AIサービスのユース・ケース

Oracle GoldenGateは、様々なデータベースおよびトポロジにわたるベクトル・データ管理の様々な側面でAI機能を使用します。

Oracle GoldenGateは、次のような様々なシナリオで使用できます。

このセクションでは、このようなシナリオをいくつかご紹介します。

ベクトル・データのOracle Databasesへの移行

ベクトル・データをOracle AI Database 26aiに移行するには、データの整合性とセマンティックの整合性を確保するために、慎重に調整されたアプローチが必要です。

組織は通常、Oracle GoldenGateの初期ロード機能を使用して、PostgreSQL pgvector、MySQLヒートウェーブ、カスタム・ベクトル・ストアなどの外部システムから履歴埋込みを転送し、続いて、データセットを最新の状態に保つために継続的な同期チェンジ・データ・キャプチャ(CDC)を実行します。取込みの前に、ベクトル・データをfloat32配列などの一貫性のある形式に正規化して、OracleのネイティブVECTORデータ型に合せる必要があります。これにより、多くの場合、最適化されたストレージに拡張された問合せパフォーマンスを提供できます。

また、検索の精度とAIの結果を低下させる可能性があるセマンティック・ドリフトを防止するために、移行時に使用される埋込みモデルの一貫性を維持することも重要です。大規模なデータセットの場合、GoldenGate Extractの初期ロード(SOURCEISTABLEまたはGoldenGate SOURCEISTABLE初期ロードExtractのスケーリング)およびReplicatプロセスをパラレル化すると、スループットが大幅に向上し、移行時間が短縮されます。

一般的な実装パターンでは、アップストリームのPythonベースの機械学習パイプラインで生成された埋込みをOracle表に移行します。この表では、埋込みはVECTOR列として格納され、リアルタイムの類似性検索およびAI駆動アプリケーションで使用可能になります。

ベクトル・データのレプリケートまたは統合

Oracle GoldenGateは、分散ソースからのベクトル・データを一元化されたOracle AIデータベースにレプリケートおよび統合するための堅牢なフレームワークを提供し、セマンティック検索とAI駆動ワークロードの統合基盤を実現します。最新のアーキテクチャでは、多くの場合、埋込みが複数のリージョンまたはマイクロサービス間で生成されるため、このデータを効率的に同期および集計することが不可欠です。一般的なユースケースには、低レイテンシ・アクセスでグローバルに分散したAIアプリケーションをサポートするマルチリージョン・レプリケーションや、独立したサービスによって生成された埋込みを単一の取得システムに統合して、問合せの精度とガバナンスを向上させることが挙げられます。ソース・スキーマとターゲット・スキーマが同一でない場合は、変換ルールをGoldenGate内に実装して、ソース・システム間のスキーマの差異を調整し、ターゲット・データ・モデルとの互換性を確保する必要があります。データ・ソースに、ターゲット・ベクトル・ハブに埋め込む必要があるRAWまたは表形式のデータが含まれている場合は、組込みのGoldenGate AIサービス統合またはネイティブ・データベース埋込み機能を使用して、埋込みをリアルタイムで実行します。

ベクトル・データをAI検索エンジンにストリーミング

Oracle GoldenGateは、ベクトル・データ変更をダウンストリームのAI検索エンジンおよび処理パイプラインにリアルタイムでストリーミングできるようにし、トランザクション・システムとAI駆動型アプリケーションの間に重要な橋渡しを形成します。埋込みがソース・システムで作成または更新されると、GoldenGateはこれらの変更を取得し、Pinecone、Milvusなどのベクトル・データベース、k-NN機能を備えたOpenSearchなどの検索プラットフォーム、またはApache Kafkaなどのテクノロジに基づいて構築されたイベント駆動型AIパイプラインなどのターゲットにストリーミングできます。このアーキテクチャは、低レイテンシ・セマンティック検索、推奨システムおよびリアルタイム推論ユース・ケースをサポートします。これを効果的に実装するには、組織がGoldenGate for Distributed Applications and Analyticsを活用するか、OCI GoldenGateを活用してKafkaやその他のストリーミング・プラットフォームとシームレスに統合する必要があります。相互運用性のためにJSON配列などの形式を使用したベクトル・データの効率的なシリアライズ、またはパフォーマンスのコンパクトなバイナリ形式は、ネットワークのオーバーヘッドと処理レイテンシを最小限に抑えるために不可欠です。

また、特に再試行または重複イベントが発生する可能性がある分散環境では、ダウンストリーム・システム間の一貫性を維持するために、べき等なメッセージ配信を確保することが重要です。

AIストリーミング・パイプライン

Oracle GoldenGate Stream Analytics (GGSA) 26aiは、ストリーミング・パイプライン内でインテリジェントな意思決定を直接可能にする強力なAI駆動型イベント処理レイヤーにより、GoldenGateのリアルタイム・データ移動機能を拡張します。GGSAは、AI、ベクトル、機械学習の統合機能を内蔵し、正確かつ注文されたトランザクションの一貫性のあるストリーム処理を組み合わせることで、ルールベースのロジックを超えて、モデル主導のインサイトをライブ・データに適用することができます。GoldenGateレプリケーションによって取得されたイベントは、大規模言語モデルを利用したAIエージェント・パターンを使用してエンリッチおよび処理できるため、エンタープライズ・データに対する自然言語主導の評価、コンテキスト推論および検索拡張生成(RAG)が可能になります。さらに、GGSAでは、パイプライン内のベクトル埋込みの作成および問合せがサポートされており、関連する顧客の問題やコンテンツの識別など、リアルタイムの類似性検索やセマンティック・マッチングのユース・ケースが可能になります。Oracle Machine LearningおよびAutoMLとの統合により、ストリーミング・イベントの予測スコアリングおよび分類がさらに可能になり、不正検出、異常検出、予測などのユース・ケースが強化されます。

GoldenGate Stream Analyticsを使用すると、ユーザーは、自動化された決定ごとに適切なレベルのインテリジェンスを選択できます。ストレートフォワード・ルーティングまたはアラートは、価値の高いトランザクションのフラグ付けや緊急のサービス・イベントの優先順位付けなど、フィルタおよび論理式を使用して処理できます。予測的な意思決定では、機械学習モデルを使用して、不正リスク、機器の故障、解約、需要予測などの結果のイベントをスコアリングできます。パイプラインは、ベクトル埋込みを作成して問い合せることもできます。これにより、たとえば、新しい顧客質問を最も関連性の高い回答、ドキュメントまたはサポート・ケースと照合するなど、セマンティック照合が可能になります。より複雑なシナリオの場合、パイプラインは、リアルタイムのイベント・データ、エンタープライズ・コンテキストおよび検索拡張生成を使用するAIエージェントを起動して、合理的な推奨またはアクションを生成できます。

これらの機能を組み合わせることで、GoldenGate Stream Analyticsは、組み込みのAIインテリジェンスで高速なイベント・ストリームを処理し、トランザクション・データと高度な分析をシームレスに橋渡しするための統合プラットフォームとして位置づけられます。