【Oracle Cloud ウェビナー】AI活用のデータ基盤におけるHeatWaveやMySQLの位置づけと活用方法

Oracle Cloud ウェビナーシリーズ情報: https://oracle.com/goto/ocws-jp
セッション動画: https://go.oracle.com/ocws-jp-ondemand

Transcript

1. AI活用のデータ基盤における MySQL HeatWaveや MySQLの位置づけと活用方法 2025年9月3日 Oracle Cloud ウェビナー シリーズ 梶山 隆輔 / KAJIYAMA, Ryusuke 日本オラクル株式会社 Technology Business Development Director Open Source Data Platforms
2. MySQL HeatWave 製品概要 2 Copyright © 2025, Oracle and/or its affiliates
3. 3 Copyright © 2025, Oracle and/or its affiliates MySQL HeatWave GenAI データ移動や専門知識なしで 生成AIの活用を実現。LLMと ベクトル・ストアを統合 MySQL HeatWave クラウド版MySQL Enterprise Editionにデータ分析を大幅に 高速化するエンジンを統合 MySQL HeatWave Lakehouse オブジェクト・ストレージ上の 非構造データとMySQL上の データを高速に分析 MySQL HeatWave AutoML 時間と労力を必要とする 機械学習のパイプラインを 自動化 + DRCC & Alloy マルチクラウド & ハイブリッドクラウド *Work in progress MySQL HeatWave Autopilot ワークロードを考慮した機械学習によるデータベース運用の自動化
4. クラウド版MySQLサーバーとしてのMySQL HeatWave 4 Copyright © 2025, Oracle and/or its affiliates 業界“唯一” のEnterprise版によるフルマネージド型のMySQLサービス • シンプルかつ安価な価格体系 • MySQLのスレッドプールによる高い性能拡張性 • MySQLの開発元が提供するサポートサービス • マルチAZ/FDに分散配置した高可用性 • リードレプリカによる参照処理性能向上 コスト比較 200GBのストレージ利用時 • MySQL HeatWave: 約1,200ドル/月, 4ノード構成 • Amazon Aurora: 約2,200ドル/月, 2ノード構成 ※ 8 vCPU, メモリ 64GB, 200GBストレージ 高可用性構成および参照処理用ノードあり • AutoPilotによるインデックス・アドバイザや スレッドプール・アドバイザによる性能向上 • クエリ・アクセラレータのHeatWaveエンジンの追 加で大幅な分析処理性能の向上可能 • DB内データに対する機械学習処理も HeatWaveエンジン追加で対応可能 0 2000 4000 6000 1 4 16 64 128 256 512 1024 2048 4096 スループット (txn/s) 同時実行トランザクション MySQL HeatWaveとAmazon Auroraの性能拡張性比較 ー MySQL HeatWave ー Amazon Aurora ＋α 10倍以上 高速 オラクルのMySQL開発チームが提供する 安価かつ高性能なクラウド版MySQL
5. MySQL HeatWaveのマルチクラウド対応 5 Copyright © 2025, Oracle and/or its affiliates AWS版とAzure版は Oracle Database@ とは異なる提供形態 AWS内で稼働 インターコネクト経由 • データのエグレスコスト不要、低レイテンシ • 生成AIサービスBedrockを含むAWSの各サービスとの統合 • MySQL HeatWave分の費用にはOCIのUniversal Credit利用 • OCI-Azure間の低レイテンシなプライベート接続経由 • 共同サーポートによるシームレスな問題解決プロセス • MySQL HeatWave分の費用にはOCIのUniversal Credit利用 Database@* • Google Cloudのデータセンター内で稼働 • MySQL HeatWave分の費用はGoogle Cloudの請求に含まれる OCIの各サービス との統合と最適化 • 全商用リージョンで利用可能 • 専用リージョン Dedicated Region Cloud@Customer • Oracle Alloy * リリース予定
6. NTTソルマーレ 国内最大級の電子書籍 配信サービス「コミックシーモア」 でのリアルタイム・データ分析を 実現 クロノス 新サービス「クロノス経費精算」 のインフラにOCIを採用。 AWSで構築した場合の コストの1/4になる試算 ラック サイバーセキュリティに関する 脅威分析環境を9台あった AWS EC2上のMariaDBから OCI上のMySQL HeatWave 1台に集約 ファンコミュニケーションズ アフィリエイト・ ネットワーク サービス「A8.net」にて、 MySQL HeatWaveで 高速なリアルタイム分析 基盤を実現 6 Copyright © 2025, Oracle and/or its affiliates 数字で見るMySQL HeatWave導入事例 2700倍 高速化 コスト 75%減 MariaDB 9台 → HeatWave 1台 終わらなかった クエリが 10秒以内で終わる MySQL
