HeatWave Lakehouse

Mit HeatWave Lakehouse können Sie Daten im Objektspeicher mit guter Leistung und einem unschlagbaren Preis-Leistungs-Verhältnis abfragen sowie ML-Modelle automatisch erstellen, trainieren und erklären. Es ist auf Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) und Microsoft Azure verfügbar.

Demo: HeatWave Lakehouse on AWS (4:32)

MySQL Global Forum: 30 Jahre MySQL – Ein Grund zum Feiern

Sehen Sie sich die Aufzeichnung des Webcasts an, wann immer Sie Zeit haben. Erfahren Sie von Experten aus der Community bewährte MySQL-Best Practices und entdecken Sie neue Funktionen für mehr Entwicklerproduktivität, Cloud-Services, GenAI und vieles mehr.

Was spricht für HeatWave Lakehouse?

  • Fragen Sie Daten im Objektspeicher ab

    HeatWave ist eine skalierbare Datenverarbeitungs-Engine, die für die Abfrage von Daten in Objektspeichern optimiert ist. Mit HeatWave Vector Store können Sie strukturierte Daten, halbstrukturierte Daten im JSON-Format und unstrukturierte Dokumente abfragen.

  • Holen Sie sich die beste Performance und das beste Preis-Leistungs-Verhältnis

    Das Preis-Leistungs-Verhältnis ist deutlich besser.

  • Integrierte ML mit all Ihren Daten verwenden

    Automatisieren Sie die Pipeline zum Erstellen, Trainieren, Bereitstellen und Erläutern von ML-Modellen mithilfe von Daten im Objektspeicher und in der MySQL Database – ohne die Daten in einen separaten ML-Cloud-Service zu verschieben und ohne zusätzliche Kosten.

Funktionsweise von HeatWave Lakehouse

HeatWave Lakehouse verarbeitet Daten in einer Vielzahl von Dateiformaten, darunter CSV, Parquet, Avro und JSON, sowie Exporte aus anderen Datenbanken. Darüber hinaus können Sie Daten im Objektspeicher abfragen und diese optional mit Transaktionsdaten in MySQL Databases kombinieren. Mit HeatWave Vector Store können Sie unstrukturierte Dokumente hochladen und abfragen. Daten, die zur Verarbeitung in den HeatWave-Cluster geladen werden, werden automatisch in das HeatWave-In-Memory-Format umgewandelt, und Objektspeicherdaten werden nicht in die MySQL-Datenbank kopiert. Sie können außerdem HeatWave AutoML nutzen, eine integrierte Funktion, die die Pipeline zum Erstellen, Trainieren und Erklären von ML-Modellen mithilfe von Daten im Objektspeicher, in der Datenbank oder in beiden automatisiert. Sie müssen die Daten nicht in einen separaten ML-Cloud-Service verschieben, und auch kein ML-Experte sein.

Diagramm zur Funktionsweise von Heatwave Lakehouse (siehe Details unten):
Transaktionsdaten in MySQL Database sowie Objektspeicherdaten in verschiedenen Dateiformaten wie CSV, Parquet, Avro, JSON und Exporte aus anderen Datenbanken werden in Echtzeit im HeatWave-Cluster repliziert, sodass Kunden über all diese Daten Echtzeitanalysen erhalten. Da in HeatWave Funktionen für maschinelles Lernen integriert sind, können Kunden auch Daten aus der Datenbank und dem Objektspeicher verwenden, um ML-Modelle zu erstellen, zu trainieren, bereitzustellen und zu erklären.

