Padrões de Incorporação

Os pipelines de IA em tempo real podem gerar e gerenciar incorporações de várias maneiras, dependendo de onde o modelo é executado, quanta latência o aplicativo pode tolerar e como a geração de incorporação precisa ser associada à replicação transacional. O Oracle GoldenGate oferece suporte a vários padrões de incorporação que permitem às organizações enriquecer os dados à medida que eles se movem pelo pipeline de replicação, em vez de depender apenas de jobs em lote separados ou pós-processamento downstream. As duas abordagens mais comuns são chamar um serviço de IA externo usando @AISERVICE ou chamar a lógica de incorporação residente no banco de dados usando @DBFUNCTION. Ambos os padrões permitem a criação de incorporações durante a movimentação de dados, mas diferem em características de desempenho, dependências operacionais, uso de recursos e garantias de consistência. A escolha do padrão certo requer o balanceamento de throughput, latência, governança de modelo, disponibilidade de serviço e a necessidade de manter os vetores gerados sincronizados com os dados de origem.

Padrão	Melhor para	Cuidado com
@AISERVICE	Modelos apoiados por GPU; serviços de IA centralizados; inferência escalável fora do banco de dados	Latência de rede; comportamento de repetição; disponibilidade de serviço; gerenciamento de dependência externa
@DBFUNCTION	Incorporação no banco de dados; acoplamento rígido com lógica de aplicação de destino; governança local	Uso de CPU do banco de dados; tempo de execução da função; atraso de Replicat; isolamento de recursos