Incrustar patrones

Los pipelines de IA en tiempo real pueden generar y gestionar incrustaciones de varias formas, según dónde se ejecute el modelo, cuánta latencia puede tolerar la aplicación y cuán estrechamente se debe combinar la generación de incrustaciones con la replicación transaccional. Oracle GoldenGate soporta varios patrones de embebido que permiten a las organizaciones enriquecer datos a medida que avanzan por el pipeline de replicación, en lugar de depender solo de trabajos por lotes independientes o de postprocesamiento descendente. Los dos enfoques más comunes son llamar a un servicio de IA externo mediante @AISERVICE o llamar a la lógica de incrustación que reside en la base de datos mediante @DBFUNCTION. Ambos patrones permiten crear incrustaciones durante el movimiento de datos, pero difieren en las características de rendimiento, las dependencias operativas, el uso de recursos y las garantías de consistencia. Elegir el patrón adecuado requiere equilibrar el rendimiento, la latencia, la gobernanza de modelos, la disponibilidad del servicio y la necesidad de mantener sincronizados los vectores generados con los datos de origen.

Patrón	Mejor para	Cuidado con
@AISERVICE	Modelos respaldados por GPU; servicios de IA centralizados; inferencia escalable fuera de la base de datos	Latencia de red; comportamiento de reintento; disponibilidad del servicio; gestión de dependencias externas
@DBFUNCTION	Incorporación en la base de datos; acoplamiento estrecho con la lógica de aplicación de destino; gobernanza local	Uso de CPU de la base de datos; tiempo de ejecución de funciones; retraso de replicación; aislamiento de recursos