Kundenstimmen zu HeatWave Lakehouse

  • „HeatWave Lakehouse lässt sich sehr gut skalieren, um Daten aus dem Objektspeicher zu laden und Abfragen im Objektspeicher auszuführen. Die Ladezeit und die Abfragezeiten sind nahezu konstant, wenn die Datengröße wächst und die HeatWave-Clustergröße entsprechend zunimmt. Diese Skalierbarkeit von HeatWave Lakehouse für das Datenmanagement ist der Schlüssel zur effizienten Verarbeitung sehr großer Datenmengen.“

    – Henry Tullis, Leiter, Cloud Infrastructure and Engineering, Deloitte Consulting

  • „Die Datenmenge wächst exponentiell und damit auch die Menge der Daten, die wir in unserem Data Lake speichern. Die Möglichkeit, die Standard-MySQL-Syntax zum Abfragen von Daten in unserer Datenbank und unserem Objektspeicher zu verwenden, um Einblicke in Echtzeit zu erhalten, ist für Natura sehr wichtig. Dies eröffnet neue Möglichkeiten zur Erkundung und könnte neue Wettbewerbsvorteile verschaffen, wenn wir all diese Daten schneller als unsere Konkurrenz analysieren können.“

    – Fabricio Rucci, Solution Architect bei Natura &Co

Anwendungsfälle für HeatWave Lakehouse

Benutzer können mithilfe von HeatWave Lakehouse schnelle und kostengünstige Einblicke aus historischen Transaktionen erhalten, die zu Analysezwecken in den Objektspeicher ausgelagert wurden.


Bankwesen-Diagramm, Beschreibung unten:

Dieses Diagramm zeigt, dass es kostspielig sein kann, alle historischen Transaktionsdaten in der Transaktionsdatenbank On-Premises für Analysen beizubehalten. Ältere Transaktionsdaten werden daher als CSV-Dateien in den Objektspeicher exportiert. HeatWave Lakehouse ermöglicht schnelle Abfragen von Daten im Objektspeicher, sodass Benutzer schnelle und kostengünstige Einblicke aus historischen Transaktionsdaten erhalten.



Mit HeatWave Lakehouse können Benutzer Einblicke in aktuelle Kampagnendaten in ihrer Transaktionsdatenbank und ältere Kampagnendaten in ihrem Data Lake erhalten.


Digitales Marketingdiagramm, Beschreibung unten:

Dieses Diagramm zeigt, dass alle Kampagnendaten in der Transaktionsdatenbank HeatWave MySQL gespeichert sind und ältere Kampagnendaten in einen Data Lake im Objektspeicher exportiert werden. HeatWave Lakehouse kann aktuelle Daten in der Datenbank in Kombination mit älteren Kampagnendaten im Objektspeicher abfragen, sodass Benutzer Analyseabfragen über alle Kampagnendaten hinweg ausführen können.



Daten, die von Internet of Things(IoT)-Sensoren generiert werden, können von Anwendungen über HeatWave Lakehouse abgerufen werden.


IoT-Diagramm, Beschreibung unten:

Dieses Diagramm zeigt, dass Daten von IoT-Sensoren auf Versandcontainern generiert und als CSV-Dateien in einem Data Lake im Objektspeicher gespeichert werden. HeatWave Lakehouse kann diese Daten schnell abfragen, sodass Benutzer Analyse-Dashboards und Chatbots implementieren können, die auf IoT-Daten zugreifen.



Benutzer können Medienvertriebskampagnen mit HeatWave Lakehouse verwalten und planen, um gleichzeitig Vertriebsdaten in ihrer Transaktionsdatenbank sowie Vertriebsstatistiken und Kampagnendaten im Objektspeicher abzufragen.


Medien-Diagramm, Beschreibung unten:

Dieses Diagramm zeigt, dass Buchverkäufe aufgezeichnet und in der Transaktionsdatenbank HeatWave MySQL gespeichert werden. Statistiken über Verkäufe und Kampagnen werden gesammelt und diese Daten als CSV-Dateien in den Objektspeicher exportiert. HeatWave Lakehouse kann Transaktionsdaten in Kombination mit Daten im Objektspeicher abfragen, sodass Benutzer Vertriebskampagnen verwalten und planen können.



