MySQL HeatWave GenAIの使い所

MySQL HeatWave GenAIの使い所中国地⽅DB勉強会 in 岡⼭⼭﨑由章 / Yoshiaki YAMASAKI MySQL HeatWave Data Architect ⽇本オラクル株式会社

アジェンダ 1. MySQL HeatWave 概要 2. MySQL HeatWave GenAI 3. MySQL HeatWave GenAI の使い所 (簡単に使えるユースケース)

インメモリー⾼速分散処理エンジン Transactional Analytics Lakehouse AutoML GenAI クラウド版MySQL Enterprise Edition ⼤規模データ分析を⼤幅に⾼速化オブジェクト・ストレージとの統合機械学習のパイプラインを⾃動化専⾨知識なしで⽣成AIを活⽤ 4 Copyright © 2025, Oracle and/or its affiliates

5.

インメモリー⾼速分散処理エンジン Transactional Analytics Lakehouse AutoML GenAI クラウド版MySQL Enterprise Edition ⼤規模データ分析を⼤幅に⾼速化オブジェクト・ストレージとの統合機械学習のパイプラインを⾃動化専⾨知識なしで⽣成AIを活⽤安価なMySQL マネージドサービス MySQLのままDWHとし MySQLの外にあるて使⽤可能データも簡単に分析対象に 5 Copyright © 2025, Oracle and/or its affiliates MySQL内のデータを SQLだけでLLMを活⽤ SQLだけで機械学習にし、RAGも容易に構築活⽤可能

6.

MySQL HeatWave の特徴（MySQLのマネージドサービスとしての特徴） MySQL開発ベンダーであるオラクル社からのサポートも受けられる⾼性能かつコストパフォーマンスも⾼いフルマネージドデータベース︕︕ 6 ⾼性能 MDSでは⾼パフォーマンスなブロック・ボリュームを標準採⽤ (ブロック・ボリュームのIOPS︓75 IOPS/GB) 低価格同等スペック(CPU、Memory)で⽐較すると、他社製のMySQLマネージドサービスの1/2〜1/3程度 MySQL開発ベンダーが提供オラクルのMySQLチームが100%開発、運⽤、サポート MySQL部分についてもコアなサポートを受けられる Copyright © 2025, Oracle and/or its affiliates

7.

顧客事例︓ファンコミュニケーションズ様⽼舗のブログサービス「Seesaaブログ」をAWSからOCIに移⾏し、約50％の劇的なコスト削減を実現 Seesaaブログシステム構成イメージ • 2003年にサービス開始。⽇記やアフィリエイト、まとめブログなど様々なブログライフをサポート。200万⼈以上のユーザーが利⽤従来の課題 • 既存のAWS環境のコスト削減の必要性があった • VMのサイズが柔軟に選択できず、CPUコア数とメモリサイズがアンバランスで過剰なリソースコストを⽀払っていた採⽤ポイントと導⼊効果 HeatWave MySQL • 既存AWS環境と⽐較して、約50%のコスト削減ができた • OCIのフレキシブル・シェイプのVMはCPUコア数とメモリサイズに対してシンデレラフィットの設定が可能で、サーバ利⽤全体にて、必要な性能に関して適切なコストで利⽤できるようになった • コスト削減フレームワークの利⽤により、AWSユーザー観点での移⾏アセスメントなど、Oracleメンバーの適切な⽀援を気軽に得られた。また、Oracleから提供される MySQLのQ&Aサポートは安⼼感があり有益だった • OCI Cache with Redisでは、既存利⽤のAmazon ElastiCache for Redisから約25%のコスト削減効果があった 7 Copyright © 2025, Oracle and/or its affiliates 利⽤サービス(クラウドサービス/その他) • Compute VM, Block Volume, HeatWave MySQL, OCI Cache with Redis, OCI Registry (Container Registry), etc. • コスト削減フレームワーク

8.

顧客事例︓アプルーシッド様「ドクセル」を、OCI Container Instancesを活⽤してGoogle Cloudから移⾏し、圧倒的なコスト削減を実現ドクセル（Docswell）システム構成イメージ • PDFやパワーポイントのスライドを共有できる国産のスライドシェアサービス。ユーザー約30万⼈、⽉間アクセス約600万回。従来の課題既存のGoogle Cloud環境のコスト削減の必要性があった (特に、アウトバウンドのデータ転送のコスト)。ユーザーアクセス時にコンテナが都度起動するスピンアップの仕組みにより、時に遅延が発⽣していた。 HeatWave MySQL 採⽤ポイントと導⼊効果既存Google Cloud環境から移⾏し、特にデータ転送が毎⽉10TB無料の利点を享受し、全体で約65%のコスト削減を実現。HeatWave MySQL の⾼可⽤性構成の部分は、要件を実現しつつ約50％のコスト削減を実現。 OCI Container Instancesを活⽤し、Kubernetesを利⽤せずに既存のコンテナアプケーションをシームレスに移⾏できた。コスト⾯で有利なContainer Instancesを必要個数、常時起動しておくことで、スピンアップの仕組みにする必要が無くなった。結果、遅延のない安定的な処理を実現。複数のコンテナ間の疎結合な処理にOCI Queueを活⽤。 8 Copyright © 2025, Oracle and/or its affiliates 利⽤サービス（クラウドサービス／その他） • OCI Container Instances • OCI Registry • HeatWave MySQL • OCI Queue • OCI Cache • コスト削減フレームワーク (Oracleによる移⾏アセスメント⽀援)

9.

MySQL HeatWaveのアーキテクチャ⼤量データの集計処理などをHeatWave Nodeで⾼速に処理 • アプリケーションからは従来通りMySQLに対してSQLを実⾏するだけで⾼速化される Insert/ Update 分析クエリ結果セット並列化 MySQL Database Service HeatWave Node MySQL コンパイラ & オプティマイザー OLTPクエリ最適化 MySQL クエリ実⾏分析ジョブスケジューラ分析クエリ最適化 InnoDB ストレージエンジン結果 9 Copyright © 2025, Oracle and/or its affiliates クエリプッシュダウン分析クエリ実⾏インメモリデータ管理リアルタイム更新リロード Object Storage

10.

