3 データ分析
一般
時間隔および自動リスト・パーティション化によるハイブリッド・パーティション表
時間隔および自動リスト・パーティション化を使用した単一レベル・パーティション化を使用して、ハイブリッド・パーティション表を作成できるようになりました。これは、単一レベル・パーティション化とレンジおよびリスト・パーティション化の既存のサポートに追加されます。
Oracle Databaseのハイブリッド・パーティション表に対するこれらの機能拡張は、わかりやすいパーティション化方法を提供します。
関連リソース
ドキュメントの表示に関する項
Oracle Databaseのデータ品質演算子
このリリースでは、近似またはあいまい文字列照合に基づいた、次の2つの新しい文字列照合演算子が導入されています。
-
PHONIC_ENCODEでは、発音に基づいて、言語固有のコードに単語または語句が変換されます。 -
FUZZY_MATCH(これは言語に依存しない)では、2つの文字列の間のテキストの類似性が評価されます。
新しい音声エンコーディングおよびファジー・マッチング方法により、外部アプリケーションだけでなく、データベース内のデータに対してより高度なマッチング・アルゴリズムを直接実行できるため、データ重複除外、リンクまたは拡張などにおいて、マッチングのパフォーマンスと効率が向上します。
関連リソース
ドキュメントの表示に関する項
自動データ・クラスタリング
Oracle Databaseでは、アプリケーション・ワークロードによって使用される問合せのタイプに応じて、ストレージベースのデータが自動的かつ透過的にクラスタリングされます。これにより、ワークロードで、ストレージ索引、ゾーン・マップ、結合ゾーン・マップなどのデータ・アクセス最適化機能をより有効利用できるようになります。
この機能を使用すると、ゾーン・マップまたはストレージ索引に基づくデータ・ウェアハウスのワークロードのパフォーマンスが大幅に向上します。データをクラスタリングすると、データ・スキャン問合せのパフォーマンスが向上します。これは、ストレージの広い連続領域(またはゾーン)が、特定の問合せによって照合されているデータがそれに含まれていない場合にはプルーニングまたはスキップされるためです。
関連リソース
ドキュメントの表示に関する項
JSONマテリアライズド・ビューのサポート拡張とパフォーマンス高速化
JSON表のマテリアライズド・ビューは、JSON表のより多くのタイプのマテリアライズド・ビューを高速リフレッシュしたり、これらのマテリアライズド・ビューの問合せリライトのサポートによって拡張されました。
JSON表のマテリアライズド・ビューのパフォーマンスは、高速リフレッシュ機能と問合せリライト機能により大幅に向上し、より多くのワークロードに対応できます。アプリケーションでJSON表のマテリアライズド・ビューをより幅広く使用でき、パフォーマンスが向上し、リソース使用率が低下します。
関連リソース
ドキュメントの表示に関する項
Oracle SQL Access to Kafka
Oracle SQL Access to Kafka (DBMS_KAFKA)は、Apache KafkaおよびOCI Streaming Serviceからデータ・ストリームへの効率的で信頼性が高くスケーラブルなアクセスを提供します。ストリーミング・データは、SQLを介して問い合せたり、Oracleデータベース表にロードできます。
Oracle Databaseは、DBMS_KAFKA APIを使用してApache Kafkaとの効率的で信頼性が高くスケーラブルな統合を実現します。このAPIにより、Oracle Databaseでは独自のインタフェースを使用して高コストで複雑な直接アプリケーション接続を必要とせずに、外部のデータ・ストリームからデータを使用できます。Oracle SQL Access to Kafkaを使用すると、すべてのデータでOracle Databasesの豊富な分析機能を使用できます。
関連リソース
ドキュメントの表示に関する項
SQL
自動メンテナンスを使用したテキスト索引
MAINTENANCE AUTO索引パラメータを使用して、テキスト索引の新しい自動メンテナンス・モードを指定できます。このメソッドは、CTX_DDL.SYNC_INDEX操作を自動化します。これは、新しい索引のデフォルトの同期方法になりました。
