ML размещаются вместе с данными, нет необходимости перемещать данные из базы данных куда-либо еще. Для расширения алгоритмов машинного обучения в базе данных специалисты по анализу и обработке данных могут также задействовать Python.
- OML4Py AutoML: благодаря OML4Py AutoML механизмы машинного обучения могут использовать даже те, кто не является экспертом в этой области. AutoML порекомендует наиболее подходящие алгоритмы, автоматизирует выбор признаков и произведет настройку гиперпараметров, благодаря чему точность модели значительно повысится.
- Native Persistent Memory Store: теперь данные базы данных и журналов (redo log) могут храниться в локальной постоянной энергонезависимой памяти (Persistent MEMory, PMEM). Используя упрощенные алгоритмы ввода-вывода, SQL может работать непосредственно с данными, хранящимися в PMEM. Это сокращает потребность в буферной кэш-памяти большой емкости и позволяет ускорить доступ к данным для рабочих нагрузок, требующих минимальных задержек, включая высокочастотный трейдинг и мобильные коммуникации.
- Automatic In-Memory Management: опция Oracle Database In-Memory ускоряет обработку аналитических и смешанных онлайн-транзакций, обеспечивая для них высокую производительность, и при этом позволяет поддерживать аналитику и отчетность в реальном времени. Автоматическое управление размещением данных в оперативной памяти (In-Memory) значительно упрощает использование механизмов In-Memory. Автоматически оценивая алгоритмы использования данных, эта функция определяет, какие таблицы больше всего выиграют от размещения в кэше In-Memory Column Store и автоматически кэширует их без какого-либо вмешательства человека.
- Native Blockchain Tables: нативные блокчейн-таблицы Oracle упрощают использование технологии блокчейна для выявления и предотвращения мошенничества (антифрод). Блокчейн-таблицы Oracle выглядят как стандартные таблицы. Они допускают вставки SQL, а добавленные строки криптографически связываются в цепочку. При желании строки могут быть подписаны для защиты от мошенничества с помощью электронной подписи. Блокчейн-таблицы Oracle легко интегрируются в приложения. Их можно использовать в транзакциях и запросах наряду с другими таблицами. Кроме того, вставка производится очень быстро по сравнению с децентрализованным блокчейном, поскольку фиксация изменений не требует консенсуса.
- JSON Binary Data Type: для документов JSON, хранящихся в двоичном формате в базе данных Oracle, обновление выполняется вчетверо, а сканирование – до 10 раз быстрее.
Oracle предлагает полнофункциональные решения для управления данными, в том числе автономную базу данных Oracle Autonomous Database.
В отчете «Forrester Wave: Translytical Data Platforms» за IV кв. 2019 года говорится, что «в отличие от других поставщиков, для обеспечения оптимальной транслитной (OLTP+DSS) производительности Oracle использует двухформатную базу данных» (строки и столбцы для одной и той же таблицы) и что «заказчики ценят способность Oracle поддерживать множество рабочих нагрузок, включая OLTP, IoT, микросервисы, мультимодели, интеллектуальную обработку данных, ИИ/МО, пространственные, графические и аналитические задачи».
Источник: блог Oracle