7. HeatWaveクラスターのアーキテクチャ • アプリケーション側からはMySQLに対してSQLを実行するのと同じ 7 Copyright © 2025, Oracle and/or its affiliates MySQLのInnoDBのテーブルに追加されたデータは分析クエリで即座に利用可能 M ySQL Da ta b a se Service 分析 クエリ 結果 セット MySQL コンパイラ & オプティマイザー 分析クエリ 最適化 I n sert/ Up d a te OLTPクエリ 最適化 リアルタイム 更新 I nnoDB ストレージエンジン MySQL クエリ実⾏ H ea tW ave N od e インメモリデータ管理 分析クエリ実⾏ 分析ジョブスケジューラ 結果 クエリ プッシュダウン 並列化 Object Storage リロード
8. MySQL HeatWave Lakehouse 8 Copyright © 2025, Oracle and/or its affiliates オブジェクト・ストレージ内の様々な形式のデータを500TBまでクエリ実行 • 標準のSQL構文でMySQLデータベース内、 オブジェクト・ストレージ内、または その両方のデータに対するクエリ処理 • データは最大500TBまで、HeatWave クラスターは最大512ノードまで拡張可能 • オブジェクト・ストレージ内データへの クエリ処理はデータベース内データへの処理と 同様に高速(業界初!) • オブジェクト・ストレージ内データは HeatWaveクラスターにロードされ、 MySQLデータベースへのコピーは行われない
9. MySQL HeatWave AutoML 機械学習の自動化 9 Copyright © 2025, Oracle and/or its affiliates MySQL HeatWave AutoML Autopilot GenAI Vector Store OLTP Analytics
10. 機械学習を活用した品質管理で生産性を最大20%向上し、品質指標を30%改善 企業・システム概要 • 現地企業との合弁にて、日本国内でも販売されている ブランドの飲料や栄養補助食品を現地生産 • 当該国内のみならず周辺国向けにも製造販売 • ロボットによる自動化を実現した工場にて、 IoTデバイスからのデータをMySQLサーバーに集約 従来の課題 • 装置の故障による計画外停止の対応コスト高 • 製造製品の不良による廃棄の増加と品質管理の課題 • 当該国は支払い遅延のリスクが全般的に高く、債務 不履行が発生する可能性の高い取引先の判別が重要 採用ポイントと導入効果 • 製造装置の故障を予測し生産性を10-20%向上。設備 総合効率(Overall equipment effectiveness)を改善 • 取引先の財務状況などを分析することで、 不良債権の発生を最大25%抑制 MySQL HeatWave AutoML活用シナリオ • MySQL HeatWave AutoMLの「回帰」により、 製造装置の各種パラメータやセンサーのデータが 許容範囲の閾値を超えるかを予測 - PoCではメンテナンスの必要性や 品質問題の発生を80%の精度で予測 • MySQL HeatWave AutoMLの「説明」により、 製造不良が発生する原因の特定や分析を支援 • MySQL HeatWave AutoMLの「分類」により、 債権問題が発生しうる取引先を抽出 - PoCでは不良債権の発生を98%の精度で予測 利用サービス(クラウドサービス/その他) • MySQL HeatWave AutoML 顧客事例：日本の医薬品および食品製造の大手企業の海外法人 Copyright © 2025, Oracle and/or its affiliates 10
11. MySQLの機械学習プラットフォーム MySQL HeatWave AutoML 機械学習をより手軽に安全に 活用できるプラットフォーム ✓ 追加料金不要ですぐに利用可能 ✓ Oracle AutoMLにより、 機械学習工程を自動化 ✓ HeatWave上で完結でき、外部に データを出さずに実行可能 実業務に活用できる 説明可能性をサポート ✓ ブラックボックス化しやすい推論の 説明を明確化 ✓ 特徴量が予測に与える影響を 自動で判断 ✓ 法令遵守、公平性などの観点から モデルの挙動、有効性を見極め 高性能・高精度なモデル生成を 誰でも実行できるインタフェース ✓ 各工程に対応した関数を実行 するだけで予測まで実行可能 ✓ パラメータ、アルゴリズムの選択など 専門的な知識は不要 ✓ トレーニングの高速化により、 迅速なモデル生成を支援 Copyright © 2025, Oracle and/or its affiliates 11 展開 HeatW ave ML ⽣成モデル クエリ 予測 説明
