Nouveautés dans Oracle Autonomous AI Database Serverless

Serveur MCP pour Autonomous AI Database

Autonomous AI Database comprend désormais un serveur MCP intégré qui fournit un serveur MCP géré par base de données pour Oracle Autonomous AI Database sur une infrastructure Exadata sans serveur (26ai et 19c). Avec MCP Server, les agents d'IA prenant en charge MCP peuvent accéder en toute sécurité et appeler les outils Autonomous AI Database Select AI Agent sans avoir besoin d'infrastructure supplémentaire pour le déploiement de MCP Server.

Pour plus d'informations, voir Serveur MCP Autonomous AI Database.

Optimisez les coûts avec des groupes élastiques dédiés dans Autonomous AI Database

Vous pouvez créer des groupes élastiques dédiés dans Autonomous AI Database, où le responsable du groupe et tous les membres résident sur la même infrastructure. Cette configuration vous permet de contrôler l'application de correctifs à Database, ORDS et APEX, et simplifie la facturation du stockage. Grâce à ces avantages, les groupes élastiques dédiés conviennent aux applications SaaS, aux microservices ou aux charges de travail avec un grand nombre de bases de données relativement plus petites.

Prise en charge des tablespaces transportables

Vous pouvez utiliser la fonction Espace-table transportable dans Autonomous AI Database pour migrer efficacement les données et les métadonnées des bases de données Oracle sur place ou des bases de données Oracle Database Cloud Service (DBCS) vers Autonomous AI Database. Cette fonctionnalité simplifie votre processus de migration, ce qui vous permet de déplacer d'importants volumes de données avec un temps d'arrêt minimal et un effort opérationnel minimal.

Pour plus d'informations, voir Migrer des données à l'aide d'espaces-tables transportables.

Rotation du portefeuille avec un délai de grâce

Autonomous AI Database vous permet de faire pivoter les portefeuilles d'une instance Autonomous AI Database ou de toutes les instances appartenant à un compte en nuage dans une région, avec une période de grâce de 1 heure à 72 heures.

Pour plus d'informations, voir Effectuer la rotation des portefeuilles pour Autonomous AI Database.

API Autonomous AI Database pour DynamoDB

Vous pouvez utiliser l'API Autonomous AI Database pour DynamoDB pour fonctionner en toute transparence avec Autonomous AI Database à l'aide de vos outils et trousses SDK DynamoDB existants. Tirez parti des trousses SDK et des opérations DynamoDB standard telles que GetItem, DeleteItem, CreateTable et DeleteTable avec des modifications minimes pour exécuter, migrer et modifier vos applications sur une base de données d'IA autonome.

Pour plus d'informations, voir Utiliser l'API Autonomous AI Database pour DynamoDB.

Hyperlien de la table étendue du fournisseur

Les fournisseurs définissent des portées (location, compartiment, schéma ou niveau objet) pour autoriser des consommateurs spécifiques à générer des hyperliens de table sans partage manuel.

Pour plus d'informations, voir DBMS_DATA_ACCESS_SCOPE Package, DBMS_DATA_ACCESS_ADMIN Package et DBMS_DATA_ACCESS Package.

Les consommateurs disposant de privilèges de lecture accordés créent ensuite des tables externes fédérées au moyen de la procédure DBMS_DATA_ACCESS.CREATE_FEDERATED_TABLE. Cela permet une agrégation sécurisée des données entre les instances de base de données Autonomous AI Database. Cette fonctionnalité simplifie le partage et améliore la sécurité en évitant la distribution des hyperliens de table (URL).

Utiliser des clés gérées par le client dans les clones interlocation et Autonomous Data Guard interlocation

Lorsqu'une base de données source utilise des clés de chiffrement gérées par le client, vous disposez de plusieurs options pour spécifier le type et l'emplacement de clé de chiffrement pour un clone interlocation. Voir Options de clé de chiffrement pour le clonage interlocation.

Lorsque vous ajoutez une base de données de secours interlocation Autonomous Data Guard, si la base de données principale utilise une clé de chiffrement gérée par le client, vous pouvez utiliser la même clé dans la base de données de secours. Voir Cross Tenancy Autonomous Data Guard with Customer-Managed Encryption Keys (Interlocation Autonomous Data Guard avec clés de chiffrement gérées par le client).

Actuellement, cette fonction est disponible dans toutes les régions OC1, à l'exclusion des suivantes :

• États-Unis - Est : Ashburn (IAD)
• États-Unis Midwest : Chicago (ORD)
• Ouest des États-Unis : Phoenix (PHX)
• Australie - Est : Sydney (SYD)
• Australie - Sud-Est : Melbourne (MEL)
• Japon - Est : Tokyo (NRT)
• Japon - Centre : Osaka (KIX)
• Brésil - Est : Sao Paulo (GRU)
• Brésil - Sud-Est : Vinhedo (VCP)
• Arabie saoudite - Ouest : Jeddah (JED)
• Centre de l'Arabie saoudite : Riyad (RUH)
• Royaume-Uni - Sud : Londres (LHR)
• Allemagne - Centre : Francfort (FRA)

Vous pouvez utiliser des sous-programmes cs_resource_manager dans une base de données d'intelligence artificielle autonome pour définir et gérer vos propres plans de gestionnaire de ressources de base de données. Cette fonction vous permet de créer des groupes de consommateurs de ressources personnalisés, de définir des politiques d'utilisation des ressources, de contrôler la priorité des charges de travail et de spécifier des règles d'affectation de ressources détaillées pour des charges de travail spécifiques.

Voir :

• Gérez les ressources de charge de travail avec Database Resource Manager dans Autonomous AI Database pour une démonstration guidée par cas d'utilisation afin de créer et d'activer des plans DBRM personnalisés.
• Ensemble CS_RESOURCE_MANAGER pour référence de syntaxe de ses sous-programmes.

Amélioration des transformations de données

Prise en charge des graphiques dans les hyperliens de table

Avec la vue de graphique dans les hyperliens de table, vous pouvez basculer entre les vues tabulaires et de graphique pour une meilleure expérience d'analyse. La vue de graphique prend en charge plusieurs types de visualisation de données, notamment des graphiques à barres, des graphiques linéaires, des graphiques en nuage de points et des graphiques à secteurs pour des comparaisons détaillées. Vous pouvez également personnaliser les paramètres du graphique afin d'améliorer la capacité de visualiser et d'interpréter les données avec précision.

Voir Accéder aux données au format de graphique avec des hyperliens de table.

Vous pouvez également changer de vue, afficher ou masquer des colonnes, et fractionner ou combiner des groupes de tables à l'aide des options de menu Hamburger d'hyperlien de table pour une présentation de données personnalisée.

Voir Gérer les données à l'aide du menu hamburger de l'hyperlien de la table.

Bloc-notes OML et intégration GitHub

L'interface utilisateur d'Oracle Machine Learning a été améliorée pour prendre en charge l'interaction directe des carnets OML avec vos référentiels GitHub externes. Vous pouvez maintenant importer directement des carnets à partir de vos référentiels GitHub. Avec l'intégration GitHub, vous pouvez interagir avec vos référentiels GitHub de l'une des façons suivantes :

L'outil Catalogue de la suite d'outils Data Studio fournit des API PL/SQL pour gérer les catalogues à l'aide de l'ensemble DBMS_CATALOG.

