Always Free の HeatWave を試してみた

2024年10月22日

はじめに

2024 年 8 月 7 日に、HeatWave Always Free DB システムが Oracle Cloud Infrastructure(OCI) で使用できるようになりました。

これによって、制限付きではありますが、無償で HeatWave の各機能を利用できます。
今回は、Always Free の HeatWave でどの機能が利用できるのか、また使用時の制限事項などについて検証してみたいと思います。

Always Free とは

そもそも Always Free とは、Oracle Cloud Free Tier の一部として提供されているサービスです。

Oracle Cloud Free Tier では 30 日間(300 米ドル)の無料トライアルが提供されますが、 Always Free が提供されているリソースについては、期間を過ぎても無償で使用し続けることが可能です。

すべてのOracle Cloud Infrastructureアカウント(無料か有料かに関係なく)には、アカウントの有効期間中、テナンシのホーム・リージョンに無料で使用できるリソースのセットがあります。これらのリソースでは、コンソールにAlways Free対象ラベルが表示されます(OCI Ampere A1 Computeシェイプについては、コンピュートを参照してください)。

Always Freeリソースを使用して、作成するアプリケーションのサポートに必要な仮想マシン(VM)インスタンス、Oracle Autonomous Databaseおよびネットワーキング、ロード・バランシングおよびストレージ・リソースをプロビジョニングできます。これらのリソースを使用すると、小規模なアプリケーションを実行したり、概念実証のテストを実行したりできます。

参照 URL : Always Freeリソース

利用できるリソースは多岐に渡っており、それぞれ制限はついているものの、以下のリソースを無償で利用することが可能です。

インフラストラクチャ
- 証明書
- コンピュート・インスタンス
- コンピュート・インスタンスの IP アドレス
- ブロック・ボリューム
- オブジェクト・ストレージ
- アーカイブ・ストレージ
- ボールト
- リソース・マネージャ
データベース
- Oracle Autonomous Database
- Oracle NoSQL Database
- Oracle HeatWave
ネットワーキング
- クラスタ配置グループ
- ロード・バランシング
- ネットワーク・ロード・バランサ
- 仮想クラウド・ネットワーク (VCN)
- VCN フロー・ログ
- サイト間 VPN
監視および管理
- Application Performance Monitoring
- コネクタ・ハブ
- コンソール・ダッシュボード
- 電子メール配信
- フリート・アプリケーション管理
- モニタリング
- 通知
追加サービス
- アウトバウンド・データ転送
- ロギング
- 要塞 (bation)

制限事項について

Always Free の HeatWave では、以下のような制限事項があります。

テナンシのホーム・リージョンに Always Free DB システムは 1 つしか無料で作成できない
高可用性機能はサポートされていない
MySQL.Free シェイプを使用する必要がある
HeatWave クラスタは HeatWave.Free シェイプを 1 ノードのみ追加できる
データおよびログ・ファイルを格納するための固定ストレージ・サイズは 50GB
1 日保持の自動バックアップは、デフォルトで有効
ポイント・イン・タイム・リストアは使用不可
手動バックアップは使用不可
DB システムは常に最新バージョンで作成される
データベース管理と Ops Insights サービスの統合は使用不可
HeatWave GenAI はサポートされていない
読取りレプリカ機能はサポートされていない

以下の機能については全て利用可能です。

インバウンド・レプリケーション(やアウトバウンド・レプリケーション)
HeatWave AutoML
HeatWave Lakehouse

また、以下の内容についても確認してみました

Always Free から有償の DB システムへの変更

それでは、実際に Always Free の制限や利用できる機能について確認してみます。

検証

テナンシのホーム・リージョンに Always Free DB システムは 1 つしか無料で作成できない

DB システムを作成する際、以下のように Always Free が選択できるようになりました。

file

なお、既に Always Free の DB システムを作成している場合、以下のように Always Free は選択できなくなります。

file

高可用性機能はサポートされていない

Always Free を選択すると 高可用性 は選択できなくなり、スタンドアロン のみが選択可能です。

file

MySQL.Free シェイプを使用する必要がある

MDS ノードのシェイプについては、以下のシェイプ以外選択することができません。

file

ECPU : 1
メモリー : 8GB
ネットワーク帯域 : 1Gbps

HeatWave クラスタは HeatWave.Free シェイプを 1 ノードのみ追加できる

HeatWave クラスタは有効にすることができますが、その場合以下のシェイプ以外は使用できず、ノード数も 1 で固定されます。

file

メモリー : 16GB
ノード : 1
MySQL HeatWave レイクハウス : ※任意に選択可能

なお、HeatWave クラスタの構成 から別の HeatWave のシェイプを選択することができましたが、その状態で DB システムを作成しても、以下のようにエラーとなり、作成することはできませんでした。