12. MySQL HeatWave AutoMLでの機械学習の種類と想定利用者 • ユースケース: • 分類 (Classification): 入力されたデータがどのカテゴリに入るかを予測 • 回帰 (Regression): 連続したデータがを元に次の値を予測 • 時系列予測 (Time Series Forecasting): 将来における傾向を予測 • 異常検知 (Anomaly Detection): 入力されたデータが特異なデータかを予測 • レコメンデーション・システム (Recommender System): 入力されたデータから推奨される値のセットを予測 • トピック・モデリング (Topic Modeling): テキストを特徴付ける語群や表現を抽出 ※現時点では英語のみ対応 • 想定利用者: • データベース利用者: 使い慣れたMySQLのSQL文から簡単に各処理を実行可能 • データ・サイエンティスト: モデルの訓練から精度の高い予測、説明までの一連の作業を自動化により効率化 12 Copyright © 2025, Oracle and/or its affiliates
13. MySQL HeatWave GenAI 生成AI & Vector Store 14 Copyright © 2025, Oracle and/or its affiliates MySQL HeatWave AutoML Autopilot GenAI Vector Store OLTP Analytics
14. SaaS Apps Data AI Services Partners Infrastructure オラクルはお客様の 価値向上と成果の ために「すべての」 レイヤーにAIを導入 Copyright © 2025, Oracle and/or its affiliates 15
15. Comprehensive AI services, data platform, and AI infrastructure 16 Copyright © 2025, Oracle and/or its affiliates Apps and Agents AI Platform and Services Infrastructure Distributed Cloud Fusion Applications NetSuite & Industry Apps Embedded Agents Document Understanding Vision Language Speech Digital Assistant GenAI Code Assist Public Dedicated Sovereign Alloy Government Supercluster with RDMA networking Compute GPU: Bare metal, VMs, Kubernetes Block, Object, File Storage, HPC filesystems Data AI Partners, LLMs & ISVs Oracle 23AI Data Science & Quick Actions Oracle Autonomous Database OCI GenAI Agents Non-Embedded Agents MySQL HeatWave Search with OpenSearch Database with PostgreSQL Cache
16. MySQL HeatWaveのAI関連の取り組み状況 • DBのデータやオブジェクト・ストレージ上の 非構造化データを機械学習、LLM, RAGの対象に • ベクトル埋め込みの生成やLLMの利用、機械学習の アルゴリズム選定や訓練などのプロセスを自動化 • 自然言語でのセマンティック検索を可能とする ベクトル・ストアとベクトル・サーチをサポート • 内蔵のLLMまたは外部のAIサービスを 要件に応じて選択して最適化 • OCIではOCI生成AIサービスと連携可能 • MySQL HeatWaveの利用者は 追加費用なしで利用可能 • OCI, AWS, Azureで提供中の MySQL HeatWave全てで利用可能 17 Copyright © 2025, Oracle and/or its affiliates ベクトル・ストア、LLM, OCI 生成AIサービス、RAGをサポート
17. MySQL HeatWave GenAIのLLM(大規模言語モデル)は選択可能 MySQL HeatWave内蔵のLLM • MySQL HeatWave内でネイティブに動作 • 相対的に小規模なLLMを利用: • テキスト生成用: - llama3.2-3b-instruct-v1 - llama3.2-1b-instruct-v1 - llama3.1-8b-instruct-v1 - mistral-7b-instruct-v1 • ベクトル埋め込み生成用 - multilingual-e5-small - all_minilm_l12_v2 (minilm) • セキュア、低コスト、追加リソース不要 • HeatWaveノードの小型のシェイプ HeatWave.Free およびHeatWave.32GB は llama3.2-3b-instruct- v1 とllama3.2-1b-instruct-v1 のみサポート OCIの生成AIサービスで提供のLLM • より大規模でGPU上で動作するモデルを利用 • 9.3.2からは利用可能なLLMを自動的に列挙 • HeatWaveのバージョンアップなしで 最新のモデルを利用可能に • 利用可能なモデルの一覧取得 SELECT * FROM sys.ML_SUPPORTED_LLMS; • 高精度、高性能 • リージョン別の利用可能なモデルや最新のリストは OCI生成AIサービスのマニュアルを参照 https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/home.htm 18 Copyright © 2025, Oracle and/or its affiliates https://dev.mysql.com/doc/heatwave/en/mys-hw-genai-supported-models.html