Voir Gérer les catalogues avec DBMS_CATALOG.

Prise en charge d'Autonomous Data Guard pour les charges de travail JSON et APEX

Vous pouvez activer Autonomous Data Guard sur les bases de données autonomes avec les charges de travail JSON et APEX pour les bases de données de secours locales et inter-régions.

Pour plus de détails, voir Activer Autonomous Data Guard.

Amélioration des transformations de données

Accélérateur de lac de données

Vous pouvez utiliser Data Lake Accelerator avec des instances Autonomous AI Database 26ai pour prendre en charge le traitement de données externes. Il s'exécute sur une grappe de machines virtuelles gérée par Oracle et se connecte à votre base de données Autonomous AI Database pour balayer et traiter des données externes stockées dans les magasins d'objets. Le service ajoute automatiquement des UC à mesure que la demande d'interrogation augmente, ce qui vous aide à gérer l'utilisation des ressources et à améliorer les temps de réponse lorsque vous travaillez avec des jeux de données volumineux.

Pour plus d'informations, voir Data Lake Accelerator.

Prise en charge des URL personnalisées à l'aide de la passerelle d'API

Pour une base de données dans un groupe élastique, vous pouvez activer une URL personnalisée sur votre base de données d'IA autonome et configurer un domaine personnalisé d'URL personnalisée pour votre instance de base de données d'IA autonome à l'aide d'une passerelle d'API.

Voir Activer une URL personnalisée sur la base de données de membres du groupe élastique.

Saisie en direct de la charge de travail entre les bases de données autonomes basées sur l'IA

Vous pouvez utiliser la capture-relecture en direct de la charge de travail pour saisir les charges de travail exécutées sur une instance de base de données d'IA autonome source et les réexécuter simultanément sur un clone actualisable cible, lorsque la charge de travail s'exécute sur la base de données source.

Pour plus d'informations, voir Tester des charges de travail avec Oracle Real Application Testing.

Appeler des scripts Python avec l'attribut WITH_CONTEXT à partir d'une instance de base de données d'intelligence artificielle autonome

Vous pouvez appeler des scripts Python avec l'attribut WITH_CONTEXT à partir d'une instance de base de données d'intelligence artificielle autonome. Pour exécuter un script Python, le script est hébergé à distance sur une image de conteneur Autonomous AI Database fournie par Oracle avec l'agent EXTPROC installé.

Pour plus d'informations, voir Appeler des scripts Python avec WITH_CONTEXT sur une base de données d'IA autonome.

Mise en mémoire cache automatique pour les tables externes

La mémoire cache de table externe dans la base de données Autonomous AI Database vous permet de mettre en mémoire cache les données fréquemment consultées à partir de tables externes dans votre base de données. Vous pouvez choisir la mise en cache automatique ou basée sur une stratégie pour vos tables externes. Avec la gestion basée sur des politiques, vous définissez la façon dont les caches sont créés, alimentés, actualisés et retirés, ce qui vous donne un contrôle précis sur le contenu et le cycle de vie du cache. Avec la mise en cache automatique, la base de données gère l'ensemble du cycle de vie du cache, y compris la création, l'alimentation, l'actualisation et la suppression des caches de table externe.

Pour plus d'informations, voir Utiliser la mémoire cache de table externe pour améliorer la performance des tables externes.

Oracle AI Database intègre l'intelligence artificielle (IA) à son coeur afin d'intégrer l'IA de façon transparente dans tous les principaux types de données et charges de travail. Pour plus de détails, voir le Communiqué de presse.

Par conséquent, Oracle Autonomous Database devient Oracle Autonomous AI Database. En outre, Oracle Autonomous Transaction Processing est Oracle Autonomous AI Transaction Processing et Oracle Autonomous JSON Database est Oracle Autonomous AI JSON Database.

Oracle Autonomous AI Lakehouse a été ajouté en tant que nouvelle génération d'Autonomous Data Warehouse. Il conserve toutes les fonctionnalités tout en introduisant une foule de fonctionnalités pour une intégration étroite avec Iceberg et d'autres technologies open source. Pour plus de détails, voir le Communiqué de presse. Pour obtenir un aperçu, consultez la section À propos d'Oracle Autonomous AI Lakehouse.

Oracle Autonomous AI Database 26ai remplace Oracle Autonomous Database 23ai. Par conséquent, vous pouvez continuer à utiliser CreateAutonomousDatabase avec 23ai pour dbVersion. L'API REST retourne 23ai, mais vous verrez 26ai dans la console Oracle Cloud Infrastructure (OCI).

Vous pouvez voir les nouveaux noms de service dans la console Oracle Cloud Infrastructure (OCI), l'API REST et la documentation connexe. Pour plus de détails, voir Oracle Autonomous AI Database .

Modifications de facturation pour les groupes élastiques avec Autonomous Data Guard activé avec une base de données de secours locale

Autonomous Data Guard peut être activé pour les groupes élastiques avec des bases de secours locales. Lorsque le pic agrégé des bases de données de secours Autonomous Data Guard locales dans votre groupe élastique fait que le pic horaire du groupe élastique tombe à l'intérieur du niveau de facturation suivant, le pic agrégé des membres du groupe et le pic agrégé pour les bases de secours Autonomous Data Guard locales sont calculés séparément pour vous fournir un avantage en matière de coûts.

Pour plus d'informations, voir À propos de la facturation des groupes élastiques avec Autonomous Data Guard activé avec une base de données de secours locale.

Sauvegarde et restauration avec Autonomous AI Database pour les développeurs

La base de données autonome d'IA pour les développeurs prend en charge les fonctions de sauvegarde et de restauration disponibles sur la base de données autonome d'IA.

Pour plus d'informations, voir Sauvegarde et restauration des instances de base de données d'IA autonome.

Prise en charge plus étendue et améliorée du catalogue REST Iceberg

Vous pouvez intégrer un écosystème de catalogue REST Iceberg plus large avec la prise en charge de Databricks Unity et Snowflake Polaris, en plus de l'intégration existante avec Amazon Glue et les fichiers de métadonnées de racine Iceberg basés sur la localisation.

Pour plus d'informations, voir Interroger les tables Apache Iceberg.

Sélectionner un agent d'IA (cadre d'agent autonome)

Select AI Agent (cadre d'agent autonome) introduit un cadre pour créer des flux de travail agéntiques permettant aux développeurs de créer des agents, des outils, des tâches et des équipes qui raisonnent, agissent et collaborent à l'aide de l'IA générative dans la base de données.

Les agents peuvent planifier des actions, utiliser des outils intégrés ou personnalisés (tels que SQL, RAG, Websearch ou Notification) et tenir à jour le contexte dans les conversations multitours. Cette fonction permet aux développeurs de créer des flux de travail agéntiques à l'aide de SQL et PL/SQL qui prennent en charge l'automatisation basée sur l'IA, l'interaction de données et le contrôle en boucle humain.

Voir Sélectionner un agent d'intelligence artificielle, Ensemble DBMS_CLOUD_AI_AGENT, Vues DBMS_CLOUD_AI_AGENT et Exemples d'utilisation de Sélectionner un agent d'intelligence artificielle pour explorer cette fonction.