file

データおよびログ・ファイルを格納するための固定ストレージ・サイズは 50GB

データ・ストレージ・サイズは 50GB で固定されており、ストレージの自動増加(Automatic storage expansion) も有効にすることはできません。

file

1 日保持の自動バックアップは、デフォルトで有効

自動バックアップはデフォルトで有効になっており、無効化することはできません。

file

バックアップウィンドウの選択もできず、Oracleによってバックアップ・ウィンドウが任意に決定されるようです。

ポイント・イン・タイム・リストアは使用不可

また、ポイント・イン・タイム・リストアも有効にすることができません。

file

DB システムは常に最新バージョンで作成される

MySQL のバージョンを選択することはできず、DB システム作成時点での最新バージョンが選択されます。今回の検証では、9.0.1 Innovation が選択されていました。

file

なお、今回バージョンアップ時の挙動について検証できませんでしたが、恐らく公式の非推奨および削除ポリシーにのっとり、次のバージョンがリリースされたタイミングで、週次のメンテナンス・ウィンドウのときに自動アップグレードされるのではないかと考えられます。

データベース管理と Ops Insights サービスの統合は使用不可

データベース管理サービスは有効にできないため、作成後に パフォーマンス・ハブ から DB の詳細情報や監視をおこなうことができません。

file

手動バックアップは使用不可

手動バックアップについてはグレーアウトしており、作成することができませんでした。

file

読取りレプリカ機能はサポートされていない

読取りレプリカについても同様にグレーアウトしており、作成することができませんでした。

file

インバウンド・レプリケーションやアウトバウンド・レプリケーションは利用可能

チャネルの作成を選択することができました。設定項目も通常のインバウンド・レプリケーションのものと同様であったため、同じ機能が提供されているようです。

file

アウトバウンド・レプリケーションについては確認していませんが、仮想クラウド・ネットワーク(VCN) も最大 2 つまで無償で利用可能であるため、(レプリカ用のサーバーを用意していれば)無償で利用可能だと思われます。

HeatWave Lakehouse は利用可能

DB システムの作成時に HeatWave クラスタの構成 から、レイクハウスを有効にすることが可能です。

file

こちらにチェックを入れた上で、オブジェクト・ストレージに任意のファイルをアップロードします。なお、Always Free のオブジェクト・ストレージとして合計 20 GB が使用可能です。

その後、事前認証リクエスト URL を発行して、レイクハウスを利用するための準備をおこないます。

手順の詳細については、以前の記事に記載されているのでご参照ください。

参考記事 : MySQL Heatwave Lakehouse を試してみた

その後、以下のようにテーブルを作成して、HeatWave クラスタへロードすると、データを参照することができました。

--- テーブルの作成
SQL > CREATE TABLE test.t2 (
r</code> VARCHAR(10),<code>b</code> VARCHAR(10),<code>swpd</code> VARCHAR(10),
free</code> VARCHAR(10),<code>buff</code> VARCHAR(10),<code>cache</code> VARCHAR(10),
si</code> VARCHAR(10),<code>so</code> VARCHAR(10),<code>bi</code> VARCHAR(10),
bo</code> VARCHAR(10),<code>in</code> VARCHAR(10),<code>cs</code> VARCHAR(10),
us</code> VARCHAR(10),<code>sy</code> VARCHAR(10),<code>id</code> VARCHAR(10),
wa</code> VARCHAR(10),<code>st</code> VARCHAR(10),<code>Datetime</code> VARCHAR(200),
free(MB)</code> VARCHAR(10),<code>buff(MB)</code> VARCHAR(10),<code>cache(MB)</code> VARCHAR(10)
 ) ENGINE=lakehouse ENGINE_ATTRIBUTE='{
 "file": [{"par": "https://objectstorage(...)/test-murata/o/vmstat.csv"}],
 "dialect": {"format": "csv","skip_rows": 1,"is_strict_mode": false,"field_delimiter": ",","record_delimiter": "\\n"}}';
Query OK, 0 rows affected (0.0115 sec)

SQL > ALTER TABLE test.t2 SECONDARY_ENGINE = RAPID;
Query OK, 0 rows affected (0.0192 sec)
Records: 0  Duplicates: 0  Warnings: 0

SQL > ALTER TABLE test.t2 SECONDARY_LOAD;
Query OK, 0 rows affected (3.5948 sec)

--- テーブルの参照
SQL > SELECT * FROM test.t2 LIMIT 1;
+----+---+--------+---------+------+----------+----+----+(...)+----+---------------------+----------+----------+-----------+
| r  | b | swpd   | free    | buff | cache    | si | so |(...)| st | Datetime            | free(MB) | buff(MB) | cache(MB) |
+----+---+--------+---------+------+----------+----+----+(...)+----+---------------------+----------+----------+-----------+
| 31 | 1 | 332288 | 1886468 | 0    | 29498852 | 0  | 0  |(...)| 0  | 2024-09-04 13:01:52 | 1842     | 0        | 28807     |
+----+---+--------+---------+------+----------+----+----+(...)+----+---------------------+----------+----------+-----------+
1 row in set (0.0217 sec)