顧客事例︓NTTソルマーレ様 MySQL HeatWaveで国内最⼤級の電⼦書籍配信サービス「コミックシーモア」でのデータ利活⽤を強化利⽤サービス・製品 • HeatWave MySQL お客様のコメント「『HeatWave』の導⼊によりサービス基盤とデータ分析基盤のリアルタイムなデータ同期が実現できました。さらにこれまで通常のMySQLで1.5時間程度かかっていたバッチ処理が 2秒程度で完了するなど性能の良さも実感しています。処理を待つ思考停⽌の時間が短縮化され、業務効率化にもつながっています。システム構成イメージ MySQLに対応したツールは『HeatWave』でもそのまま活⽤でき、ユーザーの利便性を維持しながら様々な分析データを更なるサービス向上に役⽴てることができています。レプリケーション『HeatWave』を利⽤した新たなデータ分析基盤を活⽤し、今後も更に幅広いお客様に楽しんでいただける書籍配信サービスを提供していきます。」リアルタイム同期コミックシーモアのサービス基盤 10 Copyright © 2025, Oracle and/or its affiliates HeatWaveによるデータ分析基盤エヌ・ティ・ティ・ソルマーレ株式会社電⼦書籍事業部サービス開発グループ⽊下⽒

11.

MySQL HeatWave Lakehouse導⼊事例 NTTソルマーレ様オブジェクト・ストレージの売上やキャンペーンのデータと MySQL HeatWave上のトランザクション・データを統合して分析マーケティング・キャンペーンの強化と新たなビジネス機会発⾒の改善に成功 MySQL HeatWave Lakehouseの利⽤には追加費⽤は発⽣しないためより多くの社員による分析基盤の今後の活⽤に期待 https://www.oracle.com/customers/ntt-solmare/ 11 Copyright © 2025, Oracle and/or its affiliates

https://www.oracle.com/customers/ntt-solmare/

12.

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 12 Copyright © 2025, Oracle and/or its affiliates 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

13.

https://www.lac.co.jp/news/2025/08/06_press_01.html

14.

15.

16.

17.

Comprehensive AI services, data platform, and AI infrastructure Apps and Agents Fusion Applications Embedded Agents NetSuite & Industry Apps Non-Embedded Agents OCI GenAI Agents AI Platform and Services GenAI Code Assist Data Oracle 23AI Infrastructure Distributed Cloud 17 Supercluster with RDMA networking Public Copyright © 2025, Oracle and/or its affiliates Digital Assistant Oracle Autonomous Database Speech Language Search with OpenSearch MySQL HeatWave Compute GPU: Bare metal, VMs, Kubernetes Dedicated Sovereign Vision Document Understanding Database with PostgreSQL Data Science & Quick Actions Cache Block, Object, File Storage, HPC filesystems Alloy Government AI Partners, LLMs & ISVs

18.

MySQL HeatWaveのAI関連の取り組み状況ベクトル・ストア、LLM, OCI ⽣成AIサービス、RAGをサポート • 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 18 Copyright © 2025, Oracle and/or its affiliates

19.

MySQL HeatWave GenAIのLLM(⼤規模⾔語モデル)は選択可能 https://dev.mysql.com/doc/heatwave/en/mys-hw-genai-supported-models.html MySQL HeatWave内蔵のLLM • MySQL HeatWave内でネイティブに動作 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 • 相対的に⼩規模なLLMを利⽤: • テキスト⽣成⽤: • 9.3.2からは利⽤可能なLLMを⾃動的に列挙 - 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-instructv1 とllama3.2-1b-instruct-v1 のみサポート 19 Copyright © 2025, Oracle and/or its affiliates • 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

20.

21.

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 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。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、回答を⽣成〇〇とは何ですか︖ Internet LLM 学習〇〇とは何ですか︖ Internet LLM 〇〇とは、、、、連携(ベクトル検索) 学習〇〇︖ワカラナイ⼤規模⾔語モデルの知識のみで回答(テキスト⽣成) 21 Copyright © 2025, Oracle and/or its affiliates ベクトルストア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

22.

RAG利⽤の流れテキスト⽣成モデル 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 prompt チャンク Completion [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] Top4 prompt [1.1, 2.9, 3.14] [1.1, 2.9, 3.14] ベクトルストア ②プロンプトテキストでベクトル検索 [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] 22 Copyright © 2025, Oracle and/or its affiliates 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

23.

ユースケース1: パーソナライズされた推奨事項オブジェクト・ストレージ「今⽇のおすすめのベジタリアン向け料理はなに︖」メニュー質問ユーザー解答 23 「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」 HeatWave ベクトル・ストアユーザーが質問を⼊⼒ 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 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 Copyright © 2025, Oracle and/or its affiliates メニューメニュー

24.

ユースケース2: 予測メンテナンス質問「このログの主な問題点はなに︖ 2つの⽂章にまとめて」本番環境オブジェクト・ストレージログ問題と対策のナレッジベースのログ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ユーザー解答「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」ユーザーが質問を⼊⼒⾃然⾔語での回答を得る 24 Copyright © 2025, Oracle and/or its affiliates HeatWave ベクトル・ストア HeatWave AutoMLがログから異常を検出しフィルタリン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

25.

26.

27.

「ベクトル値」を利⽤して類似情報の検索を容易に⽂章⽂章をベクトル値に変換し格納 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, …] … … 画像画像をベクトル値に変換し格納 27 Copyright © 2025, Oracle and/or its affiliates …

28.

ベクトル(VECTOR)データ型と関数 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 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 | +-----------------------------------------------------------------------------------------------------------------------+ ベクトルと⽂字列の相互の変換関数 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) 28 Copyright © 2025, Oracle and/or its affiliates

29.

[beta]

ベクトル埋め込み作成のためのルーチン

MySQL HeatWave内のテキストデータに対して、簡単にエンべディングを⽣成可能
ML_EMBED_ROW関数:
1件のデータの対してエンべディングを⽣成する

ML_EMBED_TABLEプロシージャー:
テーブルのデータに対してエンべディングを⽣成する

mysqlsh > SELECT sys.ML_EMBED_ROW('⽝',
JSON_OBJECT('model_id', 'multilingual-e5-small')) INTO
@v1;
Query OK, 1 row affected (0.64 sec)

•

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

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)

29

Copyright © 2025, Oracle and/or its affiliates

•

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

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)

30.

MySQL Shell for VS Code – MySQL HeatWave Chat MySQL HeatWave Chat ⾃然⾔語を使ってチャット形式でLLMと対話可能⽂脈が保持され、フォローアップの質問による会話を可能にする Lakehouse Navigator 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グローバル検索と詳細検索全てのベクトル・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 30 Copyright © 2025, Oracle and/or its affiliates

31.