Sélectionner une traduction d'intelligence artificielle

La fonction de conversion vous permet de traduire votre texte dans plusieurs langues à l'aide de SQL ou de PL/SQL, comme le prend en charge votre fournisseur d'intelligence artificielle.

Voir Traduire, Exemple : Sélectionner une traduction d'intelligence artificielle, Fonction TRANSLATE et Fonction GENERATE pour explorer cette fonction.

Noms de service de base de données prédéfinis TP et TPURGENT pour la charge de travail Autonomous AI Lakehouse.

Vous pouvez exécuter une charge de travail mixte pour l'analyse des données et le traitement des transactions critiques en vous connectant aux bases de données Autonomous AI Lakehouse à l'aide des services de base de données prédéfinis TP et TPURGENT. Cela vous permet d'exécuter des charges de travail critiques de traitement des transactions avec ou sans parallélisme lorsqu'elles sont connectées à une base de données Autonomous AI Lakehouse.

Pour plus de détails, voir Noms de service de base de données prédéfinis pour une base de données d'IA autonome et Noms de service de base de données pour une base de données d'IA autonome.

Exécuter la capture et la réexécution de la charge de travail à partir des actions de base de données

Vous pouvez tester vos charges de travail dans Database Actions en saisissant une charge de travail dans le système de production et en la réexécutant dans le système de test.

Pour plus d'informations, voir Utiliser Database Actions pour saisir et réexécuter des charges de travail.

Sélectionner l'intelligence artificielle pour Python

Pour plus d'informations, voir Sélectionner l'intelligence artificielle pour Python.

Sélectionner des conversations d'intelligence artificielle

Select AI prend en charge les conversations personnalisables, ce qui vous permet d'utiliser Select AI avec différents sujets sans mélanger le contexte, ce qui améliore à la fois la flexibilité et l'efficacité. Vous pouvez créer, définir, supprimer et mettre à jour des conversations au moyen des procédures et fonctions de conversation DBMS_CLOUD_AI.

Pour plus d'informations, voir Sélectionner des conversations d'intelligence artificielle, Exemple : Activer les conversations dans Sélectionner l'intelligence artificielle et Sommaire des sous-programmes DBMS_CLOUD_AI.

Sélectionner une rétroaction sur l'intelligence artificielle

Sélectionnez l'intelligence artificielle pour fournir une rétroaction sur les résultats NL2SQL générés afin d'améliorer la précision de la génération d'interrogations. La rétroaction peut être fournie sur la ligne de commande SQL ainsi qu'au moyen de procédures PL/SQL.

Voir Rétroaction, Exemple : Sélectionner une rétroaction par intelligence artificielle et Procédure FEEDBACK pour explorer la fonction.

Sélectionner un sommaire de l'intelligence artificielle

Sélectionnez IA pour générer un sommaire de votre texte directement dans une invite ou à partir d'un URI. Vous pouvez personnaliser la façon dont le sommaire est généré.

Voir Générer un sommaire à l'aide de l'intelligence artificielle sélectionnée pour explorer la fonction.

Utiliser DBMS_CLOUD.CREATE_EXTERNAL_TABLE avec partitionnement implicite avec l'option de format Strict Column Order

Utilisez la procédure DBMS_CLOUD.CREATE_EXTERNAL_TABLE pour créer des tables externes partitionnées implicites. En transmettant les options appropriées à cette procédure, les partitions sont dérivées des données sources. Les tables externes partitionnées prennent en charge la détection d'exécution des colonnes de partition et de leurs valeurs. La détection à l'exécution des modifications apportées à la structure du magasin d'objets sous-jacent, telles que l'ajout ou la suppression d'objets, simplifie le processus de maintenance en éliminant le besoin de procédures de synchronisation supplémentaires requises par DBMS_CLOUD.CREATE_EXTERNAL_PART_TABLE. Cela garantit que les données sont à jour au moment de l'exécution de l'interrogation.

Pour plus d'informations, voir Interroger les tables externes avec partitionnement implicite.

Accéder aux hyperliens de table avec des listes de contrôle d'accès explicites

Vous pouvez générer un hyperlien de table avec la vérification de la liste de contrôle d'accès activée. Vous pouvez utiliser la vérification individuelle de la liste de contrôle d'accès des hyperliens de table ou la vérification de la liste de contrôle d'accès au niveau de l'instance, ou les deux pour vos hyperliens de table.

Prise en charge des fichiers de répertoire pour les pipelines de données et l'intelligence artificielle

Vous pouvez utiliser des fichiers de répertoire, y compris ceux des systèmes de fichiers de réseau, avec des pipelines de données et l'index vectoriel SELECT AI dans la base de données d'intelligence artificielle autonome. Toutes les fonctions disponibles avec les fichiers de stockage d'objets et l'index vectoriel sont prises en charge avec les fichiers de répertoire.

Sélection de fichiers à caractère générique dans les API Autonomous Database

Vous pouvez utiliser des modèles de caractères génériques pour sélectionner plusieurs fichiers dans les objets de stockage d'objets et de répertoire lorsque vous utilisez DBMS_CLOUD, DBMS_CLOUD_PIPELINE et DBMS_CLOUD_AI dans la base de données d'intelligence artificielle autonome.

Utiliser des hyperliens de table pour accéder aux données à l'aide de compléments de feuille de calcul

Vous pouvez lire les données et y accéder à l'aide d'un hyperlien de table dans une feuille Google à l'aide du module complémentaire Oracle Autonomous Database pour Google Sheets.

Pour plus d'informations, voir Utiliser des hyperliens de table pour accéder aux données dans Google Sheets et Lire et accéder aux données à l'aide d'hyperliens de table dans Google Sheets.

Créer des hyperliens de table protégés par mot de passe

Vous pouvez créer un hyperlien de table protégé par mot de passe en spécifiant un mot de passe d'hyperlien de table. Cela fournit une étape de sécurité supplémentaire pour éviter l'accès malveillant dans le cas où un hyperlien de table est exposé à un public plus large que prévu.

Pour plus d'informations, voir Utiliser des hyperliens de table pour l'accès aux données en lecture seule sur une base de données d'IA autonome.

Clones de métadonnées actualisables

Autonomous AI Database fournit un clonage dans lequel vous pouvez choisir de créer un clone complet de l'instance active, de créer un clone de métadonnées, de créer un clone actualisable ou de créer un clone de métadonnées actualisable. Avec un clone de métadonnées actualisable, le système crée un clone qui inclut uniquement les métadonnées de la base de données source et peut facilement être mis à jour avec les modifications de la base de données source.

Pour plus d'informations, voir Créer un clone actualisable pour une instance de base de données du service d'intelligence artificielle autonome.

Utiliser des tables en nuage pour stocker les informations de journalisation et de diagnostic

Vous pouvez créer des tables en nuage où les données de table résident dans le stockage en nuage géré par Oracle et où les données de table ne consomment pas le stockage de base de données. Ces tables sont utiles pour stocker des données rarement consultées, telles que des journaux d'application ou des informations de diagnostic.

Pour plus d'informations, voir Utiliser des tables en nuage pour stocker les informations de journalisation et de diagnostic.

