Oracle Database 18c 的10大新特性一览
摘要: 首先，从最高级别上，Oracle 18c 将是一个『自治数据库 - Autonomous Database』，这由Larry Ellison首先发布，而在此框架下，一系列的设计由此展开。In-Memory的外部表和InLine外部表支持，这个特性值得独立说明， ...
注意：标题里提到的10仅为约数，文章中提到的新特性不仅10个，分列也只是为了阅读便利，这些特性可能随着版本发布发生改变，仅供参考。
1.自治数据库 - Autonomous Database首先，从别上，Oracle 18c 将是一个『自治数据库 - Autonomous Database』，这由Larry Ellison首先发布，而在此框架下，一系列的设计由此展开。
2.云级别可用性增强 - Cloud-Scale Availability这其中包含了一系列的新特性，包括：支持跨地域和混合云的自动的Sharding能力；RAC Sharding支持；在ADG中支持Nologging数据的复制同步；ADG自动重定向update操作到主库（这个特性对于读写分离很有用）；Grid Infrastructure 打补丁的零影响；建议的瞬时逻辑备库滚动升级；
3.In-Memory 内存选件增强内存选件获得了大量的增强，包括：自动In-Memroy管理，这应该指自动选择适合In-Memory的对象并压缩提速等；支持In-Memory的内存表，这个特性很有用；In-Memory 支持 NVRAM 内存架构；针对数据仓库的特定增强，In-Memory 动态扫描；优化算法等；
4.In-Memory的外部表和InLine外部表支持这个特性值得独立说明，外部表使得Oracle对外部数据操作更加灵活，并且基于内存列式存储压缩，能够更快的支持大数据量的运算，对于数据仓库环境将会是极大的增强。并且由于外部表的数据基本处于静态，更适合使用In-Memory来处理，Oracle声称这一改进将会带来100倍的提升，接下来就要看我们如何将外部表用的更好了。Inline外部表，可以通过SQL直接调用，无需创建仅需一次使用的外部表，这使得开发灵活了很多，也减少了大量元数据的处理：
5.近似查询 - Approximate Query 和 Top-N 近似聚合这是Oracle 12c 的新特性，经过12.2 的增强，已经非常好用了，可以参考我之前的一篇文章：从Approx_Count_Distinct到M7的CPU集成 。而新增的Top-N近似聚合，则可以对类似如下问题进行近似聚合，比如：上一周，Top 5的Blog文章阅读量；每个区域Top 50客户的近似消费；Oracle能够以小于 0.5% 的误差率，提供近似聚合，这个功能也将极其有助于对较精确度要求不高的聚合查询，相应的我们获得的是性能的巨大提升。
6.机器学习算法新特性Oracle Advanced Analytics 18.1，话说机器学习是 18c 的重头戏，所以功能极多，这一页大约提到了 18c 引入的算法：•新的可扩展机器学习算法（SQL API）- 随机森林分类- 神经网络用于分类和回归- 显式语义分析ML算法扩展到支持分类- 通过指数平滑的时间序列- 基于CUR分解的算法，用于属性和行重要性•能够将ML模型导出到C和Java以进行应用程序部署分析视图是其中的一个重要功能组件，其实也是12.2 才引入的新特性，实现了将底层各种数据对接，形成分析视图，在提供给简化SQL访问，最终输出给应用，将复杂性通过分析视图遮蔽：
在18c中，新增的特性还包括多维表达式查询支持：
7.多态表支持这是 18c 引入的新特性，支持自描述，全动态SQL。是ANSI 2016标准的一部分。多态表封装复杂的算法:- 隐藏算法的实现- 利用强大的，动态的SQL功能- 通过任何表格列进行处理- 返回SQL行集（表，JSON，XML文档等）
8.多租户增强这也是一组新特性，包括 Per-PDB 的主备库Switchover，这是更进一步的特性，很有用。此外还有可传输备份、快照转移、快速升级等新特性。9.基于NVRAM的多级缓存增强Andrew在多次演讲中提到，Oracle基于NVRAM做了很多研发，现在新特性已经披露，在数据库中NVRAM又被作为一级高性能缓存用于加速数据库，这是非常强大的软硬结合优化。这一特性应该率先被用于Exadata环境，Exadata将NVRAM放置在了Flash Memory前面，计算节点可以通过RDMA协议，绕过软件栈，实现高性能的访问，较传统协议路径提速20倍。NVRAM用作Cache和作为直接存储使用，综合能力提升了10倍：
10.安全增强安全是Larry重点强调的内容，在18c中，关于安全的增强主要有，和Active Directory的集成，PDB的密钥存储和无密码（无缺省密码）的Schema创建。
数据库 算法 SQL Hadoop Oracle