MySQL Shell for VS Code - Lakehouse Navigator 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 31 Copyright © 2025, Oracle and/or its affiliates • 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

32.

33.

[beta]

RAGテーブルの例

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

33

Copyright © 2025, Oracle and/or its affiliates

document_name: https://objectstorage.us-chicago1.oraclecloud.com/n/idazzjlcjqzj/b/bucket-202411251945/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-88d677b9bbb83c46_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,-1.06737e02,2.55649e-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,-1.98059e02,6.20408e-02,3.44924e-02,-5.85962e-02,-4.80669e-02,-2.94210e02,2.18502e-02,-1.33754e-02,-6.01970e-02,2.98551e-02,5.98533e02,7.20425e-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-02,9.89798e03,-1.70986e-02,-3.06104e-03,6.57276e-02,-9.53107e-02,-5.37361e02,2.24137e-02,1.84493e-02,5.42278e-02,4.01875e-03,8.33606e-02,-6.25437e03,8.57158e-02,-7.97270e-02,1.60378e-02,2.08244e-02,8.79194e-02, <略>

34.

35.

RAGの有無での精度の違い - 「HeatWave GenAIの主な機能は︖」への回答モデル: cohere.command-r-plus, オプションの設定はなし RAGなしの場合 RAGありの場合 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。 → 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 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 35 Copyright © 2025, Oracle and/or its affiliates

36.

37.

OCI⽣成AIエージェント・サービス OCI Generative AI Agents 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 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 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 Tools エージェントが外部情報を取得するためのツール事前準備済み RAG tool SQL tool ⽇本ではOCIの⼤阪リージョンで利⽤可能カスタム Functions API Calling プログラム API プログラム⾮構造データ 37 Copyright © 2025, Oracle and/or its affiliates 構造データ API 外部プログラム&サービス

38.

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・ベース⽤のテーブル定義データ 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 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) 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 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) • 38 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列名ナレッジ・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 • 要件および利⽤時のポイント 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 Copyright © 2025, Oracle and/or its affiliates ※ 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

39.

MySQL HeatWaveが解決する多様なデータ活⽤の課題 ECサイトを例にリアルタイムでの売上や⾏動分析お客様ごとの「おすすめ」の提供 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⽣成AI データベース機械学習 39 Copyright © 2025, Oracle and/or its affiliates

40.

MySQL HeatWaveが解決する多様なデータ活⽤の課題 ECサイトを例にリアルタイムでの売上や⾏動分析お客様ごとの「おすすめ」の提供 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⽣成AI データベース機械学習 40 Copyright © 2025, Oracle and/or its affiliates

41.

MySQL HeatWaveによりセキュリティが強固に MySQL HeatWave その他のサービスレイクハウス機械学習 LLM ユーザ・データアプリ分析 OLTP ベクターストア HeatWave • データが広範囲にわたって移動 • データは1つのデータベース・システムで管理される • 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 • 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 • 41 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 Copyright © 2025, Oracle and/or its affiliates

42.

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 42 Copyright © 2025, Oracle and/or its affiliates

https://www.oracle.com/jp/heatwave/free/

43.

44.

45.

MySQL HeatWave GenAI で使⽤できるルーチン(プロシージャー、関数) ルーチン名説明 ML_GENERATE LLMに対して問い合わせを実⾏ ML_GENERATE_TABLE LLMに対してバッチ処理で問い合わせを実⾏（事前にテーブルに問い合わせを格納しておく） VECTOR_STORE_LOAD オブジェクトストレージ上のファイルをエンベディングしてHeatWave GenAIのベクトルストアにロードする ML_RAG ML_RAG_TABLE HeatWave GenAIのベクトルストアにロードされたデータを使って、 LLMに対してRAGを使った問い合わせを実⾏ HeatWave GenAIのベクトルストアにロードされたデータを使って、 LLMに対してRAGを使った問い合わせをバッチ処理で実⾏（事前にテーブルに問い合わせを格納しておく） HEATWAVE_CHAT コンテキストを保持し、チャット形式でLLMに対して問い合わせを実⾏ ML_EMBED_ROW ⼊⼒したテキストデータに対するエンべディングを⽣成 ML_EMBED_TABLE テーブル内のテキストデータを⼊⼒として、バッチ処理でエンべディングを⽣成 NL_SQL ⾃然⾔語からSQLクエリを⽣成 ※ドキュメント︓HeatWave User Guide / HeatWave GenAI Routines https://dev.mysql.com/doc/heatwave/en/mys-hwgenai-routines.html 45 Copyright © 2025, Oracle and/or its affiliates ※別途、DISTANCE関数などのベクトル関数も使えます https://dev.mysql.com/doc/heatwave/en/mys-hw-vector-functions.html

46.

「MySQL内のテキストデータに対してベクトル検索したい」時に使うものルーチン名説明 ML_GENERATE LLMに対して問い合わせを実⾏ ML_GENERATE_TABLE LLMに対してバッチ処理で問い合わせを実⾏（事前にテーブルに問い合わせを格納しておく） VECTOR_STORE_LOAD オブジェクトストレージ上のファイルをエンベディングしてHeatWave GenAIのベクトルストアにロードする ML_RAG ML_RAG_TABLE HeatWave GenAIのベクトルストアにロードされたデータを使って、 LLMに対してRAGを使った問い合わせを実⾏ HeatWave GenAIのベクトルストアにロードされたデータを使って、 LLMに対してRAGを使った問い合わせをバッチ処理で実⾏（事前にテーブルに問い合わせを格納しておく） HEATWAVE_CHAT コンテキストを保持し、チャット形式でLLMに対して問い合わせを実⾏ ML_EMBED_ROW ⼊⼒したテキストデータに対するエンべディングを⽣成 ML_EMBED_TABLE テーブル内のテキストデータを⼊⼒として、バッチ処理でエンべディングを⽣成 NL_SQL ⾃然⾔語からSQLクエリを⽣成 ※ドキュメント︓HeatWave User Guide / HeatWave GenAI Routines https://dev.mysql.com/doc/heatwave/en/mys-hwgenai-routines.html 46 Copyright © 2025, Oracle and/or its affiliates ※別途、DISTANCE関数などのベクトル関数も使えます https://dev.mysql.com/doc/heatwave/en/mys-hw-vector-functions.html

47.