Activer une vue cohérente des données sur les hyperliens de table

Lorsque vous créez un hyperlien de table ou un groupe d'hyperliens de table, vous pouvez définir le paramètre consistent pour spécifier que le fournisseur fournit des données de manière cohérente sur différentes pages lorsqu'un consommateur accède aux données.

Pour plus d'informations, voir Utiliser des hyperliens de table pour l'accès aux données en lecture seule sur une base de données d'IA autonome.

Événements de plan de données :

UnplannedMaintenanceBegin et UnplannedMaintenanceEnd

L'événement UnplannedMaintenanceBegin est déclenché lorsque la maintenance requise pour des situations urgentes et non planifiées est lancée.

L'événement UnplannedMaintenanceEnd est déclenché lorsque la maintenance requise pour des situations urgentes et non planifiées est terminée.

Pour plus d'informations, voir Événements d'informations sur Autonomous AI Database.

Voir les informations sur l'utilisation de l'espace pour les objets non JSON

Interrogez la vue DBA_NONJSON_OBJECTS pour évaluer l'espace consommé par les objets non JSON sur une instance de base de données d'intelligence artificielle autonome. Cette vue n'est accessible qu'à l'utilisateur ADMIN.

Pour plus d'informations, voir Mettre à jour la base de données Autonomous AI JSON Database vers Autonomous AI Transaction Processing et Vue DBA_NONJSON_OBJECTS.

Fournir la capacité de groupe élastique disponible

Lorsque vous joignez un groupe élastique existant ou répertoriez un groupe élastique, vous pouvez voir la capacité disponible du groupe élastique.

Pour plus d'informations, voir Joindre un groupe élastique existant et Lister les membres d'un groupe élastique.

Amélioration des transformations de données

Mise à niveau vers Oracle AI Database 26ai avec une mise à niveau programmée

Si votre instance de base de données Autonomous AI Database utilise Oracle Database 19c, vous pouvez effectuer une mise à niveau vers Oracle AI Database 26ai avec une mise à niveau programmée.

Pour plus d'informations, voir Mettre à niveau vers Oracle AI Database 26ai avec une mise à niveau programmée.

Mémoire cache de table externe

La mémoire cache de table externe dans la base de données Autonomous AI Database vous permet de mettre en mémoire cache les données fréquemment consultées à partir de tables externes dans votre base de données. Cela permet d'améliorer les performances lorsque les interrogations s'exécutent beaucoup plus rapidement pour les données externes fréquemment consultées.

Pour plus d'informations, voir Utiliser la mémoire cache de table externe pour améliorer la performance des tables externes.

Voir ou copier des exemples de code de connexion

Vous pouvez voir ou copier des exemples de code de connexion pour différentes options de connectivité pour Autonomous AI Database.

Pour plus d'informations, voir Exemples de code pour la connexion à une instance de base de données d'IA autonome.

Variables de substitution d'URL dans les URI Oracle Cloud Infrastructure

Les variables de substitution sont des paramètres fictifs prédéfinis qui sont résolus et remplacés par les valeurs réelles correspondantes en fonction du contexte d'exécution de votre base de données IA autonome. Cela vous permet d'inclure des valeurs propres à l'environnement dans les URL d'Oracle Cloud Infrastructure, telles qu'un OCID de location ou un espace de noms, qui ne sont pas codées en dur, ce qui rend votre code SQL dynamique et portable pour plusieurs régions.

Pour plus d'informations, voir Variables de substitution dans les URL Oracle Cloud Infrastructure (OCI).

Déchargement d'interrogation unifié avec des liens vers le nuage

Lorsque vous avez de lourdes charges de travail de lecture à l'aide de liens vers le nuage, vous pouvez configurer un responsable de groupe élastique ou un membre en tant que fournisseur de liens vers le nuage, où le fournisseur permet le déchargement des interrogations ProxySQL pour décharger les interrogations (lectures) d'un nombre illimité de clones actualisables.

Pour plus d'informations, voir Utiliser le déchargement d'interrogation unifiée avec des liens vers le nuage.

Appeler des scripts génériques à partir d'une instance de base de données d'intelligence artificielle autonome

Vous pouvez appeler des scripts génériques de type BASH, C ou Python à partir d'une instance de base de données autonome d'IA. Pour exécuter un script générique, le script est hébergé à distance sur une image de conteneur Autonomous AI Database fournie par Oracle avec l'agent EXTPROC installé.

Pour plus d'informations, voir Appeler des scripts génériques sur une instance Autonomous Database.

Événement d'avertissement d'utilisation des ressources

L'événement ResourceUtilizationWarning est généré en tant qu'avertissement pour l'utilisation du calcul, l'utilisation du stockage et le nombre de sessions lorsque certains seuils sont dépassés.

Cet événement n'est généré que pour une base de données autonome avec le modèle de calcul ECPU.

Pour plus d'informations, voir Événements d'informations sur Autonomous AI Database.

Select AI étend sa prise en charge aux fournisseurs d'intelligence artificielle

Voir Sélectionner votre fournisseur d'IA et vos GML, Configurer Sélectionner l'IA pour utiliser les fournisseurs d'IA pris en charge, Exemple : Sélectionner l'IA avec AWS et Exemple : Sélectionner l'IA avec les fournisseurs compatibles OpenAI pour plus de détails.

Interrogation pour les erreurs de client

La vue V$DIAG_ALERT_EXT n'est pas disponible pour les données du journal d'alertes. En remplacement, utilisez V$CLIENT_ERRORS pour rechercher les données d'erreur liées au journal d'alerte.

Pour plus d'informations, voir Interrogation sur les erreurs de client.

Activer le routage efficace des énoncés avec ProxySQL sur les instances de base de données d'intelligence artificielle autonome dans un groupe élastique

ProxySQL permet un accès unifié à plusieurs bases de données autonomes d'IA en acheminant les énoncés pour les opérations LMD et les interrogations, et élimine la nécessité de consolider physiquement toutes les données dans une seule base de données.

Pour plus d'informations, voir Utiliser un acheminement efficace des énoncés en activant ProxySQL sur Autonomous AI Database.

Utiliser les groupes d'hyperliens de table

Les groupes d'hyperliens de table vous permettent d'accéder aux données de plusieurs objets ou de plusieurs instructions SELECT via une URL unique. L'utilisation d'un groupe d'hyperliens de table simplifie l'extraction des données en consolidant les informations de divers objets en un seul point d'accès (URL).

Pour plus d'informations, voir Créer et gérer des groupes d'hyperliens de table.

Prise en charge des clones régénérables par les clients

Autonomous AI Database prend en charge l'utilisation de clés de chiffrement gérées par le client avec des clones actualisables.

Pour plus d'informations, voir Notes sur les clés de chiffrement gérées par le client avec des clones actualisables.

Interface utilisateur Redwood d'Oracle Cloud Infrastructure

Oracle Cloud Infrastructure (OCI) a introduit de nouvelles conceptions dans la console Oracle Cloud pour améliorer la convivialité et la cohérence entre les services et les expériences.

Pour plus d'informations, voir Se familiariser avec la console.