この方法では、新しく作成されたテキスト索引で、同期間隔を指定したり、SYNC_INDEX操作を手動で実行する必要はありません。バックグラウンド・プロセスでは、ユーザーの介入なしにこれらのタスクが自動的に実行されます。これにより、大量の索引を最適な方法で同期できるため、手動または時間ベースのSYNC操作も不要になります。データベース・スケジューラではなくバックグラウンド・ジョブを使用することで、スケジューリングの競合および使用可能なジョブが不足するリスクを回避できます。全体的に、よりシンプルで回復力のあるアプリケーションとハードウェア・リソースの利用率が向上します。
関連リソース
ドキュメントの表示に関する項
トランスポータブル・バイナリXML
トランスポータブル・バイナリXML (TBX)は、自己完結型の新しいXMLTypeストレージ・メソッドです。TBXは、シャーディング、XML検索索引およびExadataプッシュダウン操作をサポートし、他のXMLストレージ・オプションよりも優れたパフォーマンスとスケーラビリティを提供します。
次のいずれかの方法で、異なるフォーマットの既存のXMLTypeストレージをTBXフォーマットに移行できます。
- Insert-as selectまたはcreate-as-select
- オンライン再定義
- データ・ポンプ
トランスポータブル・バイナリXML (TBX)は、パフォーマンスとスケーラビリティを向上させます。シャーディングやExadataなど、より多くのデータベース・アーキテクチャをサポートし、様々なサーバー、コンテナおよびPDB間でXMLデータを簡単に移行および交換できるTBXを使用すると、より多くのプラットフォームおよびアーキテクチャでこの新しいXMLストレージ形式を最大限に活用できます。
関連リソース
ドキュメントの表示に関する項
コミット時の同時マテリアライズド・ビューのリフレッシュ
マテリアライズド・ビューのリフレッシュにより、同時リフレッシュが可能になり、シリアライズを必要とせずに複数のセッションでコミット時の同じマテリアライズド・ビューを同時にリフレッシュできます。
同時リフレッシュにより、アプリケーションに対するマテリアライズド・ビューの適用性が拡大し、アプリケーション開発の簡素化に役立ちます。リフレッシュが高速になり、最新のマテリアライズド・ビューが提供されます。
関連リソース
ドキュメントの表示に関する項
自動索引付けの拡張
索引を使用すると、DML操作中にメンテナンス・オーバーヘッドが発生します。これは、データ・アクセス・パフォーマンスの向上にはマイナスに作用する可能性があります。自動索引付けの機能拡張では、以前のリリースよりも視野が広がり、ワークロード全体に役立つ索引を判断する際に索引メンテナンス・コストが考慮されます。範囲述語を使用してフィルタ処理された列が索引で考慮されます。また、ファンクションベース索引がサポートされるようになりました。これにより、自動索引付けが有効な範囲がさらに広がります。
自動索引付けでは、自動索引付け選択時のデータベースでのDML操作の影響がより適切に評価されます。ワークロードに対する索引の総合的効果を確認することで、より高い成果を実現できます。
関連リソース
ドキュメントの表示に関する項
自動マテリアライズド・ビューの拡張
自動マテリアライズド・ビューが拡張されて自動パーティション化が含まれるようになりました。また、自動マテリアライズド・ビューの選択のための、より正確な内部コスト・モデルが用意されています。このモデルでは、アクセスに関する利点とメンテナンス(リフレッシュ)のコスト、および実行の頻度が考慮されます。
フィルタ条件を指定した外部結合問合せなど、リライト機能が拡張されました。
自動マテリアライズド・ビューが拡張されてコスト対効果分析がより正確になり、使いやすさが向上したことで、マテリアライズド・ビューのエコ・システムの管理が最適化され、システムのパフォーマンスが全体的に高まります。
関連リソース
ドキュメントの表示に関する項
強化された自動SQL計画管理
自動SQL計画管理が、SQLパフォーマンスの低下をより迅速に検出および修復できるように拡張されました。SQL計画の変更は解析時に検出され、最初の実行後に、SQLパフォーマンスが前のSQL実行計画のパフォーマンスと比較されます。パフォーマンスの低下が検出された場合、その計画は相応に修復されます。
自動SQL計画管理を使用すると、アプリケーションのサービス・レベルが向上し、SQLパフォーマンス(計画)の低下による影響が最小限に抑えられ、透過的かつ積極的に対処されます。
関連リソース
ドキュメントの表示に関する項
分散環境およびシャード環境の拡張LOBサポート