--- テーブルの作成

SQL > CREATE TABLE test.t2 (

r</code> VARCHAR(10),<code>b</code> VARCHAR(10),<code>swpd</code> VARCHAR(10),

free</code> VARCHAR(10),<code>buff</code> VARCHAR(10),<code>cache</code> VARCHAR(10),

si</code> VARCHAR(10),<code>so</code> VARCHAR(10),<code>bi</code> VARCHAR(10),

bo</code> VARCHAR(10),<code>in</code> VARCHAR(10),<code>cs</code> VARCHAR(10),

us</code> VARCHAR(10),<code>sy</code> VARCHAR(10),<code>id</code> VARCHAR(10),

wa</code> VARCHAR(10),<code>st</code> VARCHAR(10),<code>Datetime</code> VARCHAR(200),

free(MB)</code> VARCHAR(10),<code>buff(MB)</code> VARCHAR(10),<code>cache(MB)</code> VARCHAR(10)

) ENGINE=lakehouse ENGINE_ATTRIBUTE='{

"file": [{"par": "https://objectstorage(...)/test-murata/o/vmstat.csv"}],

"dialect": {"format": "csv","skip_rows": 1,"is_strict_mode": false,"field_delimiter": ",","record_delimiter": "\\n"}}';

Query OK, 0 rows affected (0.0115 sec)

SQL > ALTER TABLE test.t2 SECONDARY_ENGINE = RAPID;

Query OK, 0 rows affected (0.0192 sec)

Records: 0 Duplicates: 0 Warnings: 0

SQL > ALTER TABLE test.t2 SECONDARY_LOAD;

Query OK, 0 rows affected (3.5948 sec)

--- テーブルの参照

SQL > SELECT * FROM test.t2 LIMIT 1;

+----+---+--------+---------+------+----------+----+----+(...)+----+---------------------+----------+----------+-----------+

| r | b | swpd | free | buff | cache | si | so |(...)| st | Datetime | free(MB) | buff(MB) | cache(MB) |

+----+---+--------+---------+------+----------+----+----+(...)+----+---------------------+----------+----------+-----------+

| 31 | 1 | 332288 | 1886468 | 0 | 29498852 | 0 | 0 |(...)| 0 | 2024-09-04 13:01:52 | 1842 | 0 | 28807 |

+----+---+--------+---------+------+----------+----+----+(...)+----+---------------------+----------+----------+-----------+

1 row in set (0.0217 sec)

HeatWave AutoML は利用可能

Oracle が公開しているワークショップのサンプルデータをインポートしてから、「トレーニング」、「モデルのロード」、「推論」といった機械学習用の関数を使用することができました。

--- データの準備 : 
--- https://github.com/ikomachi226/mysql_heatwave_automl_workshop/blob/main/lab4/iris-ml-data.txt を実行

--- トレーニング
SQL > CALL sys.ML_TRAIN('ml_data.iris_train', 'class', JSON_OBJECT('task','classification'),@iris_model);
Query OK, 0 rows affected (2 min 17.3837 sec)

--- モデルのロード
SQL > CALL sys.ML_MODEL_LOAD(@iris_model, NULL);
Query OK, 0 rows affected (0.2954 sec)

--- 推論
SQL > SET @row_input = JSON_OBJECT("sepal length", 7.3, "sepal width", 2.9, "petal length", 6.3, "petal width", 1.8);
Query OK, 0 rows affected (0.0173 sec)

SQL > SELECT JSON_PRETTY(sys.ML_PREDICT_ROW(@row_input, @iris_model, NULL));
+----------------------------------------------------------------+
| JSON_PRETTY(sys.ML_PREDICT_ROW(@row_input, @iris_model, NULL)) |
+----------------------------------------------------------------+
| {                                                              
  "Prediction": "Iris-virginica",                                
  "ml_results": {                                                
    "predictions": {                                             
      "class": "Iris-virginica"                                  
    },                                                           
    "probabilities": {                                           
      "Iris-setosa": 0.0,                                        
      "Iris-virginica": 1.0,                                     
      "Iris-versicolor": 0.0                                     
    }                                                            
  },                                                             
  "petal width": 1.8,                                            
  "sepal width": 2.9,                                            
  "petal length": 6.3,                                           
  "sepal length": 7.3                                            
} |                                                              
+----------------------------------------------------------------+
1 row in set (1.5996 sec)

--- データの準備 :