「SQLだけでLLMを使いたい、LLMをチャット形式で使いたい」時に使うものルーチン名説明 ML_GENERATE LLMに対して問い合わせを実⾏ ML_GENERATE_TABLE LLMに対してバッチ処理で問い合わせを実⾏（事前にテーブルに問い合わせを格納しておく） VECTOR_STORE_LOAD オブジェクトストレージ上のファイルをエンベディングしてHeatWave GenAIのベクトルストアにロードする ML_RAG ML_RAG_TABLE HeatWave GenAIのベクトルストアにロードされたデータを使って、 LLMに対してRAGを使った問い合わせを実⾏ HeatWave GenAIのベクトルストアにロードされたデータを使って、 LLMに対してRAGを使った問い合わせをバッチ処理で実⾏（事前にテーブルに問い合わせを格納しておく） HEATWAVE_CHAT コンテキストを保持し、チャット形式でLLMに対して問い合わせを実⾏ ML_EMBED_ROW ⼊⼒したテキストデータに対するエンべディングを⽣成 ML_EMBED_TABLE テーブル内のテキストデータを⼊⼒として、バッチ処理でエンべディングを⽣成 NL_SQL ⾃然⾔語からSQLクエリを⽣成 ※ドキュメント︓HeatWave User Guide / HeatWave GenAI Routines https://dev.mysql.com/doc/heatwave/en/mys-hwgenai-routines.html 47 Copyright © 2025, Oracle and/or its affiliates ※別途、DISTANCE関数などのベクトル関数も使えます https://dev.mysql.com/doc/heatwave/en/mys-hw-vector-functions.html

48.

「RAGを簡単に活⽤したい」時に使うものルーチン名説明 ML_GENERATE LLMに対して問い合わせを実⾏ ML_GENERATE_TABLE LLMに対してバッチ処理で問い合わせを実⾏（事前にテーブルに問い合わせを格納しておく） VECTOR_STORE_LOAD オブジェクトストレージ上のファイルをエンベディングしてHeatWave GenAIのベクトルストアにロードする ML_RAG ML_RAG_TABLE HeatWave GenAIのベクトルストアにロードされたデータを使って、 LLMに対してRAGを使った問い合わせを実⾏ HeatWave GenAIのベクトルストアにロードされたデータを使って、 LLMに対してRAGを使った問い合わせをバッチ処理で実⾏（事前にテーブルに問い合わせを格納しておく） HEATWAVE_CHAT コンテキストを保持し、チャット形式でLLMに対して問い合わせを実⾏ ML_EMBED_ROW ⼊⼒したテキストデータに対するエンべディングを⽣成 ML_EMBED_TABLE テーブル内のテキストデータを⼊⼒として、バッチ処理でエンべディングを⽣成 NL_SQL ⾃然⾔語からSQLクエリを⽣成 ※ドキュメント︓HeatWave User Guide / HeatWave GenAI Routines https://dev.mysql.com/doc/heatwave/en/mys-hwgenai-routines.html 48 Copyright © 2025, Oracle and/or its affiliates ※別途、DISTANCE関数などのベクトル関数も使えます https://dev.mysql.com/doc/heatwave/en/mys-hw-vector-functions.html

49.

50.

MySQL内のテキストデータに対してベクトル検索する⽅法 1. MySQLのデータをMySQL HeatWaveに移⾏する • データ移⾏にはMySQL Shellのデータダンプ＆ロードユーティリティを使⽤可能 • データ移⾏後にレプリケーションを設定すれば、最新データをMySQL HeatWave環境に同期も可能 2. ML_EMBED_TABLEプロシージャーを実⾏して、テキストデータに対するエンべディングを⽣成 • 既存のテーブルにベクトルデータ型の列を追加することも、別テーブルを作成することも可能 3. DISTANCE関数を使ってベクトル検索する • 検索したいキーワードに対するエンべディングは ML_EMBED_ROW で⽣成する 50 Copyright © 2025, Oracle and/or its affiliates

51.

DISTANCE関数の使い⽅ mysql> SELECT sys.ML_EMBED_ROW('⽝', JSON_OBJECT('model_id', 'multilingual-e5-small')) INTO @v1; Query OK, 1 row affected (0.64 sec) mysql> 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) 「⽝と猫」のCOSINE距離は近い(意味的に近い) mysql> mysql> SELECT sys.ML_EMBED_ROW('イルカ', JSON_OBJECT('model_id', 'multilingual-e5-small')) INTO @v3; Query OK, 1 row affected (0.64 sec) mysql> SELECT DISTANCE(@v1, @v3, 'COSINE'); +------------------------------+ | DISTANCE(@v1, @v3, 'COSINE') | +------------------------------+ | 0.19882500171661377 | +------------------------------+ 1 row in set (0.00 sec) 51 Copyright © 2025, Oracle and/or its affiliates 「⽝とイルカ」のCOSINE距離は「⽝と猫」よりも遠い

52.

DISTANCE関数の使い⽅ mysql> SELECT sys.ML_EMBED_ROW('⼩屋', JSON_OBJECT('model_id', 'multilingual-e5-small')) INTO @v4; Query OK, 1 row affected (0.68 sec) mysql> SELECT DISTANCE(@v1, @v4, 'COSINE'); +------------------------------+ | DISTANCE(@v1, @v4, 'COSINE') | +------------------------------+ | 0.137731671333313 | +------------------------------+ 1 row in set (0.00 sec) 52 Copyright © 2025, Oracle and/or its affiliates 「⽝と⼩屋」のCOSINE距離は「⽝と猫」よりは遠いが「⽝とイルカ」よりは近い

53.

補⾜︓同じデータでもエンベディング⽅式が変わればベクトル間の距離は変わる OCI Generative AIサービスと連携し、”cohere.embed-multilingual-v3.0”でエンべディングした場合の COSINE距離 • ⽝と猫︓0.1125444769859314 • ⽝とイルカ︓0.23323941230773926 • ⽝と⼩屋︓0.21109145879745483 53 Copyright © 2025, Oracle and/or its affiliates

54.

備考︓OCI Generative AIサービスとの連携⽅法 • OCI Generative AIサービスと連携するためには、事前設定が必要です • 設定⽅法は以下のドキュメントを参照して下さい • HeatWave User Guide / Authenticating OCI Generative AI Service https://dev.mysql.com/doc/heatwave/en/mys-hw-genai-authenticate-service.html 54 Copyright © 2025, Oracle and/or its affiliates

https://dev.mysql.com/doc/heatwave/en/mys-hw-genai-authenticate-service.html

55.