Ajout de documentation : Meilleures pratiques pour la disponibilité des applications pendant la maintenance

Les correctifs Autonomous AI Database sont appliqués pendant une fenêtre de maintenance programmée en tant que correctifs non simultanés. À l'aide des correctifs non simultanés, votre instance de base de données Autonomous AI Database est mise à disposition sur les nouveaux noeuds de la grappe avant le démarrage de l'application de correctifs sur les noeuds d'origine où elle s'exécutait. Une fois la base de données disponible sur les nouveaux noeuds du cluster, toutes les nouvelles connexions sont dirigées vers les nouveaux noeuds. Cela signifie que la base de données reste en ligne et disponible pendant la maintenance et que les nouvelles demandes de connexion à la base de données réussiront pendant la fenêtre de maintenance.

Pour plus d'informations, voir Meilleures pratiques pour maintenir la disponibilité des applications pendant les fenêtres de maintenance.

Améliorations apportées à Data Studio :

Accélérateur de lac de données

Vous pouvez utiliser Data Lake Accelerator avec des instances Autonomous Database 19c pour prendre en charge le traitement de données externes. Il s'exécute sur une grappe de machines virtuelles gérée par Oracle et se connecte à votre base de données Autonomous Database pour balayer et traiter les données externes stockées dans les magasins d'objets. Le service ajoute automatiquement des UC à mesure que la demande d'interrogation augmente, ce qui vous aide à gérer l'utilisation des ressources et à améliorer les temps de réponse lorsque vous travaillez avec des jeux de données volumineux.

Pour plus d'informations, voir Data Lake Accelerator.

Prise en charge du groupe élastique pour les locations enfants

Vous pouvez combiner la gestion de l'organisation aux avantages des pools élastiques. Si votre organisation utilise le modèle de location parent/enfant, vous pouvez appliquer des économies de coûts de groupe élastique à l'aide d'un groupe élastique qui couvre les locations parent et enfant. De cette façon, un groupe élastique peut fonctionner sur plusieurs locations, où le responsable du groupe élastique se trouve dans la location parent et le membre du groupe élastique se trouve dans une location enfant.

Pour plus d'informations, voir "Utiliser des groupes élastiques avec la gestion de l'organisation Oracle Cloud Infrastructure (locations parent et enfant)" dans À propos des groupes élastiques.

Vérification de l'accès au réseau avec hyperliens de table avec des listes de contrôle d'accès

Vous pouvez générer un hyperlien de table avec la vérification de la liste de contrôle d'accès activée. Lorsque vous générez un hyperlien de table et que vous activez la vérification de la liste de contrôle d'accès, les données de l'hyperlien de table ne sont accessibles à une base de données de consommateurs qu'une fois l'adresse IP de la demande entrante validée en fonction des listes de contrôle d'accès définies dans la base de données du fournisseur.

Pour plus d'informations, voir Créer, gérer et surveiller des hyperliens de table.

Envoyer des avis à un sujet du service d'avis pour OCI

Vous pouvez envoyer des messages de la base de données du service d'intelligence artificielle autonome à un sujet du service d'avis pour OCI.

Pour plus d'informations, voir Envoyer des messages au service d'avis pour OCI à partir d'une base de données d'intelligence artificielle autonome.

Événements critiques et d'information avec catégorie d'événement

Les événements critiques et les événements d'information incluent un attribut de catégorie d'événement. Facultativement, vous pouvez vous abonner à des événements et ajouter une catégorie d'événement pour recevoir des avis sur les événements d'une catégorie, ou pour effectuer d'autres types d'automatisation pour les événements par type d'événement et catégorie d'événement. Les catégories d'événement sont : Incident, Maintenance, Performance, Security et Other.

Pour plus d'informations, voir Utiliser les événements de base de données d'IA autonome.

Améliorations apportées à Data Studio :

Améliorations de Select AI

Select AI comprend les nouvelles fonctionnalités suivantes :

• Sélectionnez AI pour ajouter des commentaires de table aux métadonnées du LLM afin d'améliorer la génération SQL. Pour ce faire, spécifiez comments à true dans votre profil d'intelligence artificielle. Voir "Exemple : Améliorer la génération SQL avec des commentaires de table et de colonne" dans Exemple : Améliorer la génération d'interrogations SQL.

• Select AI intègre les annotations dans Oracle AI Database 26ai en les ajoutant aux métadonnées envoyées au LLM. Pour ce faire, spécifiez annotations à true dans votre profil d'intelligence artificielle. Voir "Exemple : Améliorer la génération d'interrogations SQL avec des annotations de table et de colonne" dans Exemple : Améliorer la génération d'interrogations SQL

• Select AI ajoute des contraintes de clé étrangère et de clé référentielle dans les métadonnées du LLM pour générer des conditions JOIN précises. Pour ce faire, spécifiez constraints à true dans votre profil d'intelligence artificielle. Voir "Exemple : Améliorer la génération d'interrogations SQL avec des contraintes de clé étrangère et de clé référentielle" dans Exemple : Améliorer la génération d'interrogations SQL.

La base de données de secours inter-région peut être un membre de groupe élastique ou un chef de file de groupe élastique

Une base de données de secours inter-région peut être ajoutée à un pool élastique ou peut être un leader de pool élastique. Les pools élastiques ne fonctionnent pas d'une région à l'autre. Lorsqu'une base de données de secours inter-région est ajoutée à un pool élastique, la base principale et la base de données de secours ne peuvent pas se trouver dans le même pool élastique.

Pour plus d'informations, voir Optimiser les coûts avec des groupes élastiques sur Autonomous AI Database.

Prise en charge de Google Drive pour les liens de base de données avec une connectivité hétérogène gérée par Oracle

Utiliser la connectivité hétérogène gérée par Oracle pour créer des liens de base de données vers Google Drive. Lorsque vous utilisez des liens de base de données avec une connectivité hétérogène gérée par Oracle, Autonomous AI Database configure et configure la connexion.

Pour plus d'informations, voir Créer des liens de base de données vers des bases de données non Oracle avec une connectivité hétérogène gérée par Oracle.

Modifications de configuration par défaut et de facturation des outils intégrés

Dans le modèle de calcul ECPU, les outils de base de données intégrés qui utilisent une machine virtuelle, notamment OML, Graph Studio et Data Transforms, ont des modifications de configuration et de facturation par défaut.

Pour plus d'informations, voir À propos de la configuration des ressources et des limites du service de calcul des outils intégrés et Facturation sans serveur de base de données pour les outils de base de données avec IA autonome.

Groupe élastique - Informations sur le coût et l'utilisation dans les rapports sur les coûts

Les détails du coût et de l'utilisation du groupe élastique sont enregistrés dans les rapports de coût d'Oracle Cloud Infrastructure et dans la vue OCI_COST_DATA. Pour plus d'informations, voir Facturation de groupe élastique de base de données d'IA autonome et Modèles de calcul dans une base de données d'IA autonome.

Décharger les interrogations d'un membre de groupe élastique vers des clones actualisables de membre : Inclut les interrogations de PL/SQL et des travaux Oracle Scheduler

Lorsque vous avez de lourdes charges de travail de lecture, où une quantité relativement faible de données est balayée par plusieurs interrogations, notamment à partir de PL/SQL ou de travaux Oracle Scheduler, vous pouvez décharger des interrogations (lectures) d'un chef de groupe élastique ou d'un membre de groupe élastique vers des clones actualisables.