18. 検索拡張生成(RAG)による AIの回答精度の向上 19 Copyright © 2025, Oracle and/or its affiliates
19. 導入検討が進む検索拡張生成(RAG) 企業が生み出すデータをビジネスの価値に Non-RAG構成 LLMはインターネットに公開されているテキストデータを学習した モデルのため、インターネットに公開されていないドキュメント(主に 企業内のドキュメント、専門分野のドキュメント)についての質問 には正確な回答を生成することができない。 RAG構成 大規模言語モデルが学習していない知識を、 ベクトル・ストアに保持したドキュメントデータで補完し、 回答を生成 20 Copyright © 2024, Oracle and/or its affiliates LLM Internet 学習 〇〇とは何ですか？ 〇〇？ワカラナイ ベクトル ストア LLM Internet 学習 〇〇とは何ですか？ 〇〇とは、、、、 連携(ベクトル検索) 大規模言語モデルの知識のみで回答(テキスト生成) 大規模言語モデルとベクトルデータベースの合わせ技で回答
20. RAG利用の流れ 21 Copyright © 2024, Oracle and/or its affiliates ベクトル ストア テキスト 生成モデル ②プロンプトテキストで ベクトル検索 チャンク ③ベクトル検索結果、類似度の高いチャンクテキストと プロンプトテキストをLLMに入力 ④返答テキストを生成 ①ドキュメントをチャンク分割、 ベクトル化しベクトルストアへロード Top4 prompt Completion [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] prompt [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] [1.1, 2.9, 3.14]
21. ユースケース1: パーソナライズされた推奨事項 22 Copyright © 2025, Oracle and/or its affiliates 質問 解答 ユーザーが質問を入力 LLMがパーソナライズされたおすすめ料理を 自然言語で回答 HeatWave AutoMLのレコメンデーション・システムが ユーザーの注文履歴を元にレストランを提案 ベクトル・ストアに格納されている提案されたレストランの メニューからおすすめの料理を選択 「今日のおすすめの ベジタリアン向け料理はなに？」 「おすすめの料理は次の通りです。 豆腐カレー、豆腐ビリヤニ、 ひよこ豆のカレー」 ユーザー メニュー メニュー メニュー HeatWave ベクトル・ストア オブジェクト・ストレージ
22. ユースケース2: 予測メンテナンス 23 Copyright © 2025, Oracle and/or its affiliates HeatWave AutoMLがログから異常を検出しフィルタリング 問題と対策のナレッジベースのログ オブジェクト・ストレージ 本番環境 「このログの主な問題点はなに？ 2つの文章にまとめて」 「このログにおける主な問題は 特定のプロセス(ID 8145)による メモリ使用量があらかじめ定義された 閾値を継続的に超過していることです」 質問 解答 ユーザー ユーザーが質問を入力 自然言語での回答を得る ログ ベクトルストアがログの異常に関するコンテキストを追加し、 LLMに対するプロンプトに情報を追加する LLMが情報が追加されたプロンプト(Augmented Prompt)を元にレポートを生成 HeatWave ベクトル・ストア 本番環境のログがリアルタイムで HeatWave AutoMLの処理対象となる HeatWaveベクトルストア経由でLLMが ナレッジベースのデータにアクセスできる
23. MySQL HeatWaveでの ベクトル・ストア 24 Copyright © 2025, Oracle and/or its affiliates MySQL HeatWave AutoML Autopilot GenAI Vector Store OLTP Analytics
24. 大部分のAIモデルでは “ベクトル” と呼ばれるデータ型を利用 Copyright © 2024, Oracle and/or its affiliates 25 0.5, 1.5, 2.6, -1.1, …