レビューコメントに対してベクトル検索する例マンガに対するレビューが投稿され、commentテーブルの comment列に格納されていることを想定 mysql> SELECT * FROM vectordb.comment; +------------+-------------+---------+----------------------------------------------------------------------------------------------------------------------------------------------+ | comment_id | customer_id | book_id | comment | +------------+-------------+---------+----------------------------------------------------------------------------------------------------------------------------------------------+ | 1 | 1 | 1 | 設定が作り込まれていて⾯⽩い。遅効性SFにハマっています︕ | | 2 | 2 | 2 | 普通の野球漫画とは全然違うけど、ギャンブル＆野球という斬新な設定で⾯⽩い。 | | 3 | 1 | 3 | 読み始めた時は、こんな⾵にストーリーが展開するなんて思わなかった。 | | 4 | 3 | 4 | まさかの犯⼈の視点でのスピンオフ︕ | | 5 | 4 | 3 | 最初は転⽣ものっぽかったけど、よくある転⽣ものとは全然違った。 | | 6 | 2 | 1 | モブキャラがいない。全キャラが魅⼒的。バトルものなのにインフレしないままずっと⾯⽩いのも凄い。 | | 7 | 3 | 5 | 周りで殺⼈事件起き過ぎw | +------------+-------------+---------+----------------------------------------------------------------------------------------------------------------------------------------------+ 7 rows in set (0.00 sec) 55 Copyright © 2025, Oracle and/or its affiliates

56.

57.

58.

[beta]

レビューコメントに対してベクトル検索する例
mysql> SELECT sys.ML_EMBED_ROW('ミステリー', JSON_OBJECT('model_id', 'multilingual-e5-small'))
-> INTO @query_embedding;
Query OK, 1 row affected (1.31 sec)
mysql> SELECT c.comment_id, c.customer_id, c.book_id, c.comment,
-> DISTANCE(c.comment_vec, @query_embedding, 'COSINE') AS distance
-> FROM vectordb.comment c
-> ORDER BY DISTANCE(c.comment_vec, @query_embedding, 'COSINE') ASC¥G
*************************** 1. row ***************************
comment_id: 7
customer_id: 3
book_id: 5
comment列に⼊っているレビューと「ミステリー」という単語の意味的な近さを
comment: 周りで殺⼈事件起き過ぎw
distance: 0.11284857988357544
基準にソートしてレビューを検索した結果、「ミステリー」と関連の深いレビューを
*************************** 2. row ***************************
上位に表⽰できている
comment_id: 4
customer_id: 3
book_id: 4
comment: まさかの犯⼈の視点でのスピンオフ︕
distance: 0.13298475742340088
*************************** 3. row ***************************
comment_id: 3
customer_id: 1
book_id: 3
comment: 読み始めた時は、こんな⾵にストーリーが展開するなんて思わなかった。
distance: 0.16685640811920166
58

Copyright © 2025, Oracle and/or its affiliates

59.

レビューコメントに対してベクトル検索する例 *************************** 4. row *************************** comment_id: 5 customer_id: 4 book_id: 3 comment: 最初は転⽣ものっぽかったけど、よくある転⽣ものとは全然違った。 distance: 0.17830097675323486 *************************** 5. row *************************** comment_id: 1 customer_id: 1 book_id: 1 comment: 設定が作り込まれていて⾯⽩い。遅効性SFにハマっています︕ distance: 0.18395888805389404 *************************** 6. row *************************** comment_id: 2 customer_id: 2 book_id: 2 comment: 普通の野球漫画とは全然違うけど、ギャンブル＆野球という斬新な設定で⾯⽩い。 distance: 0.19708287715911865 *************************** 7. row *************************** comment_id: 6 customer_id: 2 book_id: 1 comment: モブキャラがいない。全キャラが魅⼒的。バトルものなのにインフレしないままずっと⾯⽩いのも凄い。 distance: 0.20563781261444092 7 rows in set (0.00 sec) 59 Copyright © 2025, Oracle and/or its affiliates

60.

[beta]

備考︓”cohere.embed-multilingual-v3.0”でエンべディングした場合の実⾏例
mysql> SELECT sys.ML_EMBED_ROW('ミステリー', JSON_OBJECT('model_id', 'cohere.embed-multilingual-v3.0'))
-> INTO @query_embedding;
Query OK, 1 row affected (0.65 sec)
mysql> SELECT c.comment_id, c.customer_id, c.book_id, c.comment,
-> DISTANCE(c.comment_vec, @query_embedding, 'COSINE') AS distance
-> FROM vectordb.comment c
-> ORDER BY DISTANCE(c.comment_vec, @query_embedding, 'COSINE') ASC¥G
*************************** 1. row ***************************
comment_id: 7
customer_id: 3
book_id: 5
comment: 周りで殺⼈事件起き過ぎw
distance: 0.2302156686782837
*************************** 2. row ***************************
comment_id: 4
customer_id: 3
book_id: 4
comment: まさかの犯⼈の視点でのスピンオフ︕
distance: 0.24487388134002686
*************************** 3. row ***************************
comment_id: 3
customer_id: 1
book_id: 3
comment: 読み始めた時は、こんな⾵にストーリーが展開するなんて思わなかった。
distance: 0.25991952419281006
60

Copyright © 2025, Oracle and/or its affiliates

61.

備考︓”cohere.embed-multilingual-v3.0”でエンべディングした場合の実⾏例 *************************** 4. row *************************** comment_id: 5 customer_id: 4 book_id: 3 comment: 最初は転⽣ものっぽかったけど、よくある転⽣ものとは全然違った。 distance: 0.27529823780059814 *************************** 5. row *************************** comment_id: 1 customer_id: 1 book_id: 1 comment: 設定が作り込まれていて⾯⽩い。遅効性SFにハマっています︕ distance: 0.2850002646446228 *************************** 6. row *************************** comment_id: 6 customer_id: 2 book_id: 1 comment: モブキャラがいない。全キャラが魅⼒的。バトルものなのにインフレしないままずっと⾯⽩いのも凄い。 distance: 0.3376314640045166 *************************** 7. row *************************** comment_id: 2 customer_id: 2 book_id: 2 comment: 普通の野球漫画とは全然違うけど、ギャンブル＆野球という斬新な設定で⾯⽩い。 distance: 0.37797898054122925 7 rows in set (0.00 sec) 61 Copyright © 2025, Oracle and/or its affiliates

62.

