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)

核心观点与关键数据

MySQL HeatWave 通过其原生分析功能，为 MySQL 数据库以外的数据提供 100x 的加速，支持实时分析和机器学习。其核心优势在于无需代码更改即可将复杂查询性能提高 300 倍，响应时间缩短至秒级，成本降低 85%。

主要用例与解决方案

1. 教育科技公司 Estuda.com

   • 挑战：从 AWS RDS 到 Google BigQuery 的数据传输 ETL 复杂且成本高。
   • 解决方案：迁移至 MySQL HeatWave，实现 300 倍性能提升和 85% 成本降低。
   • 结果：实时分析支持 300 万用户，开发速度加快，灵活性增强。

2. Fintech 公司（AWS MySQL 混合工作负载）

   • 挑战：整合多个 Percona MySQL 部署的数据，实现高查询性能。
   • 解决方案：通过 MySQL HeatWave 整合数据，无需 ETL 工具。
   • 结果：查询性能提升 1.845 倍，实时洞察改善客户行为分析，TCO 降低。

3. 电子书公司

   • 挑战：从 Teradata 迁移数据仓库，需实时分析且避免 ETL。
   • 解决方案：迁移至 MySQL HeatWave Lakehouse，保留现有工具和应用程序。
   • 结果：查询性能提升，定价模型可预测，无需 ETL。

4. 物流公司（非 MySQL 工作负载）

   • 挑战：Oracle 数据库性能随数据量增长变慢。
   • 解决方案：使用 GoldenGate 复制数据至 MySQL HeatWave，结合 ATP 进行 OLTP。
   • 结果：性能提升 3,000 倍，支持近实时数据可见性。

5. 软件公司（ML/GenAI）

   • 挑战：ML 活动耗时高，数据清洗和模型训练时间长。
   • 解决方案：利用 HeatWave AutoML 减少数据清洗时间 50%，提升 15-25% 性能。
   • 结果：简化流程，提高可见性和洞察力，支持 OLAP/ML/AI 工作负载。

6. 印度大银行

   • 挑战：需实时欺诈检测和追加销售分析。
   • 解决方案：使用 HeatWave 构建异常检测模型，实现每秒数千个预测。
   • 结果：专利算法实现多层欺诈检测，无需机器学习专业知识。

7. 在线聚合平台 Eat Easy

   • 挑战：需预测递送时间、推荐食物，简化基础设施。
   • 解决方案：使用 HeatWave 构建回归、推荐和生成 AI 模型。
   • 结果：快速开发模型，简化基础设施，支持多种机器学习模型。

研究结论

MySQL HeatWave 通过原生分析功能，显著提升非 MySQL 工作负载的分析和机器学习性能，降低成本并简化流程。其优势在于实时洞察、高查询性能、可预测定价和无需 ETL 的数据整合，适用于教育、金融、电商、物流和科技等多个行业。客户案例证明，HeatWave 可在无需代码更改的情况下实现性能 300 倍提升，支持大规模用户和复杂模型，验证了其高效、经济且可扩展的解决方案。