25. 「ベクトル値」を利用して類似情報の検索を容易に Copyright © 2024, Oracle and/or its affiliates 26 id vector Text 1 [0.8, 0.5, 1.6, -2.5, …] “It was the best of times, it was the worst of times, it was..” 2 [1.1, 0.3, 0.6, -1.3, …] “It is a truth universally acknowledged, that a single man..” 3 [1.3, 0.1, 0.2, -1.1, …] “It was a bright cold day in April, and the clocks were striking..” … … … id vector Image 1 [0.5, 1.5, 2.6, -1.1, …] 2 [1.0, 0.9, 1.6, -1.3, …] 3 [0.6, 1.1, 1.3, -0.9, …] … … … 文章 画像 文章をベクトル値に 変換し格納 画像をベクトル値に 変換し格納
26. MySQL 9.0 Innovation Release ベクトルの類似度を演算するHeatWaveのみで利用可能なDISTANCE関数 • 2つのベクトルを引数とする • 第3引数には距離の演算方法を指定 COSINE, DOT, EUCLIDEAN ベクトルと文字列の相互の変換関数 ベクトル(VECTOR)データ型と関数 Copyright © 2025, Oracle and/or its affiliates 27 mysqlsh > SELECT DISTANCE(STRING_TO_VECTOR("[1.01231, 2.0123123, 3.0123123, 4.01231231]"), STRING_TO_VECTOR("[1, 2, 3, 4]"), "COSINE"); +-----------------------------------------------------------------------------------------------------------------------+ | DISTANCE(STRING_TO_VECTOR("[1.01231, 2.0123123, 3.0123123, 4.01231231]"), STRING_TO_VECTOR("[1, 2, 3, 4]"), "COSINE") | +-----------------------------------------------------------------------------------------------------------------------+ | 0.0000016689300537109375 | +-----------------------------------------------------------------------------------------------------------------------+ mysqlsh > SELECT STRING_TO_VECTOR("[1.05, -17.8, 32]"); +---------------------------------------+ | STRING_TO_VECTOR("[1.05, -17.8, 32]") | +---------------------------------------+ | 0x6666863F66668EC100000042 | +---------------------------------------+ 1 row in set (0.00 sec) mysqlsh > SELECT VECTOR_TO_STRING(0x00000040000040400000A0400000E040); +------------------------------------------------------+ | VECTOR_TO_STRING(0x00000040000040400000A0400000E040) | +------------------------------------------------------+ | [2.00000e+00,3.00000e+00,5.00000e+00,7.00000e+00] | +------------------------------------------------------+ 1 row in set (0.00 sec)
27. ベクトル埋め込み作成のための関数 ML_EMBED_ROW関数: 1件のデータの対してベクトル埋め込みを生成する ML_EMBED_TABLEプロシージャー: テーブルのデータに対してベクトル埋め込みを生成する • 第一引数: ベクトル化対象のデータが格納された列 • 第二引数: ベクトル埋め込みを格納する列 • 対象のテーブルが存在しない場合は、 「元テーブルの主キー＋ベクトルデータ型」の テーブルが自動的に作成される 28 Copyright © 2025, Oracle and/or its affiliates MySQL HeatWave内蔵OCI生成AIサービスのベクトル埋め込み生成用LLMを利用 mysqlsh > SELECT sys.ML_EMBED_ROW('犬', JSON_OBJECT('model_id', 'multilingual-e5-small')) INTO @v1; Query OK, 1 row affected (0.64 sec) mysqlsh > SELECT sys.ML_EMBED_ROW('猫', JSON_OBJECT('model_id', 'multilingual-e5-small')) INTO @v2; Query OK, 1 row affected (0.57 