63.

64.

[beta]

LLMに単⼀の質問を投げる例
mysql> SET @query="MySQLについて説明して下さい";
Query OK, 0 rows affected (0.00 sec)
mysql> SELECT sys.ML_GENERATE(@query, JSON_OBJECT("task", "generation", "model_id", "llama3-8binstruct-v1", "language", "ja"))¥G
*************************** 1. row ***************************
sys.ML_GENERATE(@query, JSON_OBJECT("task", "generation", "model_id", "llama3-8b-instruct-v1",
"language", "ja")): {"text": "MySQLは、世界で最も⼈気の⾼いオープンソースのRDBMS（Relational Database Management
System）です。1995年にMichael Wideniusによって開発されました。¥n¥n MySQLは、SQL（Structured Query Language）を使⽤し
てデータベースを管理することができます。主にWebアプリケーションや企業の情報システムで使⽤されています。¥n¥nMySQLの特徴として、以下のような点が
挙げられます。¥n¥n* オープンソース︓MySQLはオープンソースソフトウェアであり、無料でダウンロード・インストールすることができます。¥n* スケーラビリ
ティ︓ MySQLは⼤規模なデータベースを管理することができ、⼤量のトラフィックに対応することができます。¥n* セキュリティー︓MySQLにはセキュリティー
機能が充実しており、パスワードや暗号化されたデータを安全に保存することができます。¥n* プログラミング⾔語︓ MySQLは多くのプログラミング⾔語
（例えばPHP、Python、Javaなど）との互換性があります。¥n¥n MySQLの使⽤例として、以下のようなものが挙げられます。¥n¥n"}
1 row in set (14.99 sec)

64

Copyright © 2025, Oracle and/or its affiliates

65.

[beta]

LLMに単⼀の質問を投げる例（オプションを指定し、出⼒サイズを調整）
mysql> SET @query="MySQLについて説明して下さい";
Query OK, 0 rows affected (0.00 sec)
mysql> SELECT sys.ML_GENERATE(@query, JSON_OBJECT("task", "generation", "model_id", "llama3-8binstruct-v1", "language", "ja", "max_tokens", 500))¥G
*************************** 1. row ***************************
sys.ML_GENERATE(@query, JSON_OBJECT("task", "generation", "model_id", "llama3-8b-instruct-v1",
"language", "ja", "max_tokens", 500)): {"text": "MySQLは、世界で最も⼈気の⾼いオープンソースのRDBMS（Relational
Database Management System）です。1995年にMichael Wideniusによって開発されました。¥n¥n MySQLは、SQL（Structured
Query Language）を使⽤してデータベースを管理することができます。主にWebアプリケーションや企業の情報システムで使⽤されています。
¥n¥nMySQLの特徴として、以下のような点が挙げられます。¥n¥n* オープンソース︓MySQLはオープンソースソフトウェアであり、無料でダウンロード・インス
トールすることができます。¥n* スケーラビリティ︓ MySQLは⼤規模なデータベースを管理することができ、⼤量のトラフィックに対応することができます。¥n*
セキュリティー︓MySQLにはセキュリティー機能が充実しており、パスワードや暗号化されたデータを安全に保存することができます。¥n* プログラミング⾔語︓
MySQLは多くのプログラミング⾔語（例えばPHP、Python、Javaなど）との互換性があります。¥n¥n MySQLの使⽤例として、以下のようなものが挙げら
れます。¥n¥n* Webアプリケーション︓MySQLを使⽤してWebアプリケーションにデータベースを実装することができます。¥n* 企業情報システム︓MySQL
を使⽤して企業の情報システム（例えば会計システム、⼈事システムなど）を実装することができます。¥n* ゲーム開発︓MySQLを使⽤してゲームのデー
タベースを実装することができます。¥n¥n以上のように、MySQLはRDBMSとして⾮常に有⽤なツールであり、多くの企業や個⼈で使⽤されています。"}
1 row in set (21.72 sec)
※設定できるオプションの詳細はドキュメントを参照
https://dev.mysql.com/doc/heatwave/en/mys-hwgenai-ml-generate.html
65

Copyright © 2025, Oracle and/or its affiliates

https://dev.mysql.com/doc/heatwave/en/mys-hwgenai-ml-generate.html

66.

LLMにバッチ処理で複数の質問を投げる例 mysql> SELECT * FROM input_table; +----+-----------------------------------------------------+ | id | Input | +----+-----------------------------------------------------+ | 1 | MySQLについて説明して下さい | 2 | データベースについて説明して下さい | | +----+-----------------------------------------------------+ 2 rows in set (0.00 sec) mysql> CALL sys.ML_GENERATE_TABLE("GenAi.input_table.Input", "GenAi.input_table.Output", JSON_OBJECT("task", "generation", "model_id", "llama3-8b-instruct-v1", "language", "ja", -> "max_tokens", 1000)); Query OK, 0 rows affected (45.50 sec) 66 Copyright © 2025, Oracle and/or its affiliates

67.

[beta]

LLMにバッチ処理で複数の質問を投げる例
mysql> SELECT * FROM GenAi.input_table¥G
*************************** 1. row ***************************
id: 1
Input: MySQLについて説明して下さい
Output: {"text": "MySQLは、世界で最も⼈気の⾼いオープンソースのRDBMS（Relational Database Management System）です。
<中略>
* ゲーム︓ MySQLを使⽤してゲームのデータベースを実装することができます。¥n¥n以上のように、MySQLはRDBMSとして広く使われており、多くのアプリ
ケーションで使⽤されています。"}
*************************** 2. row ***************************
id: 2
Input: データベースについて説明して下さい
Output: {"text": "データベース（Database）は、コンピュータープログラムが使⽤するための、情報を格納した構造化されたコレクションです。
<中略>
1. **リレーショナルデータベース**︓テーブル間で関係がある情報を保持するデータベース。¥n2. **NoSQLデータベース**︓スケーラビリティや⾼速性
に優れたデータベース。¥n3. **グラフデータベース**︓ネットワークやグラフ構造の情報を保持するデータベース。¥n¥n以上、データベースについて簡単に
説明しました。"}
2 rows in set (0.00 sec)

67

Copyright © 2025, Oracle and/or its affiliates

68.

