1 Oracle AI Data Platform 概觀

本章提供 Oracle AI Data Platform 新使用者入門的相關資訊與程序。

主題：

Oracle AI Data Platform 是什麼用途？

Oracle AI Data Platform 提供一個整合的環境，用於建置、協調及操作資料和 AI 工作流程。

Oracle AI Data Platform 專為需要下列事項的企業所設計：
  • 簡化資料探索與治理：AI 資料平台提供集中式中繼資料儲存庫 (主目錄)，可增強結構化與非結構化資料的可搜尋性與治理。
  • 啟用安全資料協同合作：透過以 RBAC 為基礎的存取控制， AI 資料平台可讓不同的團隊處理共用資料集，同時維護嚴格的安全原則。
  • 加速資料準備與處理：透過內建的筆記型電腦和工作流程協調功能，使用者可以有效率地清理、轉換及豐富資料。
  • 支援進階分析、AI 及 ML：使用者可以建置和部署可自訂的 AI 代理程式，以支援使用目錄資料。AI 資料平台也與 Apache Spark 整合，讓資料科學家和分析師能夠直接在資料中執行複雜的運算和模型訓練。
  • 確保跨資料來源的無縫整合：AI 資料平台支援來自 Autonomous Database (ADB)、Object Storage (OS) 及第三方資料來源的外部目錄，讓使用者能夠在不重複的情況下查詢和分析資料。

與開放原始碼的受管理整合

Oracle AI Data Platform 利用和擴展開源技術，提供功能強大且託管的體驗。

部分關鍵整合包括：
  • Apache Spark：AI Data Platform 的運算層由 Spark 提供技術支援，可進行可擴展的分散式資料處理。
  • Delta Lake 支援：AI Data Platform 利用 Delta Lake 來提升資料可靠性、ACID 交易和結構描述發展。
  • 透過 Delta Uniform 的 Iceberg 和 Hudi 相容性：透過 Delta Uniform 擴充 Apache Iceberg 和 Apache Hudi 的支援，實現不同儲存格式的互通性。 AI Data Platform 這可確保使用者採用統一的表格格式策略，同時維持有效率的查詢執行和資料治理。
  • 適用於 BI 工具的 JDBC 整合：AI Data Platform 提供 JDBC 驅動程式，允許與外部 BI 工具 (例如 Oracle Analytics Cloud (OAC) 和第三方視覺化平台) 無縫連接。

Oracle AI Data Platform 使用者角色

Oracle AI Data Platform 為組織內不同角色的各種使用者提供服務，每個角色都有獨特的需求和需求。

以下是與 AI 資料平台互動的主要角色概觀：
  • 資料工程師 - 資料工程師可與大規模資料管線搭配運作，將原始資料轉換成可用的格式以進行分析。他們仰賴 AI Data Platform 的強大功能來設計及管理資料工作流程、從各種來源擷取資料，以及確保資料品質。他們專注於自動化流程、最佳化運算資源，以及無縫整合不同資料系統。
  • AI 工程師 - AI 工程師會為 AI 驅動的專員建立端對端流程。他們會建置可與支援工具 (例如 RAG、SQL 和提示) 互動的代理程式，以協助使用者簡化資料開發和管理。
  • 資料分析師 - 資料分析師使用 AI 資料平台從資料中尋找、分析及產生洞察分析。他們需要直觀的介面和工具來查詢和分析大型資料集。AI Data Platform 透過互動式筆記型電腦提供支援，並與商業智慧 (BI) 工具緊密整合，協助他們將原始資料轉換為決策者的可行洞察。
  • 資料科學家 - 資料科學家利用 AI 資料平台的可擴展運算功能進行機器學習和進階分析工作。他們需要存取各種資料集、強大的處理工具，以及執行複雜模型的能力。Spark 驅動的筆記型電腦、AI/ML 整合，以及對開源程式庫的支援，可讓資料科學家在平台內建置、測試及部署模型。
  • 資料管理者 - 這些使用者可確保所有資料均符合產業法規和組織政策。他們專注於維護整個組織的資料隱私權、稽核存取，以及監控資料使用情況。AI Data Platform 可協助他們管理中繼資料、強制執行以角色為基礎的存取控制 (RBAC)，並透過編目、歷程追蹤和安全政策確保適當的治理。

Oracle AI Data Platform 的常見使用案例

Oracle AI Data Platform 提供各種產業和業務功能使用案例。

Medallion 架構

  • 以青銅、銀和金層導入 Medallion 架構。
  • 使用 Delta Uniform 和 Iceberg 來實現高效率的資料儲存和查詢最佳化。
  • 啟用對外部資料來源的零複製存取，以進行無縫分析。

ETL 與資料工程

  • 使用以 Spark 為基礎的工作流程和記事本來處理、轉換及強化原始資料。
  • 使用低程式碼 / 無程式碼工作流程協調功能，將資料管線自動化。
  • 處理大規模批次處理和即時資料擷取。

機器學習、AI 及資料科學

  • 使用 Spark 驅動的筆記型電腦訓練和部署機器學習模型。
  • 啟用大規模功能工程與資料轉換。
  • 為 Python 和 PySpark 工作負載提供受管理的執行環境。
運用企業資料建置 AI Agents
  • 建立對話式 AI 代理，協助擷取和開發資料。

企業資料目錄與治理，差異共用

  • 結構化和非結構化資料的集中式中繼資料管理。
  • 以角色為基礎的存取控制 (RBAC)，用於安全的資料存取和協作。
  • 與外部目錄 (包括 Oracle Autonomous AI Database 和 OCI Object Storage) 整合。
  • AI Data Platform 支援 Delta Sharing，實現跨組織邊界的安全、即時和管控的資料共用。

分析、商業智慧與報告

  • 透過 JDBC (例如 Tableau、Power BI) 連線 OCI、Oracle Analytics Cloud (OAC) 和第三方 BI 工具。

多雲端與混合資料整合

  • 啟用跨多個 OCI 服務的同盟查詢執行。
  • 與第三方雲端儲存和資料庫整合，以進行混合分析。
  • 跨多個環境維護資料主權和合規性。

關於 Oracle AI Data Platform 服務層級目標

Oracle AI Data Platform 建置在 Oracle Cloud Infrastructure 上，並運用 Oracle PaaS Cloud 服務。

Oracle AI Data Platform 可用性與相依的 Oracle 服務 (例如 Oracle Identity Cloud Service 、Oracle Autonomous AI Lakehouse 及 Oracle Cloud IaaS 服務) 有關，包括運算和儲存。這些服務均已根據 Oracle Cloud SLA 公布服務等級協議。請參閱 Oracle PaaS 和 IaaS Public Cloud Services 主要說明文檔 (PDF)。

Oracle AI Data Platform 的服務層次目標 (SLO) 為 99.95%。

使用下列定義來計算 AI 資料平台的服務層級。

期限 定義
服務等級 Oracle 會依下列方式，在前一個行事曆月份測量「服務層次」：
  • 將該月每小時的錯誤率總和減去 100 (錯誤率總和)。
  • 將錯誤率總和除以該月的總時數。
  • 將結果乘以 100 以計算百分比。
錯誤率 測量月份期間的一小時間隔內「失敗的服務 REST API 呼叫」總數除以該間隔內的服務 REST API 呼叫總數。
服務 REST API 呼叫 滿足適用 Cloud Service REST API 規格的 HTTP 要求。
失敗的服務 REST API 呼叫 由您的使用者處理的 Cloud Service REST API 呼叫，會產生 5xx (伺服器錯誤) 狀態代碼。