sec) mysql> SELECT DISTANCE(@v1, @v2, 'COSINE'); +------------------------------+ | DISTANCE(@v1, @v2, 'COSINE') | +------------------------------+ | 0.10679465532302856 | +------------------------------+ 1 row in set (0.00 sec) mysqlsh > CALL sys.ML_EMBED_TABLE(‘db01.reviews.comment', ‘db01.reviews_vec.comment_vec', JSON_OBJECT('model_id', 'multilingual-e5-small')); Query OK, 0 rows affected (1.27 sec)
28. MySQL Shell for VS Code – MySQL HeatWave Chat 29 Copyright © 2025, Oracle and/or its affiliates MySQL HeatWave Chat Lakehouse Navigator グローバル検索と詳細検索 自然言語を使って文書と対話。 文脈が保持され、フォローアップの質問に よる会話を可能にする LLM がデータベース、MySQL HeatWave Lakehouse, HeatWave Vector Store全体または 特定のデータ・セットから情報を取得できるように ガイドし、速度と精度を向上させる 全てのベクトル・ストアを検索することも、 特定のスキーマに検索範囲を限定することも可能
29. RAGのためのドキュメント・ファイルのアップロードとベクトル埋め込みの生成 • OCIのプロファイルを用意しておくと オブジェクト・ストレージのバケットの一覧が表示される • アップロードするドキュメントと対象のバケットを選択 • ベクトル埋め込みを格納するテーブル名を指定 • 対象のテーブルはHeatWaveクラスターに 自動的にロードされる • アップロードする対象のファイル形式を選択 自動判別も可能 MySQL Shell for VS Code - Lakehouse Navigator Copyright © 2025, Oracle and/or its affiliates 30
30. mysqlsh > DESC `RAG_test`.`HeatWave_ja_doc`; +-------------------+---------------+------+-----+---------+-------+ | Field | Type | Null | Key | Default | Extra | +-------------------+---------------+------+-----+---------+-------+ | document_name | varchar(1024) | NO | | NULL | | | metadata | json | NO | | NULL | | | document_id | int unsigned | NO | PRI | NULL | | | segment_number | int unsigned | NO | PRI | NULL | | | segment | varchar(1024) | NO | | NULL | | | segment_embedding | vector(384) | NO | | NULL | | +-------------------+---------------+------+-----+---------+-------+ RAGのためのベクトル埋め込みの生成 • ベクトル埋め込みの生成の進捗が表示される • ロード済みドキュメントの再ロードやアンロードも可能 • ベクトル埋め込みが格納されているテーブルの定義 • アップロードされたドキュメントのメタデータや ドキュメントを分割したセグメントの ベクトル埋め込みを格納 MySQL Shell for VS Code - Lakehouse Navigator Copyright © 2025, Oracle and/or its affiliates 31
31. document_name: https://objectstorage.us-chicago-1.oraclecloud.com/n/idazzjlcjqzj/b/bucket-20241125- 1945/o/HeatWave_PR.docx metadata: { "TITLE": "", "SOURCE": "Microsoft Office Word", "COMPANY": "", "KEYWORD": "", "SUBJECT": "", <略> "LASTSAVEDBY": "Ryusuke Kajiyama", "CREATIONDATE": " 11/25/2024 14:56:00", "LASTSAVEDATE": "11/25/2024 14:58:00", "PRIMARYAUTHOR": "Ryusuke Kajiyama", "REVISIONNUMBER": "2", "USERDEFINEDPROP": "MSIP_Label_3c76ce46-357f-46de-88d6-77b9bbb83c46_ContentBits 0", "COUNTCHARSWITHSPACES": "5849" } segment: ベクトル・ストアの作成とベクトル処理のベンチマーク PDF、PPT、WORD、HTML形式のドキュメントのベクトル・ストアの作成は、Amazon BedrockのKnowledge baseを 使用する場合と比較して、HeatWave GenAIを使用すると最大23倍速く、コストは4分の1になります。 