在 2017 Oracle OpenWorld大会上，关于 Oracle 18c 的一系列新特性已经被披露出来，借助分散在各个会场的公开分享主题和内容、OOW提供的PPT下载，我们和大家抢鲜分享一下 18c 中极具吸引力的新特性。注意：标题里提到的10仅为约数，文章中提到的新特性不仅10个，分列也只是为了阅读便利，这些特性可能随着版本发布发生改变，仅供参考。
1.自治数据库 - Autonomous Database首先，从别上，Oracle 18c 将是一个『自治数据库 - Autonomous Database』，这由Larry Ellison首先发布，而在此框架下，一系列的设计由此展开。
2.云级别可用性增强 - Cloud-Scale Availability这其中包含了一系列的新特性，包括：支持跨地域和混合云的自动的Sharding能力；RAC Sharding支持；在ADG中支持Nologging数据的复制同步；ADG自动重定向update操作到主库（这个特性对于读写分离很有用）；Grid Infrastructure 打补丁的零影响；建议的瞬时逻辑备库滚动升级；
3.In-Memory 内存选件增强内存选件获得了大量的增强，包括：自动In-Memroy管理，这应该指自动选择适合In-Memory的对象并压缩提速等；支持In-Memory的内存表，这个特性很有用；In-Memory 支持 NVRAM 内存架构；针对数据仓库的特定增强，In-Memory 动态扫描；优化算法等；
4.In-Memory的外部表和InLine外部表支持这个特性值得独立说明，外部表使得Oracle对外部数据操作更加灵活，并且基于内存列式存储压缩，能够更快的支持大数据量的运算，对于数据仓库环境将会是极大的增强。并且由于外部表的数据基本处于静态，更适合使用In-Memory来处理，Oracle声称这一改进将会带来100倍的提升，接下来就要看我们如何将外部表用的更好了。Inline外部表，可以通过SQL直接调用，无需创建仅需一次使用的外部表，这使得开发灵活了很多，也减少了大量元数据的处理：
5.近似查询 - Approximate Query 和 Top-N 近似聚合这是Oracle 12c 的新特性，经过12.2 的增强，已经非常好用了，可以参考我之前的一篇文章：从Approx_Count_Distinct到M7的CPU集成 。而新增的Top-N近似聚合，则可以对类似如下问题进行近似聚合，比如：上一周，Top 5的Blog文章阅读量；每个区域Top 50客户的近似消费；Oracle能够以小于 0.5% 的误差率，提供近似聚合，这个功能也将极其有助于对较精确度要求不高的聚合查询，相应的我们获得的是性能的巨大提升。
6.机器学习算法新特性Oracle Advanced Analytics 18.1，话说机器学习是 18c 的重头戏，所以功能极多，这一页大约提到了 18c 引入的算法：•新的可扩展机器学习算法（SQL API）- 随机森林分类- 神经网络用于分类和回归- 显式语义分析ML算法扩展到支持分类- 通过指数平滑的时间序列- 基于CUR分解的算法，用于属性和行重要性•能够将ML模型导出到C和Java以进行应用程序部署分析视图是其中的一个重要功能组件，其实也是12.2 才引入的新特性，实现了将底层各种数据对接，形成分析视图，在提供给简化SQL访问，最终输出给应用，将复杂性通过分析视图遮蔽：
在18c中，新增的特性还包括多维表达式查询支持：
7.多态表支持这是 18c 引入的新特性，支持自描述，全动态SQL。是ANSI 2016标准的一部分。多态表封装复杂的算法:- 隐藏算法的实现- 利用强大的，动态的SQL功能- 通过任何表格列进行处理- 返回SQL行集（表，JSON，XML文档等）
8.多租户增强这也是一组新特性，包括 Per-PDB 的主备库Switchover，这是更进一步的特性，很有用。此外还有可传输备份、快照转移、快速升级等新特性。9.基于NVRAM的多级缓存增强Andrew在多次演讲中提到，Oracle基于NVRAM做了很多研发，现在新特性已经披露，在数据库中NVRAM又被作为一级高性能缓存用于加速数据库，这是非常强大的软硬结合优化。这一特性应该率先被用于Exadata环境，Exadata将NVRAM放置在了Flash Memory前面，计算节点可以通过RDMA协议，绕过软件栈，实现高性能的访问，较传统协议路径提速20倍。NVRAM用作Cache和作为直接存储使用，综合能力提升了10倍：
10.安全增强安全是Larry重点强调的内容，在18c中，关于安全的增强主要有，和Active Directory的集成，PDB的密钥存储和无密码（无缺省密码）的Schema创建。
大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。 更多问题咨询，欢迎点击------>>>>在线客服！
