MySQL ： 用 HeatWave 加速 MySQL 数据库外的交易数据的统计分析和机器学习(英文版)

使用 HeatWave 对 MySQL 数据库以外的事务数据进行分析和机器学习的 100x 加速 Mandy Pang 高级首席产品经理MySQL HeatWave 议程 • 用例• MySQL HeatWave 概述 数据仓库在行业中的最佳性能 数据仓库的行业成本最低 使用 HeatWave AutoML 的行业和用例 预测未来损失 产品追加销售 预测价格弹性 物联网 机场票务雨水位空气污染 使用 HeatWave 的机器学习速度快 ， 经济高效 ， 准确且可滚动 客户 MySQL 工作负载的成功案例 针对本地 MySQL 数据库轻松运行分析 / ML 业务挑战 ： 巴西领先的教育科技公司服务于超过500所K-12学校的逾800万名学生，以提升学生表现。该公司需要一个数据平台，通过减少从AWS RDS到Google BigQuery传输数据时的ETL复杂性和成本，来提供实时洞察，以支持每月300万用户的数据规模。 Estuda. com 实现实时洞察 结果:: 300倍更快的性能通过从BigQuery迁移到MySQL HeatWave实现，无需代码更改且具有低延迟。85%的成本降低通过消除ETL过程和按使用量付费的消费模式实现。实时分析加快了开发速度，提高应用程序的易用性和采用率。查询能够扩展到任何数据规模，以增加灵活性并促进更多学生的受益。 MySQL HeatWave 在无需代码更改的情况下将复杂查询性能提高了 300 倍，响应时间缩短至秒级，并且成本仅占 Google BigQuery 的 85%。现在我们能够更好地为多达 3 百万用户的实时分析提供服务，并持续改进应用以提升学生表现。 使用的产品: Vitor Freitas MySQL HeatWave CTO, Estuda. com Fintech 公司(来自 AWS 的 MySQL 混合工作负载) 从 Percona MySQL 复制到 MySQL HeatWave 进行分析 1.解决方案:混合解决方案 - 通过将多个 Percona MySQL部署复制到单个 MySQL HeatWave 进行数据整合 Company： 领先的 NBFC ， 每天处理 30K贷款 ， 贷款票大小为 5K 至 500K ， 在印度提供 28000 个 pin 码。 客户选择了 MySQL HeatWave ：1.845 X更好的查询性能2.不需要 ETL 工具从 MySQL 数据库移动数据3.实时洞察以更好地分析和理解客户行为，从而不断改进其应用并实现快速开发。4.降低 TCO ； 与 AWS 成本相比5.使用 MySQL 的原生分析功能6.增强数据安全性并确保法规遵从性(MySQLEE 和 OCI 安全性) 用例：应用程序和数据库托管在AWS环境上。它们使用多个从AWS EC2实例运行的PerconaMySQL实例，并通过读副本实现不同业务场景下的报告和数据共享。 挑战整合来自多个 MySQL 部署的数据 ， 以实现报告的高查询性能(总共 30 TB 数据) 电子书公司 (MySQL 工作负载 - > ETL - > Teradata) 从 Teradata 迁移的数据仓库 ， 现已扩展为使用 HeatWave Lakehouse 客户选择了 MySQL HeatWave ：1.他们已经熟悉 MySQL2.支持 MySQL 的应用程序和现有工具没有变化3.通过 MySQL 复制提供实时数据分析 ， 无需使用 ETL 工具4.高查询性能。 MySQL 中的 “永无止境的查询 ”只需几秒钟即可运行5.可预测的定价模型 - 与 Google BigQuery 相比(他们使用按需定价) Company： 在日本提供电子书服务和游戏服务 ，拥有 3500 万(占日本人口的 30 ％) 独立活跃用户。 用例： 对于他们的电子书业务 ，1.适用于 OTLP 的 MySQL 企业版2.Teradata 作为数据仓库(10TB 数据) 挑战:他们开始迁移到 Google BigQuery 1.2.解决方案:混合解决方案 - 将数据从本地 MySQL 复制到MySQL HeatWave 以实现数据仓库 Looker作为 BI 工具 为非 MySQL 工作负载轻松运行分析 / ML 物流公司(非 MySQL 工作负载) MySQL HeatWave 用于快速仪表板 / 报告以及用于 OLTP 的 ATP 数据大小:1.总数据约 3TB ， 仪表板数据 1TB(1 - 2年)2.~ 2GB / 天数据增长3.并发用户 ~ 200 Company： 全球供应链服务 ， 以帮助在关键市场实现可持续的贸易和商业 用例内部和外部利益相关者通过运行于本地Oracle数据库上的“可见性和报告”应用程序，跟踪和追踪货物运输及业务决策报告。 1.2.3.解决方案:使用GoldenGate复制本地Oracle数据库的数据，并使用ATP进行OLTP MySQL的数据报告和交互式仪表盘。 挑战:应用程序是一个数据处理和集成导向的平台。随着数据量的增长，SQL查询耗时变长，用户体验到性能变慢。 1. 比内部部署快 3, 000XResults: 客户期待 ：通过多个数据存储(约 5 - 6 个事务数据库源) 实现 VNR 应用程序的可扩展性和具有交互式仪表板的近实时数据用于可见性和报告 利用 ML / GenAI 的软件公司 公司:在集成平台中提供 ITSM 和 GRC 的自动化 ML 活动减少 50%减少数据清洗、模型选择、模型调整和训练时间 用例:1. 预配置的过程和工作流，消除 表格和手动工作 2. 最大限度地提高可见性和数据洞察力，使用户能够关联、分析和解决 ISSUE 3.灵活的平台，能够扩展并简化现有堆栈 Improvement15 - 25% 性能使用自动索引、自动 ML 和 Javascript 将处理更靠近数据以改善延迟 (Javascript) 技术. 整合无缝扩展关系模型以支持OLAP/ML/AI工作负载，减少维护和部署多个技术栈以及培 解决方案:利 印度大银行金融服务 印度领先的私营银行提供在线网银服务及个人银行业务，包括账户与存款、银行卡、贷款等。 用例• 识别追加销售机会 • 检测欺诈性帐户 型号类型 • 异常检测 ， 生成 AI Results • 一项专利算法解决了各种类型的异常问题，实现了有效的多层欺诈检测。• 数据库开发人员能够在无需机器学习专业知识的情况下构建模型。• 能够每秒创建数千个预测，以满足银行所需的高吞吐量要求。 基于迪拜的在线聚合平台，将成千上万的用户与其喜爱的餐厅连接起来，使在线点餐更加便捷、可靠和方便。 用例• 预测食物递送时间 • 基于过去的动作建议食物 / 餐厅 • 总结所选餐厅的菜单。 型号类型 • 回归、推荐、生成 AI Results • 在几天内开发了原本需要几个月才能完成的机器学习模型• 数据库开发人员能够在没有机器学习专业知识的情况下构建这些模型• 简化了基础设施，无需管理复杂的ETL，且一个平台提供了联机事务处理、分析、机器学习和通用人工智能功能• 各种类型的机器学习模型具有一致的界面，简化了Eat Easy开发团队的学习过程