1.6GBから300GBのサイズのテーブルに対する様々な類似検索クエリを使用したサードパーティ・ベンチマークで実証 されたように、HeatWave GenAIはSnowflakeより30倍高速でコストは25％削減され、Databricksより15倍高速で コストは85％削減され、Google BigQueryより18倍高速でコストは60％削減されます。 embedding: [1.00200e-02,-9.13479e-03,-3.69700e-02,-1.06737e-02,2.55649e-02,-5.62598e-02,3.64135e- 02,7.52265e-02,3.79956e-02,-1.37684e-02,4.32041e-02,7.74046e-03,7.84678e-02,3.38508e-02,-1.98059e- 02,6.20408e-02,3.44924e-02,-5.85962e-02,-4.80669e-02,-2.94210e-02,2.18502e-02,-1.33754e-02,- 6.01970e-02,2.98551e-02,5.98533e-02,7.20425e-02,-2.66657e-02,2.48639e-02,3.74166e-02,-4.72570e-02,- 5.92472e-02,-6.74163e-02,8.72355e-02,-4.54183e-02,6.70901e-02,9.89798e-03,-1.70986e-02,-3.06104e- 03,6.57276e-02,-9.53107e-02,-5.37361e-02,2.24137e-02,1.84493e-02,5.42278e-02,4.01875e-03,8.33606e- 02,-6.25437e-03,8.57158e-02,-7.97270e-02,1.60378e-02,2.08244e-02,8.79194e-02, <略> HeatWaveのイン・データベースLLMが生成したベクトル埋め込みの格納先 • 各行にドキュメントの一部である セグメント単位でのベクトル埋め込みを格納 • 格納されている情報 • ドキュメントがアップロードされたバケットのURL • ドキュメントのメタデータ • セグメントの文字列 • セグメントのベクトル埋め込み ※画面右の例はVECTOR_TO_STRING()関数で VECTORデータ型の値を文字列に変換 • ML_EMBED_TABLE()ストアド・プロシージャ • セグメントの文字列が格納された列から ベクトル埋め込みを生成し別の列に格納可能 RAGテーブルの例 Copyright © 2025, Oracle and/or its affiliates 32
32. RAGを活用して自然言語でドキュメントを検索 • チャットの履歴が保存され、 追加の質問でのコンテキスト （文脈）として利用される • RAGとして利用する スキーマを選択可能 • 該当するドキュメントの 情報を表示 • 利用するLLMおよび言語を 選択可能 HeatWave Chat Copyright © 2025, Oracle and/or its affiliates 33
33. モデル: cohere.command-r-plus, オプションの設定はなし RAGなしの場合 → そもそもの製品としての情報が誤っているほか、 OCIでのcohere.command-r-plusは HeatWave GenAIリリース前の2024年6月に 提供開始となっているため情報が不足している RAGありの場合 HeatWave GenAIの日本語プレスリリース、 製品ページ(oracle.com/jp/heatwave/genai/)の 機能一覧とよくある質問、およびプレゼンテーションを 情報源として追加 → 今回のケースでは、上記のうち機能一覧とプレスリリースを利 用し回答を生成 RAGの有無での精度の違い - 「HeatWave GenAIの主な機能は？」への回答 Copyright © 2025, Oracle and/or its affiliates 34 HeatWave GenAIは、Oracle Autonomous Databaseの主要なコンポーネントであり、機械学習 ワークロードを高速化するために設計されています。その 主な機能は、機械学習アルゴリムの高速処理と、デー タベース クエリのリアルタイム処理を可能にする、イン メ モリー処理です。 HeatWave GenAIの主な機能は、データベース内の 大規模言語モデル（LLM）、OCI生成AIと Amazon Bedrockとの統合、データベース内ベクト ル・ストア、組み込みの自動生成、スケールアウト・ベ クトルの処理などです。
34. OCI生成AIエージェント・サービスの ナレッジベースとしてのMySQL HeatWave 35 Copyright © 2025, Oracle and/or its affiliates
