Oracle расширяет конвергентные возможности СУБД

30 апрель, 2020 - 15:35

Oracle расширяет конвергентные возможности СУБД

Oracle работает в направлении реализации единой конвергентной системы управления базами данных. Новые функции Oracle Database 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.