分散LOBは、あるサーバーから別のサーバーにフェッチされ、オプションでクライアントに返されるLOBです。共有LOBは、シャード間またはシャードとシャード・コーディネータ間でLOBが転送される分散LOBの拡張です。以前のバージョンでは、シャードLOBおよび分散LOBのサポートは永続LOB、およびJSON操作から発生した場合の一時LOBにのみ制限されていました。これで、すべての一時LOB (値LOBを含む)および長さが増加した新しいインラインLOBが、分散LOBおよびシャードLOBとして使用できるようになりました。
分散環境とシャード環境で、インラインLOB、値LOBおよびすべての一時LOBを使用できるようになりました。
一時LOBを操作するとパフォーマンス、スケーラビリティおよびガベージ・コレクションが向上し、開発者の生産性とアプリケーションの回復力が向上します。
関連リソース
ドキュメントの表示に関する項
パラレル処理リソース管理の拡張
パラレル処理は、パラレル化を使用する個々の文が終了する前に率先して解放されます。たとえば、2つのパラレル・サーバー・セット(プロデューサ-コンシューマ)を使用する、コミットされていないパラレルDML操作または部分的にフェッチされたパラレルSELECT文の場合は、一方のパラレル・サーバー・セットがその作業の終了後すぐに解放されて、そのパラレル処理の半分が、他の文の使用のために解放されることになります。
パラレル処理をできるだけ早く解放し、それらを他の文で使用できるようにすると、使用可能リソースの使用率が最適化されて、システムおよびアプリケーションの全体的なパフォーマンスが向上します。
関連リソース
ドキュメントの表示に関する項
8000バイトのインラインLOBの最大サイズの増加
LOB値は、表の行(表内)または表の行の外(表外)に格納されます。インラインLOBの最大サイズは8000バイトに増やされ、大きいLOB値が行内に格納されるようになります。以前は、最大サイズは4000でした。
これにより、LOB列の処理中に入出力のパフォーマンスが向上します。全表スキャン、レンジ・スキャン、DMLなどの操作の実行中に、そのパフォーマンスの向上がわかるでしょう。
関連リソース
ドキュメントの表示に関する項
マテリアライズド・ビューでのANSI結合のサポート
Oracle Databaseのマテリアライズド・ビューで、ANSI結合構文を使用したSQL文について、およびANSI結合構文を使用したマテリアライズド・ビュー定義について、完全なリライト機能がサポートされています。
マテリアライズド・ビュー・リライトを使用したANSI結合を完全にサポートすると、パフォーマンスが大幅に向上します。多くの問合せ(特にSQLツールおよびレポートで生成される問合せ)では、ANSI結合構文が使用されます。この機能拡張により、このようなツールでは、結合で使用される構文に関係なく、問合せリライト用のマテリアライズド・ビューを利用できます。
関連リソース
ドキュメントの表示に関する項
読取り専用値LOB
一時LOBの読取り専用サブセットである値LOBは、SQLフェッチ期間に有効であり、SQL問合せのコンテキストでLOB値の読取りを最適化します。多くのアプリケーションでは、中規模オブジェクト(サイズが数MB程度)の格納にLOBが使用されるため、SQL問合せのコンテキストにおいてLOB値を読み取る必要があります。
値LOBは、読取りパフォーマンスを高速化し、カーソルに対する次のフェッチの実行時に自動的に解放され、一時LOBの蓄積を防ぎ、アプリケーション内のLOB管理を簡素化します。
値LOBは、ワークロードの従来の参照LOBよりも高速な読取りパフォーマンスを提供し、アプリケーションで特定のLOB管理を必要としません。値LOBを使用すると、アプリケーションのパフォーマンスが向上し、LOBによるアプリケーションの実装がよりシンプルで管理しやすくなります。
関連リソース
ドキュメントの表示に関する項
セミ結合マテリアライズド・ビュー
セミ結合マテリアライズド・ビュー・リライトは、独自の問合せリライトです。問合せ内の単一の大きい統合されたディメンション表が、1つ以上の、結合固有のマテリアライズド・ビューに置き換えられます。統合ディメンション・データ・モデル(複数のディメンション表が単一の大きいディメンション表にマージされる)においては、セミ結合マテリアライズド・ビューにより、このような単一の大きい統合されたディメンション表の結合の1つ以上がファクト表にマテリアライズされます。
この新しいタイプのマテリアライズド・ビューにより、複雑な分析操作の実行時およびリソースの消費が大幅に向上します。セミ結合マテリアライズド・ビューは、統合された大きいディメンション表(セミ結合を使用)から導出された適用可能ディメンション・キーの数が少ない場合に特に役立ちます。
関連リソース
ドキュメントの表示に関する項