Pour plus d'informations, voir Décharger les interrogations sur les clones actualisables de membre.

• Extraire des données à partir d'Oracle Enterprise Resource Planning (ERP) Cloud à l'aide de BI Publisher

  Vous pouvez maintenant utiliser le connecteur Oracle ERP Cloud pour créer une connexion au serveur Business Intelligence (BI) Publisher et charger des données à partir des rapports BI Publisher vers Autonomous Database. Vous pouvez l'utiliser comme autre méthode pour extraire les données ERP lorsque l'extraction basée sur BICC n'est pas suffisante. Voir Créer une connexion à Oracle Analytics Publisher.

• Charger des données dans les tables Apache Iceberg

  Data Transforms inclut la prise en charge d'Apache Iceberg comme cible pour charger des données à partir de sources de données SQL. Voir Créer une connexion Apache Iceberg.

• Bouton Paramètres de la page Détails chargement données

  Les options sous Options avancées ont été déplacées dans une fenêtre distincte. Cliquez sur le bouton Paramètres pour utiliser ces options en plus de quelques autres.

Supprimer l'option de modèle de calcul OCPU pour les charges de travail d'entrepôt de données et de traitement des transactions lors du provisionnement ou du clonage

L'option de modèle de calcul OCPU est supprimée lorsque vous provisionnez ou clonez une nouvelle instance de base de données d'intelligence artificielle autonome avec des charges de travail d'entrepôt de données ou de traitement de transactions.

Pour plus d'informations, voir Oracle Support Document 2998742.1.

Prise en charge de la compression Zstd dans DBMS_CLOUD

DBMS_CLOUD prend en charge le chargement et l'interrogation de données à l'aide de tables externes, ainsi que l'exportation et l'importation de données de la base de données d'IA autonome vers le stockage d'objets. DBMS_CLOUD prend en charge le format Zstd (Zstandard) pour la compression ou la décompression.

Pour plus d'informations, voir Options de format d'ensemble DBMS_CLOUD et Options de format d'ensemble DBMS_CLOUD pour EXPORT_DATA.

Spécifier les variables de liaison par défaut dans les hyperlien de table

Vous pouvez spécifier des valeurs par défaut pour une ou plusieurs variables de liaison dans un énoncé SQL lorsque le paramètre default_bind_values est inclus dans DBMS_DATA_ACCESS.GET_PREAUTHENTICATED_URL.

Pour plus d'informations, voir Créer un hyperlien de table avec un énoncé Select et Utiliser l'hyperlien de table pour accéder aux données.

Améliorations de Select AI

Select AI comprend les nouvelles fonctionnalités suivantes :

• Select AI détecte automatiquement les tables pertinentes et envoie les métadonnées uniquement pour ces tables spécifiques, pertinentes pour l'interrogation, dans Oracle AI Database 26ai. Pour ce faire, spécifiez object_list_mode comme automated. Voir "Détecter automatiquement les métadonnées de table pertinentes" dans Exemple : Améliorer la génération d'interrogations SQL.

• Sélectionnez AI pour restreindre l'accès aux tables en ne prenant en compte que les tables répertoriées dans les attributs de profil AI pour la génération SQL. Pour ce faire, spécifiez enforce_object_list à true. Voir Exemple : Restreindre l'accès aux tables dans le profil IA.

• Sélectionnez AI pour spécifier la sensibilité à la casse afin que le LLM produise des réponses non sensibles à la casse à partir de la base de données et du LLM. Pour ce faire, spécifiez case_sensitive_values à false. Voir Exemple : Spécifier la sensibilité à la casse pour les colonnes.

• Les administrateurs peuvent contrôler l'accès aux données de sorte que les tables de schéma réelles ne soient pas envoyées au LLM à l'aide de Select AI. Voir Procédure ENABLE_DATA_ACCESS, Procédure DISABLE_DATA_ACCESS et Exemple : Activer ou désactiver l'accès aux données.

Utiliser un modèle de transformateur intégré à la base de données avec Select AI RAG

Vous pouvez utiliser des transformateurs de base de données (également appelés modèles d'intégration) que vous avez importés dans votre instance Oracle AI Database 26ai avec Select AI RAG pour générer des intégrations vectorielles pour les fragments de document et les invites d'utilisateur. Voir Utiliser des modèles de transformateur dans la base de données et Exemple : Sélectionner l'intelligence artificielle avec des modèles de transformateur dans la base de données pour explorer cette fonction.

Mises à jour des transformations de données

Les transformations de données sont mises à jour avec de nouvelles fonctionnalités et modifications dans les domaines suivants :

• Exécuter le chargement de données Data Studio à l'aide des flux de travail de transformation de données

  Vous pouvez désormais définir un chargement de données Data Studio dans un flux de travail Transformations de données, puis exécuter ce chargement dans le cadre d'un flux de données. Vous pouvez ensuite programmer le flux de travail pour réexécuter le chargement de données Data Studio afin de capturer les mises à jour apportées aux fichiers et de le charger dans Autonomous Database.

  Voir Définir un chargement de données Data Studio dans un flux de travail pour plus d'informations sur l'exécution d'un chargement de données Data Studio dans des transformations de données.

• Intégrations de vecteurs dans les flux de données

  Les transformations de données prennent désormais en charge l'intégration d'intégrations vectorielles dans un flux de données à l'aide du service d'intelligence artificielle générative d'Oracle Cloud Infrastructure (OCI). Notez que vous devez disposer d'une connexion à Oracle Database 23ai pour utiliser cette fonction.

  Pour plus d'informations, voir Utiliser le vecteur d'intégration de texte dans un flux de données.

• Utiliser des modèles d'apprentissage automatique dans les flux de données

  Les transformations de données incluent désormais un nouveau type d'entité de données appelé modèle d'apprentissage automatique. Vous pouvez utiliser des modèles d'apprentissage automatique dans un flux de données pour appliquer une logique de prédiction aux données sources et stocker la sortie dans un serveur cible.

  Pour plus d'informations, voir Modèles d'apprentissage automatique.

• Définir une valeur de variable personnalisée lors de l'exécution

  Pour les flux de données et les flux de travail qui incluent des variables dans le flux, lorsque vous exécutez le flux de données ou le flux de travail, vous pouvez choisir d'utiliser la valeur par défaut, la valeur d'actualisation ou définir une valeur personnalisée au moment de l'exécution courante.

  Pour plus d'informations, voir Utiliser des variables dans un flux de données et Utiliser des variables dans un flux de travail.

• Afficher les tâches en file d'attente/en attente

  L'option Show Queued/Waiting Jobs permet d'améliorer la performance globale lors de l'extraction de la liste des enregistrements à afficher dans la page Jobs.

  Pour plus d'informations, voir la section Rechercher un emploi sous Créer et gérer des tâches.

Améliorations apportées à Data Studio

Data Studio est mis à jour avec de nouvelles fonctionnalités et modifications :

• Améliorations apportées au catalogue de bases de données fédérées d'Autonomous Database :

  Vous pouvez connecter plusieurs catalogues pour faciliter la recherche et l'utilisation de vos données, notamment les catalogues de données Iceberg populaires tels que Unity et Polaris. Vous pouvez également créer un lien vers des instances Autonomous Database distantes à l'aide des liens de base de données, ce qui vous permet d'interroger des tables à partir de ces bases de données directement dans votre catalogue, ce qui vous aide à en tirer davantage de votre catalogue de données sans étapes supplémentaires.