35. OCI生成AIエージェント・サービス AIエージェント構築を素早く、安全に行うための、 包括的なエージェント開発プラットフォーム シンプルなAIエージェントの開発 市場投入までの時間を大幅に短縮 Copyright © 2025, Oracle and/or its affiliates 36 Tools Agent Core AIエージェントの”ブレイン” 様々なツールをオーケストレーション 事前準備済み SQL tool RAG tool カスタム Functions API Calling エージェントが外部情報を取得するためのツール OCI Generative AI Agents プログラム 非構造データ 構造データ 外部プログラム&サービス API API プログラム 事前準備されたツールを提供 お客様の使い方に合わせて柔軟にカスタマイズ Oracle Database, MySQL HeatWaveに対応 お客様のデータをすぐにAIエージェントと活用 日本ではOCIの大阪リージョンで利用可能
36. OCI生成AIエージェントのナレッジ・ベースとしてのMySQL HeatWave OCI生成AIエージェントのRAGツールにて MySQL HeatWaveに格納されたベクトル埋め込みを利用 • MySQL HeatWaveのデータを活用して 文脈に応じたより適切な回答を自然言語で対応 ナレッジ・ベース作成時に「データ・ストア・タイプ」として 「データベースAIベクトル検索」選択 • データベースの接続情報を管理する OCIのデータベース・ツールを経由して接続 • OCI生成AIエージェントとMySQL HeatWaveは 別のリージョンや別のテナンシーに配置することも可能 • OCI生成AIエージェントとデータベース・ツールは 同一リージョンに作成すること 要件および利用時のポイント MySQL HeatWaveには所定の形式のテーブルと ベクトル検索の結果を返すストアド・プロシージャが必要 ナレッジ・ベース用のテーブル定義 ※ Lakehouse Navigatorが作成するRAGテーブルとは 定義が大きく異なるので注意 37 Copyright © 2025, Oracle and/or its affiliates 列名 データ DOCID レコードまたはドキュメントのID BODY エージェントが検索対象とするコンテンツ文字列 VECTOR BODY列のコンテンツから生成されたベクトル埋め込み CHUNKID コンテンツが512トークンを越える場合はそのチャンク (オプション) URL コンテンツのURL (オプション) TITLE コンテンツのタイトル(オプション) PAGE_NUMBERS コンテンツのページ番号(オプション)
37. ECサイトを例に MySQL HeatWaveが解決する多様なデータ活用の課題 Copyright © 2025, Oracle and/or its affiliates 38 リアルタイムでの売上や行動分析 RDBMSのテーブルに蓄積された 履歴データに対する 複雑なSELECT文の実行 お客様ごとの「おすすめ」の提供 お客様の購買履歴や 属性情報に対する 機械学習でのレコメンデーション レビューの感情分析や要約 生成AIを利用して 書き手の感情の分析や 複数のレビューを要約 異なるシステムやサービス間でのデータのやりとりが発生 データベース 機械学習 生成AI
38. ECサイトを例に MySQL HeatWaveが解決する多様なデータ活用の課題 Copyright © 2025, Oracle and/or its affiliates 39 リアルタイムでの売上や行動分析 RDBMSのテーブルに蓄積された 履歴データに対する 複雑なSELECT文の実行 お客様ごとの「おすすめ」の提供 お客様の購買履歴や 属性情報に対する 機械学習でのレコメンデーション レビューの感情分析や要約 生成AIを利用して 書き手の感情の分析や 複数のレビューを要約 データを移動せずに一つのクラウド・サービス内で処理可能 データベース 機械学習 生成AI
39. MySQL HeatWaveによりセキュリティが強固に • データが広範囲にわたって移動 • 暗号化鍵、ユーザー・アクセス、認証スキームなど、 異なるセキュリティ特性を持つ複数のサービス • ユーザーが複数のサービスを構成し、接続する必要がある 40 Copyright © 2025, Oracle and/or its affiliates 分析 OLTP ベクター ストア LLM 機械学習 レイクハウス ユーザ・ データ アプリ HeatWave その他のサービス MySQL HeatWave • データは1つのデータベース・システムで管理される • 統一的なアクセス制御と単一の構成 • すべての通信が認証され暗号化
40. OCIのAlways Free Servicesにて 無料でMySQL HeatWaveを利用可能 https://www.oracle.com/jp/heatwave/free/ MySQL HeatWaveも期間の制限なく無料で使用可能 インスタンス数や容量、一部機能の制限あり NEW! MySQL HeatWave GenAIも利用可能 ベクトル・ストアやMySQL HeatWaveに 内蔵されたLLMを活用 41 Copyright © 2025, Oracle and/or its affiliates
41. Copyright © 2025, Oracle and/or its affiliates 42