MySQL HeatWave를 아시나요? MySQL HeatWave는 OLTP, OLAP, 혼합 워크로드, 머신러닝 워크로드 실행에 있어 MySQL의 성능을 끌어 올리는 고성능 인메모리 쿼리 가속기입니다. MySQL HeatWave 클러스터는 MySQL 데이터베이스 시스템과 두 개 이상의 HeatWave 노드로 구성합니다. MySQL 데이터베이스에는 클러스터 관리, 쿼리 스케줄링 및 쿼리 결과를 데이터베이스로 반환하는 HeatWave 플러그인이 포함됩니다. HeatWave 노드는 데이터를 메모리에 저장하고 분석 및 머신 러닝 쿼리를 처리합니다.
MySQL HeatWave 클러스터를 구축하면 특정 조건에 해당하는 쿼리를 실행할 경우 MySQL 데이터베이스가 아니라 HeatWave 노드에서 처리가 됩니다. 이런 특징으로 단일 시스템상에서 OLTP, OLAP, 혼합 워크로드, 머신 러닝 워크로드를 빠르고 효과적으로 처리할 수 있습니다. MySQL HeatWave가 사랑받는 이유는 엄청난 가속 혜택을 간편하게 누릴 수 있기 때문입니다. 네, MySQL HeatWave 환경에서는 ETP 작업이 필요하지 않고, 가속을 위한 애플리케이션 수정도 요구하지 않습니다. 최신 버전을 기준으로 MySQL HeatWave의 주요 특징을 살펴보겠습니다.
머신 러닝 워크플로우 가속 ‘HeatWave ML’
MySQL에 있는 데이터 세트를 머신 러닝 모델 훈련이나 추론에 적용하려면 ETL 작업을 통해 데이터를 추출해야 합니다. 데이터 준비 과정이 길고 번거로울 수 있죠. MySQL HeatWave는 데이터 준비 과정을 데이터베이스 내에서 편하게 할 수 있습니다.
HeatWave ML이란 기능을 이용하면 되는데요, 이 기능을 이용하면 ETL 작업 없이 데이터베이스 내에서 데이터를 준비하고 머신 러닝 모델 훈련과 추론 작업을 할 수 있습니다. 데이터 과학자나 개발자는 ML_TRAIN 구문을 이용해 간편하게 훈련을 수행하거나, 생성한 머신 러닝 모델을 사용한 예측도 ML_PREDICT_TABLE을 통해 간편히 할 수 있습니다. 더 자세한 내용은 HeatWave ML 문서를 참조 바랍니다.
참고로 단일 시스템 내에서 데이터베이스와 ML 워크로드를 모두 처리하면 사용자 편의성만 높은 것이 아니라 보안 측면에서도 매우 유리합니다. 강력한 데이터 보호와 접근 제어 메커니즘을 적용한 데이터베이스 플랫폼을 벗어나지 않고 작업을 할 수 있기 때문이죠. 아무래도 데이터를 이리저리 옮기며 전처리를 하는 것보다 안전하다고 볼 수 있습니다.
(출처: Oracle Blog)
실시간 탄력성 보장
MySQL HeatWave는 클라우드와 유사한 방식의 확장성을 통해 매우 놀라운 탄력성을 제공합니다. 클라우드 환경에서 오토스케일링을 이용하는 것과 비슷한 경험을 제공한다고 볼 수 있습니다. 보통 확장 작업은 수작업으로 이루어집니다. 워크로드 요구에 맞게 클러스터 확장과 축소가 필요할 경우 작업 요청을 해야 하죠. 확장하는 과정에서는 쿼리를 수행할 수도 없고요. 그러던 것이 최신 버전부터 사전 설정을 통해 노드 수를 자동으로 조정할 수 있는 기능이 지원됩니다. 따라서 사람의 개입 없이 워크로드에 맞게 클러스터를 늘렸다 줄였다 할 수 있습니다.
(출처: Oracle Blog)
뛰어난 가성비
MySQL HeatWave의 가장 큰 장점을 꼽으라면? 가성비가 아닐까 싶네요. 분석, 머신 러닝 등 다양한 워크로드 처리를 위해 이용하는 Google BiqQuery, Azure Synapse, AWS Redshfit 같은 클라우드 기반 데이터 플랫폼 서비스와 비교할 때 가성비가 매우 높다고 합니다. 참고로 이는 OCI 상에서 MySQL HeatWave 서비스를 이용할 때 기준입니다.
이상으로 MySQL HeatWave의 주요 장점을 간단히 알아보았습니다. 온프레미스 또는 클라우드에서 이를 이용하는 방안이 궁금하다면? 락플레이스로 문의 바랍니다.