  L'une des principales améliorations du catalogue fédéré est la possibilité de charger facilement un Delta Share directement à partir de l'outil Catalogue lui-même - pas besoin de passer à un outil de chargement de données distinct.

  Pour plus de détails, voir Chargement de données en ligne du partage Delta à partir de l'outil de catalogue.

• Le compagnon Oracle Autonomous Database for Excel peut maintenant être installé à partir du magasin Microsoft.

  Pour plus de détails, voir Installer le compagnon à partir de Microsoft AppSource.

• Améliorations de l'UX pour l'assistant de table d'intelligence artificielle - L'outil d'aide à l'intelligence artificielle de table permet de modifier des recettes, d'enregistrer automatiquement des recettes et d'améliorer l'expérience utilisateur, par exemple en affichant un nouvel en-tête de colonne en italique.

  Pour plus de détails, voir Outil d'aide à l'intelligence artificielle pour les tables.

• Améliorations apportées à la production de rapports de flux en direct : À l'aide de la configuration d'enregistrement SMTP (Simple Mail Transfer Protocol) existante dans le flux en direct, vous recevez un courriel lorsque :

  • De nouvelles lignes sont ajoutées : Vous recevez des notifications par e-mail lorsque Live Feed s'exécute et charge votre table avec de nouvelles données.
  • Problèmes de validation des données : Vous recevez des avis par courriel lorsque des incohérences surviennent, par exemple lorsque l'outil tente de charger des valeurs non numériques dans un champ numérique.
  • Le flux dynamique génère une erreur : Vous recevez des avis par courriel si des erreurs se produisent, par exemple lorsque le seau contenant vos fichiers est supprimé ou que vos données d'identification pour ce seau ont été supprimées.

  Pour plus de détails, voir Envoyer un courriel à l'aide de l'outil de flux de données en direct.

Événement de transaction longue en attente

L'événement LongPendingTransaction est généré lorsqu'une transaction est ouverte pendant plus de 24 heures.

Pour plus d'informations, voir Événements d'informations sur Autonomous AI Database.

Objectif de temps de récupération (ODR) pour une base de données de secours Autonomous Data Guard inter-région

L'objectif de temps de récupération (ODR) pour les bases de données de secours Autonomous Data Guard inter-région est abaissé à moins de dix (10) minutes.

Pour plus d'informations, voir Objectif de délai de récupération (ODR) et objectif de point de récupération (OPR) d'Autonomous Data Guard.

Ajout de documentation : Détection automatique de régression

La détection automatique de régression dans Autonomous AI Database fournit un traitement proactif des régressions et permet la détection, le diagnostic et l'atténuation automatisés des problèmes. 

Pour plus d'informations, voir À propos de la maintenance programmée et de l'application de correctifs.

Nombre moyen de sessions actives et mesures d'utilisation de session

La mesure AverageActiveSessions indique le nombre moyen de sessions qui s'exécutent activement ou attendent des ressources. La mesure SessionUtilization affiche l'utilisation maximale de la session.

Pour plus d'informations, voir Mesures disponibles : oci_autonomous_database.

Commentaires sur les données d'identification dans DBMS_CLOUD.CREATE_CREDENTIAL

La procédure DBMS_CLOUD.CREATE_CREDENTIAL prend en charge les commentaires lorsque vous utilisez le paramètre comments.

Pour plus d'informations, voir Créer des données d'identification pour accéder aux services en nuage et Procédure CREATE_CREDENTIAL.

Migration de PostgreSQL, MySQL ou SQL Server vers Oracle SQL

Vous pouvez migrer des énoncés SQL de PostgreSQL, MySQL ou SQL Server vers Oracle SQL et exécuter les énoncés sur Autonomous AI Database.

Pour plus d'informations, voir Migrer des applications de SQL non Oracle vers Oracle SQL.

Modification de la documentation : URL de demande préauthentifiée renommées Hyperliens de table

Vous pouvez générer et gérer des hyperliens de table pour accéder aux données sur une base de données d'IA autonome.

Pour plus d'informations, voir Utiliser des hyperliens de table pour l'accès aux données en lecture seule sur une base de données d'IA autonome.

Types de fichier supplémentaires pris en charge pour la création de l'index vectoriel Select AI RAG

Select AI Retrieval Augmented Generation (RAG) prend en charge plusieurs formats de fichier, dont PDF, DOCX, JSON, XML et HTML, entre autres.

Pour plus d'informations, voir Sélectionner l'IA avec génération augmentée par extraction et, pour la liste complète des formats de fichier pris en charge, Créer votre magasin de vecteurs.

Piscine élastique avec tout chef de file en matière de charge de travail

Lorsque vous créez un pool élastique, le type de charge globale du leader n'est pas restreint. Le type de charge de travail d'un responsable de groupe élastique peut être Traitement des transactions, Entrepôt de données, JSON ou APEX.

Pour plus d'informations, voir À propos des groupes élastiques et À propos des types de charge de travail de base de données d'IA autonome.

Événement d'avertissement d'erreur d'analyse SQL : SQLParseErrorWarning

Si une erreur d'analyse SQL se produit plusieurs fois dans une certaine fenêtre de temps, par exemple 200 fois ou plus en une heure, cela génère des entrées "Too Many Parse Errors" dans le journal d'alertes. L'événement SQLParseErrorWarning est déclenché lorsqu'il y a une nouvelle entrée dans le journal d'alertes, indiquant qu'un énoncé SQL comporte trop d'erreurs d'analyse. Par exemple, lorsqu'une interrogation non valide s'exécute 200 fois en moins d'une heure, l'événement SQLParseErrorWarning est déclenché.

Pour plus d'informations, voir Événements d'informations sur Autonomous AI Database.

Créer un clone actualisable avec la source 19c et le clone actualisable 23ai

Lorsque vous créez un clone actualisable à partir d'une source Oracle Database 19c, vous pouvez sélectionner Oracle AI Database 26ai pour le clone actualisable. Vous pouvez utiliser le clone actualisable pour tester votre base de données sur Oracle AI Database 26ai. Une fois les tests terminés, vous pouvez déconnecter le clone actualisable pour la mise à niveau vers Oracle AI Database 26ai.

Pour plus d'informations, voir Mettre à niveau une instance Autonomous AI Database vers Oracle AI Database 26ai et Créer un clone actualisable pour une instance Autonomous AI Database.

Décharger les interrogations d'Elastic Pool Leader vers les clones actualisables de membre : Inclut les interrogations de PL/SQL et des travaux Oracle Scheduler

Lorsque vous avez de lourdes charges de travail de lecture, où une quantité relativement faible de données est balayée par plusieurs interrogations, notamment à partir de PL/SQL ou de travaux Oracle Scheduler, vous pouvez décharger des interrogations (lectures) d'un chef de groupe élastique vers des clones actualisables.

Pour plus d'informations, voir Décharger les interrogations sur les clones actualisables de membre.