Erfahren Sie, was renommierte Branchenanalysten von HeatWave Lakehouse halten

  • IDC-Logo

    „Organisationen, die das beste Preis-Leistungs-Verhältnis in der Cloud-Data-Lakehouse-Landschaft suchen, müssen HeatWave Lakehouse ernsthaft in Betracht ziehen.“

    Carl Olofson
    Research Vice President, Data Management Software, IDC
  • Logo von Wikibon

    „Die Fähigkeit von HeatWave, Daten auf einer so großen Anzahl von Knoten parallel zu laden und abzufragen ist eine Branchenneuheit.“

    Marc Staimer
    Senior Analyst, Wikibon
  • The Futurum Group-Logo

    „Dass HeatWave Lakehouse eine Rekordleistung sowohl beim Laden von Daten als auch beim Abfragen von Daten liefert, ist eine beispiellose Innovation bei Cloud-Datenservices.“

    Ron Westfall
    Research Director, The Futurum Group
  • Omdia-Logo

    „Mit HeatWave Lakehouse unterbreitet Oracle MySQL-Kunden auf AWS und Microsoft Azure ein Angebot, das sie kaum ablehnen können.“

    Bradley Shimmin
    Chief Analyst, AI & Data Analytics, Omdia
  • Moor-Logo

    „HeatWave Lakehouse kann das Leben von Datenmanagement-Experten vereinfachen und sollte die Customer Experience verbessern.“

    Matt Kimball
    Vice President und Principal Analyst, Datacenter, Moor Insights & Strategy
  • Constellation Research-Logo

    „Das HeatWave-Team hat die Branche in puncto Innovation übertroffen und fünf verschiedene Kern-Datenbank-Anwendungsfälle in einer einzigen Datenbank bereitgestellt, sodass Führungskräfte sich darauf verlassen können, dass eine einzige Datenbank alles kann – eine wirklich universelle Datenbank.“

    Holger Mueller
    Vice President and Principal Analyst bei Constellation Research

Weitere Informationen zu anderen HeatWave-Lösungen für Ihre verschiedenen Workloads

Erste Schritte mit MySQL Lakehouse

Mit schrittweiser Anleitung lernen

Lernen Sie HeatWave Lakehouse mit Schritt-für-Schritt-Anleitungen in Ihrem eigenen Tempo kennen.

  • Analysieren von skalierbaren Daten im Objektspeicher mit HeatWave Lakehouse

    Erfahren Sie, wie Sie mit HeatWave Lakehouse Hunderte Terabyte an Daten in verschiedenen Dateiformaten im Objektspeicher abfragen. Entdecken Sie, wie einfach dieser Prozess mit HeatWave Autopilot sein kann.

    Übung zum Analysieren von skalierbaren Daten im Objektspeicher mit HeatWave Lakehouse starten

  • Mit HeatWave Lakehouse zum Sieg

    Dies ist Ihre Chance zu sehen, was es bedeutet, ein „Datensportler“ für SailGP zu sein, indem Sie den Segelteams helfen, ihre Leistung zu steigern. SailGP bietet den perfekten Spielplatz, um HeatWave Lakehouse auszuprobieren. Die High-Speed-High-Tech-Boote enthalten mehr als 800 IoT-Sensoren, die mehr als 12.000 Datenpunkte generieren.

    Übung zum Thema „Mit HeatWave Lakehouse zum Sieg“ starten

Kostenloser Workshop zu HeatWave Lakehouse

Fordern Sie einen kostenlosen Workshop mit Experten an, um HeatWave Lakehouse zu bewerten oder erste Schritte mit der Lösung zu unternehmen.

Heatwave Lakehouse
kostenlos testen

Melden Sie sich für eine kostenlose Testversion von HeatWave Lakehouse an. Diese bietet einen zeitlich unbegrenzten Zugang zu kostenlosen Ressourcen.