DBMS_SEARCHパッケージを使用した普遍的な検索
新しいDBMS_SEARCH PL/SQLパッケージを使用すると、1つの索引で複数のスキーマ・オブジェクトに索引を付けることができます。この索引には、一連の表、外部表またはビューをデータ・ソースとして追加できます。指定されたソースの列はすべて索引付けされ、全文検索に使用できます。
DBMS_SEARCH APIの簡略化されたセットを使用すると、次のように索引を作成、維持および問合せできます。
- 複数のオブジェクト間で索引を作成します。
- 簡単にデータ・ソース(特定の表またはビュー)を索引に追加するか、データ・ソースを索引から削除します。
- 同じ索引を使用して、単一のデータ・ソース内または複数のソース間で全文検索を実行します。
- 索引の同期を自動的に維持します。
これにより、USER_DATASTOREプロシージャを使用して以前に実行した索引付けタスクが簡略化され、開発者の生産性が向上します。
関連リソース
ドキュメントの表示に関する項
インメモリー
列ストアのパフォーマンスを改善するための自動インメモリーの拡張
自動インメモリー(AIM)が拡張され、拡張ワークロード分析アルゴリズムに基づいてデータベース・インメモリー・パフォーマンス機能の作成および削除が自動的に可能になります。これらの機能には、結合グループ、結合キー列のハッシュ化されたディクショナリ値のキャッシュおよびインメモリー最適化算術が含まれています。
自動インメモリー(AIM)が拡張され、パフォーマンスを向上させるデータベース・インメモリー機能を識別および有効化または無効化できます。機能は、効果が最も高いのはどれであるかを基準にして、選択的に、またはグローバルに有効化されます。これにより、アプリケーションのパフォーマンスが向上し、また、手動での操作を必要とせずにインメモリー列ストア内の領域を節約できます。
関連リソース
ドキュメントの表示に関する項
Autonomous Databases向けの自動インメモリー・サイズ設定
インメモリー列ストアが、ワークロードに基づいて自動的に拡大および縮小されるようになりました。これにより、インメモリー列ストアをAutonomous Databaseで使用できるようになります。部分的に移入されているオブジェクトに対するExadataスキャンのパフォーマンスがさらに向上します。
自動インメモリー・サイズ設定を使用すると、様々なデータベース・ワークロードに対応するためにインメモリー列ストアのサイズを手動で変更する必要がなくなります。これにより、データベース・インメモリーの有効化の管理作業が軽減されます。また、自動インメモリー・サイズ設定では、インメモリー列ストアをAutonomous Database (ADB)で有効化できます。これにより、ADB上で実行されているアプリケーションで、より高速な分析問合せパフォーマンスを利用できるようにもなります。
関連リソース
ドキュメントの表示に関する項
インメモリーのRACレベルのグローバル・ディクショナリ
データベース・インメモリーの結合グループで、すべてのRACノードにわたるグローバル・ディクショナリがサポートされるようになりました。結合グループでは、結合されたすべての列によって共通のディクショナリが使用されます。インメモリーのRACレベルのグローバル・ディクショナリでは、RACデータベース内のすべてのノードにわたりこれらの共通ディクショナリが同期されるようになりました。
RAC環境では、この機能により、分散ハッシュ結合でのデータベース・インメモリーのパフォーマンスがさらに向上します。
関連リソース
ドキュメントの表示に関する項
ベクトル化された問合せ処理: マルチレベル結合と集計
この機能により、SIMD機能を十分に活用してインメモリー・ディープ・ベクター化フレームワークが強化され、ハッシュ結合および集計によるグループ・パフォーマンスがさらに向上します。新しい最適化には、マルチレベル・ハッシュ結合のサポートの組込み、集計によるフル・インメモリー・グループのサポート、マルチ結合キーおよび追加の結合方法のサポートが含まれています。
この機能により、分析問合せの基礎となる結合および集計のパフォーマンスが向上します。これにより、リアルタイム分析のパフォーマンスが向上し、アプリケーションのSQL変更は不要になります。この機能は、有効になっていると自動的に使用されます(デフォルト)。
関連リソース
ドキュメントの表示に関する項
機械学習 - 拡張機能
自動時系列モデル検索
この機能により、EXSM_MODEL設定を指定しない場合、指数平滑化アルゴリズムで予測モデル・タイプ(および関連するハイパーパラメータ)を自動的に選択できます。これにより、予測モデルがより正確になります。