[beta]

LLMをチャット形式で使う場合
mysql> SET @chat_options=NULL;
Query OK, 0 rows affected (0.00 sec)
mysql> SET @chat_options = JSON_OBJECT("model_options", JSON_OBJECT("model_id", "cohere.command-r08-2024", "language", "ja", "max_tokens", 1000));
Query OK, 0 rows affected (0.00 sec)
mysql> CALL sys.HEATWAVE_CHAT("HeatWaveとはなにか教えてください")¥G
*************************** 1. row ***************************
response: HeatWave とは、コヒアが開発した⼤規模⾔語モデルです。このモデルは、⾃然⾔語処理タスクに特化し、さまざまな⾔語のテキストを理解
し、⽣成することができます。HeatWave は、コヒアの他の⾔語モデルと同様に、膨⼤な量のテキストデータを学習し、その知識と⽂脈理解に基づいて、⼈
間のような応答やテキストの⽣成を⾏うことができます。
<後略>

68

Copyright © 2025, Oracle and/or its affiliates

69.

LLMをチャット形式で使う場合 mysql> CALL sys.HEATWAVE_CHAT("それは違います。オラクルが提供しているHeatWaveについて教えてください")¥G *************************** 1. row *************************** response: はい、Oracleが提供しているHeatWaveについて説明します。 HeatWaveは、Oracle Databaseのインメモリ・コンピューティング機能です。この機能は、データベース内のデータを⾼速に分析し、複雑なクエリを処理するために設計されています。HeatWaveを使⽤することで、データウェアハウスやビジネス・インテリジェンス・アプリケーションのパフォーマンスを⼤幅に向上させることができます。 <中略> HeatWaveは、データ分析やビジネス・インテリジェンスの分野で、迅速なインサイトの取得や意思決定を⽀援する強⼒なツールとなっています。Oracle Databaseのユーザーは、HeatWaveを利⽤することで、データ処理のパフォーマンスを⼤幅に向上させ、より効率的なビジネス運営を実現することができます。 1 row in set (9.49 sec) Query OK, 0 rows affected (9.49 sec) 69 Copyright © 2025, Oracle and/or its affiliates

70.

LLMをチャット形式で使う場合 mysql> CALL sys.HEATWAVE_CHAT("HeatWaveはOracle DatabaseではなくMySQLの拡張機能です。オラクルが提供しているHeatWave について教えてください")¥G *************************** 1. row *************************** response: はい、オラクルが提供しているMySQLの拡張機能であるHeatWaveについて説明します。 HeatWaveは、MySQLデータベースの分析処理を⾼速化するためのインメモリ・コンピューティング・エンジンです。この機能は、MySQLの標準的なクエリ処理とは別に、分析クエリを処理するために最適化された環境を提供します。 HeatWaveの主な特徴は次のとおりです。 <中略> HeatWaveを利⽤することで、MySQLデータベース上で⾼度な分析処理やビジネス・インテリジェンス・アプリケーションを実⾏することができます。特に、ビッグデータの分析や、リアルタイムのデータ可視化、機械学習などの分野でその威⼒を発揮します。オラクルは、HeatWaveをMySQLの重要な機能として位置づけ、企業や組織がデータから価値を最⼤限に引き出すことを⽀援しています。HeatWaveは、 MySQLの柔軟性とパフォーマンスをさらに強化し、データ分析の分野で強⼒なツールを提供しています。 1 row in set (9.25 sec) Query OK, 0 rows affected (9.25 sec) 70 Copyright © 2025, Oracle and/or its affiliates

71.

72.

73.

実⾏例︓ベクトルストアへロードするテキストドキュメント ■HeatWave_MySQL.txtの内容 HeatWave MySQLは、オラクルが提供するMySQLのマネージドサービスです。通常のMySQLのマネージドサービスとして使⽤することもできますが、 HeatWaveという拡張機能を利⽤することで検索クエリーを通常のMySQLよりも⾼速に実⾏できます。従来MySQLは⼤量データの分析/集計処理などには不向きとされてきましたが、HeatWave MySQLでは⼤量データの集計処理も超⾼速に実⾏できます。また、HeatWave MySQLにはMySQL Databaseだけで（SQLだけで）機械学習を実現できるHeatWave AutoML、オブジェクトストレージ上のデータを⾼速にHeatWaveでの分析/集計対象にできるHeatWave Lakehouse、SQLだけでLLMを活⽤したりMySQLをベクトルストアとして使⽤できる HeatWave GenAIなどの拡張機能もあります。 73 Copyright © 2025, Oracle and/or its affiliates

74.

[beta]

実⾏例︓ベクトルストアへのドキュメントのロード
mysql> SET @options = JSON_OBJECT("schema_name", "RAG", "table_name", "test_embeddings", "language",
"ja");
Query OK, 0 rows affected (0.00 sec)
mysql> CALL sys.VECTOR_STORE_LOAD("https://objectstorage.ap-osaka-1.oraclecloud.com/省略
/HeatWave_MySQL.txt", @options);
+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| task_id | task_status_query
|
+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
|
1 | SELECT id, name, message, progress, status, scheduled_time,estimated_completion_time,
estimated_remaining_time, progress_bar FROM mysql_task_management.task_status WHERE id=1¥G |
+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

ロードの進捗状況を確認するためのSQLが表⽰される
74

Copyright © 2025, Oracle and/or its affiliates

https://objectstorage.ap-osaka-1.oraclecloud.com/

75.

実⾏例︓ベクトルストアへのデータロード状況の確認 mysql> SELECT id, name, message, progress, status, scheduled_time,estimated_completion_time, estimated_remaining_time, progress_bar FROM mysql_task_management.task_status WHERE id=1¥G *************************** 1. row *************************** id: 1 name: Vector Store Loader message: Loading in progress... progress: 10 status: RUNNING scheduled_time: 2025-03-25 23:57:24 estimated_completion_time: 2025-03-25 23:59:54 estimated_remaining_time: 135.00000 progress_bar: #_________ 1 row in set (0.00 sec) 75 Copyright © 2025, Oracle and/or its affiliates

76.

実⾏例︓ベクトルストアへのデータロード状況の確認 mysql> SELECT id, name, message, progress, status, scheduled_time,estimated_completion_time, estimated_remaining_time, progress_bar FROM mysql_task_management.task_status WHERE id=1¥G *************************** 1. row *************************** id: 1 name: Vector Store Loader message: Loading in progress... progress: 40 status: RUNNING scheduled_time: 2025-03-25 23:57:24 estimated_completion_time: 2025-03-25 23:58:27 estimated_remaining_time: 37.50000 progress_bar: ####______ 1 row in set (0.00 sec) 76 Copyright © 2025, Oracle and/or its affiliates

77.

