[新製品・サービス]

2022年3月30日(水)日川 佳三（IT Leaders編集部）

リスト

　オラクルの「Oracle MySQL HeatWave」は、Oracle Cloud上で利用可能な、MySQLデータベースシステムである。今回の機能強化では、格納したデータに対するマシンラーニング（機械学習、ML）機能が備わった。新たに用意した専用のSQL関数をインタフェースとして、学習、推論、根拠の説明（結果に対する列の影響度の提示）が可能である（図1）。

図1：OLTP（トランザクション処理）とOLAP（データ分析）に加えて、新たに格納データを利用したマシンラーニング（機械学習）機能を搭載した（出典：日本オラクル）
拡大画像表示

　MySQL HeatWaveの特徴は、高速に動作すること。インメモリー型で動作する分散データベースで、MySQLをMySQL HeatWaveに置き換えることで処理が高速になる。完全互換なので、アプリケーションからはMySQLと同じように利用できる（関連記事：日本オラクル、クラウドDB「MySQL HeatWave」の運用自動化機能をアピール）。

　分散型のアーキテクチャを採用している。OLTP（トランザクション処理）に使う通常のMySQLノード（InnoDB）と、OLAP（データ分析）に使うインメモリー型のクラスタノード（HeatWave）で構成する。InnoDBで更新したデータは、データ分析用のHeatWaveクラスタに透過的に伝達する。1つのデータベース基盤でOLTPとOLAPを兼ねるので、OLTPデータベースからETLツールでOLAPデータベースにデータを移行して分析するといった手続きが不要である。

　2021年8月には、MySQL HeatWaveの追加機能として、チューニングなどの運用をマシンラーニングによって自動化する「MySQL Autopilot」を実装した。メモリー使用量、ネットワーク負荷、実行時間をAIモデル化し、プロビジョニング、データの読み込み、クエリー実行、障害処理などを自動化する。時間の経過とともにシステム性能が継続的に向上する（関連記事：オラクル、インメモリー分散DB「MySQL HeatWave」の運用をマシンラーニングで自動化）。

SQL関数をインタフェースに学習・推論・説明が可能

　今回の機能強化では、格納データを利用したマシンラーニング機能を搭載した。MySQL HeatWaveに格納してあるデータを対象に、データの学習と推論が可能である。これにより、MySQLデータベースからデータを抽出して別のシステムに移す、というプロセスが不要になった。データのサイロ化や分散、データの移動にともなうデータ分析処理の遅れを防げる。

　マシンラーニングのためのインタフェースはSQLである。専用のSQL関数を介して、データの学習、推論、根拠の説明（どの列が結果にどの程度影響を与えたか）ができる。作成可能なAIモデルは、教師あり学習の分類モデルと回帰モデルである。

　実際の使い方（SQL関数の使い方）は図2の通りである。データの学習には「ML_TRAIN」関数を使う。テーブル名や分類対象の列名（フィールド名）などを指定する。データの推論には「ML_PREDICT_ROW」関数または「ML_PREDICT_TABLE」関数を使う。説明には「ML_EXPLAIN_ROW」関数または「ML_EXPLAIN_TABLE」関数を使う。

図2：SQL関数をインタフェースとして、データの学習・推論・説明ができる（出典：日本オラクル）
拡大画像表示

　図2の例では、「顧客が定期預金を作成するか」を、最新の勧誘の電話の状況から予測している。Prediction列が「Yes」になっている顧客が、定期預金を作成すると予測した顧客である。結果に影響を与えた列名（特徴量）を調べたところ、duration（勧誘電話の通話時間）とpmonth（最後に勧誘電話をかけた月）の影響度が高く、balance（預金残高）の影響度は低いことが分かった。

●Next：MySQL HeatWaveのマシンラーニング以外の機能強化