Connexions supprimées - Mesures

La mesure ConnectionsDroppedByClient affiche la somme du nombre de connexions abandonnées par le client. La mesure ConnectionsDroppedByServer indique la somme du nombre de connexions supprimées par le serveur.

Pour plus d'informations, voir Mesures disponibles : oci_autonomous_database.

Oracle APEX 24.2

Autonomous AI Database utilise Oracle APEX version 24.2.

Pour plus d'informations, voir Créer des applications avec Oracle APEX dans Autonomous AI Database.

Améliorations apportées à Data Studio

Data Studio est mis à jour avec de nouvelles fonctionnalités et modifications :

• La suite d'outils Data Studio comprend désormais un outil d'aide à la table alimenté par l'IA pour améliorer sans effort vos tables de données locales grâce à la puissance de l'IA. Vous pouvez utiliser des invites de langage naturel pour augmenter et corriger vos informations avec cet outil.

  Pour plus d'informations, voir Outil d'aide à l'intelligence artificielle pour les tables.

• Améliorations apportées aux outils de catalogue : Les nouvelles fonctionnalités multicatalogue du catalogue Autonomous Database vous permettent d'ajouter des catalogues pour permettre la recherche, la découverte et l'utilisation de données dans un large éventail de systèmes externes, notamment d'autres bases de données autonomes, des bases de données sur place, des systèmes de stockage en nuage, des données partagées et d'autres catalogues de données tels qu'Oracle Cloud Infrastructure Data Catalog et AWS Glue.

  Pour plus d'informations, voir Outil de catalogue.

• Outil Data Marketplace : À l'aide de Data Studio Marketplace, les utilisateurs d'Autonomous Database peuvent facilement collaborer en partageant des données avec d'autres utilisateurs de la même base de données ou d'une autre base de données Autonomous Database. Les fournisseurs de données publient des jeux de données en quelques minutes, sans codage. Les consommateurs de données peuvent parcourir les jeux de données disponibles et interroger les données réelles ou les copier dans leur propre instance Autonomous Database.

  Pour plus d'informations, voir Outil Data Marketplace.

• Améliorations apportées à Data Load Livefeed :

  • Avec le nouveau mode Basic, créer un Livefeed est aussi simple que de sélectionner un dossier dans un menu déroulant.
  • Nouvelle possibilité d'utiliser la sémantique de fusion dans les flux de production. La fonction Livefeed met automatiquement à jour les données existantes de vos tables avec de nouvelles informations, éliminant ainsi les lignes redondantes et garantissant l'intégrité des données.

  • Avec la nouvelle icône Afficher le code, vous pouvez voir le code SQL sous-jacent derrière vos flux de données dynamiques et même exécuter le code manuellement dans la feuille de calcul SQL.

  Pour plus d'informations, voir Données d'alimentation.

Ajout de documentation : Migrer les plans d'exécution SQL existants vers Autonomous Database

Vous pouvez utiliser la gestion de plan SQL en temps réel lorsque vous migrez d'une base de données Oracle Database source vers une base de données Autonomous AI Database.

Pour plus d'informations, voir Migrer des plans d'exécution SQL existants vers une base de données d'IA autonome afin de réduire le risque de régressions de performance SQL.

Décharger les interrogations du chef de groupe élastique vers les clones actualisables de membre

Lorsque vous avez de lourdes charges de travail de lecture, où une quantité relativement faible de données est balayée par plusieurs interrogations, vous pouvez décharger les interrogations (lectures) d'un chef de groupe élastique vers des clones actualisables.

Pour plus d'informations, voir Décharger les interrogations sur les clones actualisables de membre.

Créer des tables externes sur des URL de demande préauthentifiée

Vous pouvez créer une table externe sur des URL de demande préauthentifiée.

Pour plus d'informations, voir Interroger les données qui utilisent la source d'hyperlien de table.

Mettre à jour les inscriptions aux liens vers le nuage

Avec Cloud Links, un propriétaire de données enregistre une table ou une vue pour un accès à distance pour une audience sélectionnée telle que définie par le propriétaire de données, et les données sont ensuite accessibles aux personnes ayant un accès accordé au moment de l'inscription. Après avoir enregistré un jeu de données, vous pouvez mettre à jour les attributs du jeu de données.

Pour plus d'informations, voir Mettre à jour les attributs d'inscription du jeu de données.

Événement d'avertissement de mot de passe d'utilisateur de base de données : DatabaseUserPasswordWarning

L'événement d'avertissement de mot de passe de l'utilisateur de la base de données fournit un message indiquant que le mot de passe de l'utilisateur de la base de données d'intelligence artificielle autonome expire dans le délai de grâce spécifié (par défaut, 30 jours) ou a déjà expiré.

Pour plus d'informations, voir Événements critiques sur Autonomous AI Database.

Ajout de documentation : Créer et utiliser des mesures personnalisées

Vous pouvez créer des mesures personnalisées pour collecter, publier et analyser des mesures. Une mesure personnalisée collecte les données spécifiées à partir de votre instance de base de données d'intelligence artificielle autonome et les publie dans le service de surveillance OCI à l'aide d'une API REST fournie par la trousse SDK OCI.

Pour plus d'informations, voir Utiliser des mesures personnalisées dans une base de données d'IA autonome.

Déconnecter une base de données pair

Vous pouvez déconnecter une base de données de secours Autonomous Data Guard ou un pair de récupération après sinistre basé sur la sauvegarde. Lorsque vous déconnectez un pair inter-région, la base de données est définitivement dissociée de la base de données principale. Cette opération convertit la base de données d'une base de données pair en base de données autonome.

Pour plus d'informations, voir Déconnecter une base de données pair.

Modifier le niveau de correctif après le provisionnement

Lorsque vous provisionnez ou clonez une instance de base de données autonome avec intelligence artificielle, vous pouvez sélectionner un niveau de correctif à appliquer aux correctifs à venir. Vous pouvez également modifier le niveau de correctif après le provisionnement d'une instance de base de données autonome avec intelligence artificielle. Il existe deux options de niveau de correctif : Standard et Début.

Pour plus d'informations, voir Définir le niveau de correctif.

Mappage de nom de service pour les consommateurs de liens en nuage

Vous pouvez définir le mappage de nom de service à utiliser lorsque les consommateurs de liens vers le nuage accèdent aux données d'un responsable de jeu de données.

Pour plus d'informations, voir Définir le mappage des noms de service de base de données pour les consommateurs de liens en nuage.

Les tables externes avec ORC, Parquet et Avro fournissent une option pour définir la taille des colonnes de chaîne

Lorsque vous accédez aux données ORC, Parquet ou Avro stockées dans le magasin d'objets à l'aide de tables externes, vous pouvez définir automatiquement ou explicitement la taille maximale des colonnes de texte. Par défaut, la taille de la colonne de texte est définie en fonction de la valeur de MAX_STRING_SIZE.

Pour plus d'informations, voir Interroger les données externes avec les fichiers sources ORC, Parquet ou Avro et définir explicitement la taille de la colonne de texte.

Appeler les fonctions d'exécution de Google Cloud Platform Cloud

Vous pouvez appeler les fonctions Google Cloud Platform Cloud Run en tant que fonctions SQL.

Pour plus d'informations, voir Étapes d'appel des fonctions d'exécution Google Cloud en tant que fonctions SQL.