実⾏例︓ベクトルストアへのデータロード状況の確認 mysql> SELECT id, name, message, progress, status, scheduled_time,estimated_completion_time, estimated_remaining_time, progress_bar FROM mysql_task_management.task_status WHERE id=1¥G *************************** 1. row *************************** id: 1 name: Vector Store Loader message: Task completed. progress: 100 status: COMPLETED scheduled_time: 2025-03-25 23:57:24 estimated_completion_time: 2025-03-25 23:57:53 estimated_remaining_time: 0.00000 progress_bar: ########## 1 row in set (0.00 sec) 77 Copyright © 2025, Oracle and/or its affiliates

78.

[beta]

実⾏例︓RAGを使わないLLMへの問い合わせ
mysql> SET @query="HeatWaveとはなにか教えてください";
Query OK, 0 rows affected (0.00 sec)
mysql> SELECT sys.ML_GENERATE(@query, JSON_OBJECT("task", "generation", "model_id", "cohere.commandr-08-2024", "language", "ja", "max_tokens", 1000))¥G
*************************** 1. row ***************************
sys.ML_GENERATE(@query, JSON_OBJECT("task", "generation", "model_id", "cohere.command-r-08-2024",
"language", "ja", "max_tokens", 1000)): {"text": "HeatWave とは、コヒアが開発した⼤規模⾔語モデルです。このモデルは、⾃
然⾔語処理タスクに特化し、さまざまな⾔語のテキストを理解し、⽣成することができます。HeatWave は、コヒアの他の⾔語モデルと同様に、膨⼤な量の
テキストデータを学習し、その知識と⽂脈理解に基づいて、⼈間のような応答やテキストの⽣成を⾏うことができます。¥n¥nHeatWave は、⾃然⾔語処理
のさまざまな分野で活⽤され、テキストの要約、質問応答、⽂章⽣成、翻訳など、幅広いタスクをこなすことができます。このモデルは、その柔軟性と適応性
により、さまざまな業界や分野で有⽤なツールとして利⽤されています。¥n¥nHeatWave の特徴の⼀つは、その多⾔語対応能⼒です。このモデルは、複数
の⾔語を学習し、異なる⾔語間の翻訳や、多⾔語環境でのテキスト処理を可能にします。これにより、グローバルなコミュニケーションや、多⾔語コンテンツの
処理に役⽴ちます。¥n¥nまた、HeatWave は、コヒアの他のモデルと同様に、継続的な学習と改善が可能です。新しいデータやフィードバックを取り⼊れる
ことで、その性能と正確性を向上させ、より⼈間らしい応答や、複雑なタスクへの対応⼒を⾼めることができます。¥n¥nHeatWave は、⾃然⾔語処理の分
野で重要な役割を果たし、⼈⼯知能と⼈間のコミュニケーションをより⾃然で効率的なものにするために貢献しています。"}
1 row in set (5.39 sec)

78

Copyright © 2025, Oracle and/or its affiliates

79.

実⾏例︓RAGを使ったLLMへの問い合わせ mysql> SET @query="HeatWaveとはなにか教えてください"; Query OK, 0 rows affected (0.00 sec) mysql> SET @options = JSON_OBJECT("vector_store", JSON_ARRAY("RAG.test_embeddings"), "model_options", JSON_OBJECT("model_id", "cohere.command-r-08-2024", "language", "ja", "max_tokens", 1000)); Query OK, 0 rows affected (0.00 sec) mysql> CALL sys.ML_RAG(@query, @output, @options); Query OK, 1 row affected (7.85 sec) 79 Copyright © 2025, Oracle and/or its affiliates

80.

[beta]

実⾏例︓RAGを使ったLLMへの問い合わせ
mysql> SELECT JSON_PRETTY(@output)¥G
*************************** 1. row ***************************
JSON_PRETTY(@output): {
"text": "HeatWave は、オラクルが提供する MySQL の拡張機能で、検索クエリを⾼速に実⾏できるようにする機能です。これにより、⼤量データ
の分析や集計処理を従来よりも⾼速に⾏うことができます。また、HeatWave には、機械学習や LLM 活⽤、ベクトルストアとしての MySQL 利⽤など、
さまざまな拡張機能が含まれています。",
"citations": [
{
"segment": "HeatWave MySQLは、オラクルが提供するMySQLのマネージドサービスです。通常のMySQLのマネージドサービスとして使⽤す
ることもできますが、HeatWaveという拡張機能を利⽤することで検索クエリーを通常のMySQLよりも⾼速に実⾏できます。従来MySQLは⼤量データの分析
/集計処理などには不向きとされてきましたが、HeatWave MySQLでは⼤量データの集計処理も超⾼速に実⾏できます。¥n¥nまた、HeatWave
MySQLにはMySQL Databaseだけで(SQLだけで)機械学習を実現できるHeatWave AutoML、オブジェクトストレージ上のデータを⾼速に
HeatWaveでの分析/集計対象にできるHeatWave Lakehouse、SQLだけでLLMを活⽤したりMySQLをベクトルストアとして使⽤できるHeatWave
GenAIなどの拡張機能もあります。",
"distance": 0.0958,
"document_name": "https://objectstorage.ap-osaka-1.oraclecloud.com/省略/HeatWave_MySQL.txt"
}
],

80

Copyright © 2025, Oracle and/or its affiliates

81.

実⾏例︓RAGを使ったLLMへの問い合わせ "vector_store": [ "`RAG`.`test_embeddings`" ], "retrieval_info": { "method": "n_citations", "threshold": 0.0958 } } 1 row in set (0.00 sec) 81 Copyright © 2025, Oracle and/or its affiliates

82.

83.

84.

MySQL HeatWave GenAIの使い所

Yoshiaki Yamasaki

関連スライド

MySQLを使ってGPSデータを軌跡データへ変換する手法と、軌跡データの類似性比較手法

オブジェクトストレージ上のファイルをSQLで高速に分析/加工できるHeatWave Lakehouseのご紹介

オブジェクトストレージ上のファイルをSQLで高速に分析/加工できるHeatWave Lakehouseのご紹介

学振特別研究員になるために～2025年度申請版

研究に使える便利なフリーソフト ImageJ

StampFlyで学ぶマルチコプタ制御

各ページのテキスト