この機能により、指数平滑化アルゴリズムのハイパーパラメータ検索が自動化され、手動または完全検索なしでより優れた予測モデルが生成されます。これにより、エキスパート以外のユーザーは、アルゴリズム・ハイパーパラメータの詳細な理解なしに時系列予測を実行しながら、データ・サイエンティストの生産性を向上させることができます。
関連リソース
ドキュメントの表示に関する項
埋込みを使用した密の予測の明示的セマンティック分析のサポート
非構造化テキスト分析アルゴリズムの明示的セマンティック分析(ESA)は、一般的なdoc2vec (ドキュメントをベクトル化する)表現と機能的に同等である埋込みを使用して密の予測を出力できます。
doc2vec表現の生成は、分類や回帰などの他の機械学習技術への入力として役立ち、テキストのみで使用する場合、または他の構造化データと組み合せて使用する場合の精度を向上させます。ユースケースには、顧客に関するコール・センター担当者ノートからの非構造化テキストや、他の顧客または患者の構造化データとともに患者に対する医師ノートを処理して、予測結果を改善することが含まれています。
関連リソース
ドキュメントの表示に関する項
GLMリンク関数
データベース内一般化線形モデル(GLM)アルゴリズムは、ロジスティック回帰の追加のリンク関数(probit、cloglogおよびcauchit)をサポートするようになりました。
これらの追加リンク関数は、標準の一般化線形モデル(GLM)実装に一致する使用可能なセットを拡張しています。これは、ターゲット列のデータ分散の広い範囲を処理することで、精度などのモデルの品質が向上し、処理されるデータ・セットのクラスを拡張します。具体的には、probitリンク関数は、win/lose、churn/no-churn、buy/no-buyを予測する場合など、バイナリ(yes/noなど)のターゲット変数をサポートします。非対称リンク関数の補対数対数(cloglog)は、医療状態の再発までの期間を予測する場合など、1つの結果が比較的まれなバイナリ・ターゲット変数をサポートします。cauchitリンク関数は、データ記録エラーなどのデータの処理をより確実にサポートします。
関連リソース
ドキュメントの表示に関する項
カーディナリティの高いカテゴリ機能のためのデータ準備の改善
この機能では、カーディナリティの高いカテゴリ列に対してより効率的なデータ駆動型エンコーディングを可能にするために、設定ODMS_EXPLOSION_MIN_SUPPが導入されています。必要に応じて、展開マッピングのカテゴリ値のしきい値を調整したり(必要な最小サポートを定義)、機能を無効にしたりできます。
この機能では、カーディナリティの高いカテゴリ列のより効率的でデータ駆動型のエンコーディングが導入され、ユーザーはこのような列のデータを手動で準備せずにモデルを構築できます。
十分なサポートがあるもののみを含めるようにカテゴリ値を再コーディングすることで、数百万のカテゴリ値を持つ大規模なデータセットに効率的に対処できるため、メモリー制限を克服できます。
関連リソース
ドキュメントの表示に関する項
系統: モデルで保持されるデータ問合せ
この機能により、ユーザーはモデル作成のトレーニング・データの提供に使用されたデータ問合せを特定できます。ALL/DBA/USER_MINING_MODELSビュー内のBUILD_SOURCE列では、ユーザーが、モデルの生成に使用されたデータ問合せにアクセスできます。
この機能では、モデルのメタデータ内に構築データを指定するために実行される問合せ文字列が記録され、機械学習ライフサイクルおよびMLOpsをより適切にサポートします。
関連リソース
ドキュメントの表示に関する項
複数の時系列
指数平滑化アルゴリズムの複数時系列機能を使用すると、多変数時系列入力および休日フラグやプロモーション・フラグなどのインジケータ・データを含む時系列回帰モデルを簡単に構築できます。時系列回帰モデルを構築して、多変数時系列入力および休日フラグやプロモーション・フラグなどのインジケータ・データを含めることができます。
この機能により、1つ以上の入力時系列でバックキャストおよび予測を生成することで、データ・サイエンティストが手動で実行する多くの処理が自動化されます。この時系列では、ターゲット時系列で信頼度範囲も提供されます。結果は、他のMLアルゴリズムへの入力として使用されます。たとえば、多変数カテゴリ変数、数値変数および時系列変数を使用して、XGBoostを使用した時系列回帰をサポートする場合です。
関連リソース
ドキュメントの表示に関する項
期待値最大化(EM)クラスタリングを使用した外れ値検出
期待値最大化アルゴリズムは、分散ベースの異常検出をサポートするように拡張されています。異常の確率を使用して、オブジェクトを通常または異常として分類します。EMアルゴリズムは、異常の確率にマップされるデータ・レコードの確率密度を推定します。
異常検出に期待値最大化(EM)を使用すると、不正検出などの異常検出ユースケースをサポートするために使用できるアルゴリズムのセットが拡張されます。異なるアルゴリズムによりデータ内のパターンを異なる方法で識別できるため、機械学習のユースケースに対処する際に、複数のアルゴリズムを使用できることが利点です。
関連リソース
ドキュメントの表示に関する項
パーティション化されたモデル・パフォーマンスの向上
この機能により、パーティション化されたモデル内の多数のパーティション(最大32Kのコンポーネント・モデル)のパフォーマンスが向上し、パーティション化されたモデル内の個々のモデルの削除が高速化されます。
機械学習のユースケースでは、多くの場合、データのサブセットごとに1つのモデルを構築する必要があります。たとえば、状態、リージョン、顧客、機器ごとに1つのモデルを構築します。パーティション化されたモデル機能では、このようなモデルの構築がすでに自動化されており、単純化されたスコアリングのための単一のモデル抽象化が提供されています。この機能拡張により、多数のパーティションを使用する際の全体的なパフォーマンスが向上します。
関連リソース
ドキュメントの表示に関する項
制約および生存分析のXGBoostによるサポート
データベース内XGBoostアルゴリズムは、機械学習技術生存分析に対するデータベース内XGBoostアルゴリズムのサポートを拡張します。また、機能の相互作用制約および単調制約もサポートされており、これにより、変数の相互作用を許可する方法を選択できます。
生存分析は、複数の業界にとって重要な機械学習技術です。この機能強化により、機器の故障や医療の成果などを予測する際に、モデルの精度が向上します。具体的には、生存分析で最も使用されているモデルの1つであるAccelerated Failure Time (AFT)モデルでデータ・サイエンティストをサポートして、Cox比例ハザード回帰モデルを補完します。
相互作用制約および単調制約により、相互作用条件を指定するときにユーザー・ドメイン・ナレッジを活用することで、予測精度を向上するために使用される機能をより詳細に制御できます。
関連リソース
ドキュメントの表示に関する項
空間
空間: 3Dモデルと分析
Oracle Databaseの点群機能では、SQLおよびPL/SQL APIを介した変更の検出がサポートされています。
この機能により、2つの点群間の関連する変更の検出が自動化され、林冠における変化のモデリング、火災、洪水、地すべり、地震による風景への被害の評価、インフラストラクチャ・プロジェクトにおける時間の経過に伴う進捗の測定など、アプリケーションに簡単に取り込むことができます。
関連リソース
ドキュメントの表示に関する項
空間: GeoRasterのREST API
Oracle Databaseには、衛星画像などのGeoRasterデータを操作するためのREST APIの包括的なセットが含まれています。
開発者は、既存のPL/SQLおよびJava APIに加えて、REST APIを使用してGeoRaster問合せおよびデータ操作の操作を実行できます。この機能により、REST APIに高い頻度で依存するクラウド・アプリケーションの開発が簡素化されます。
関連リソース
ドキュメントの表示に関する項
Workspace Manager: Oracle Workspace Managerの使用時のセキュリティの向上
データベース・ユーザーは、ワークスペース・マネージャ・オブジェクトを、WMSYSスキーマではなく独自のスキーマに保持できます。
Oracle Workspace Managerでは、コラボレーション開発、データ更新からのwhat-if分析が可能になり、データ変更履歴を保持します。開発者は、複数のワークスペースを作成し、様々なワークスペースで様々なバージョンの表の行の値をグループ化できます。この機能拡張により、開発者はこの機能を使用する際のセキュリティが向上しました。すべてのワークスペース・マネージャ・オブジェクトは、Oracle Autonomous Databaseおよびユーザー管理データベースの独自のユーザー・スキーマに格納したり、呼び出すことができます。
関連リソース
ドキュメントの表示に関する項