--- https://github.com/ikomachi226/mysql_heatwave_automl_workshop/blob/main/lab4/iris-ml-data.txt を実行

--- トレーニング

SQL > CALL sys.ML_TRAIN('ml_data.iris_train', 'class', JSON_OBJECT('task','classification'),@iris_model);

Query OK, 0 rows affected (2 min 17.3837 sec)

--- モデルのロード

SQL > CALL sys.ML_MODEL_LOAD(@iris_model, NULL);

Query OK, 0 rows affected (0.2954 sec)

--- 推論

SQL > SET @row_input = JSON_OBJECT("sepal length", 7.3, "sepal width", 2.9, "petal length", 6.3, "petal width", 1.8);

Query OK, 0 rows affected (0.0173 sec)

SQL > SELECT JSON_PRETTY(sys.ML_PREDICT_ROW(@row_input, @iris_model, NULL));

+----------------------------------------------------------------+

| JSON_PRETTY(sys.ML_PREDICT_ROW(@row_input, @iris_model, NULL)) |

+----------------------------------------------------------------+

| {

"Prediction": "Iris-virginica",

"ml_results": {

"predictions": {

"class": "Iris-virginica"

"probabilities": {

"Iris-setosa": 0.0,

"Iris-virginica": 1.0,

"Iris-versicolor": 0.0

}

"petal width": 1.8,

"sepal width": 2.9,

"petal length": 6.3,

"sepal length": 7.3

} |

+----------------------------------------------------------------+

1 row in set (1.5996 sec)

HeatWave GenAI はサポートされていない

生成 AI 用の関数を実行したところ、ML_GENERATE() を実行した際に ML003206: The LLM (***) you requested is not available in your account. というエラーが発生しました。

恐らく Always Free の DB システムでは実行が許可されていないと考えられます。

--- LLM のロード
SQL > call sys.ML_MODEL_LOAD('mistral-7b-instruct-v1', NULL);
Query OK, 0 rows affected (0.0043 sec)

---自然言語クエリを定義 (「MySQL を称賛する記事を 200 字で書いてください。」)
SQL > set @query="Write an article on praise for MySQL in 200 words.";
Query OK, 0 rows affected (0.0003 sec)

---テキストベースのコンテンツを生成
SQL > select sys.ML_GENERATE(@query, JSON_OBJECT("task", "generation", "model_id", "mistral-7b-instruct-v1"));
ERROR: 3877: "ML003206: The LLM (mistral-7b-instruct-v1) you requested is not available in your account."

--- LLM のロード

SQL > call sys.ML_MODEL_LOAD('mistral-7b-instruct-v1', NULL);

Query OK, 0 rows affected (0.0043 sec)

---自然言語クエリを定義 (「MySQL を称賛する記事を 200 字で書いてください。」)

SQL > set @query="Write an article on praise for MySQL in 200 words.";

Query OK, 0 rows affected (0.0003 sec)

---テキストベースのコンテンツを生成

SQL > select sys.ML_GENERATE(@query, JSON_OBJECT("task", "generation", "model_id", "mistral-7b-instruct-v1"));

ERROR: 3877: "ML003206: The LLM (mistral-7b-instruct-v1) you requested is not available in your account."

Always Free から有償の DB システムへの変更

変更することは可能でしたが、いくつか手順が必要だったので以下に記載いたします。

HeatWave クラスタが有効な場合は先に削除する
HeatWave クラスタのシェイプは Always Free 専用であるため、そのまま使用することはできません。
MDS のシェイプの変更をおこなう
このとき、後ほど HeatWave クラスタを有効にしたい場合は HeatWave に対応したシェイプを選択する必要があります。
Heatwave クラスタを有効にする
必要なデータのロードを再実行する
一度 HeatWave クラスタを削除したため、データを再ロードする必要があります。

なお、手順の実行には、約 50 分程度かかりました。
もしダウンタイムを減らしながら有償の DB システムへ変更したい場合は、たとえば以下のような方法が考えられます。

新規 DB システムへリストア を選択して有償 DB システムを立ち上げる
アウトバウンド・レプリケーションをおこない、Always Free の DB システムとデータ同期する

まとめ

ここまで、Always Free の HeatWave で利用できる、あるいはできない機能の検証をおこなってきました。

結論としては、バージョンがほぼイノベーションリリースになってしまうことや高可用性構成が取れないことから、本番環境での運用は難しそうな印象を受けました。
ただし、HeatWave の機能検証には適している(なお GenAI は利用不可)ため、とりあえず無料で HeatWave を使用してみるのにちょうど良いかと思います。

OCI ということで今まで触っていなかった方も、これを期に HeatWave の技術や機能を試してみてはいかがでしょうか？

よかったらシェアしてね！

URLをコピーしました！

Always Free の HeatWave を試してみた

はじめに

Always Free とは

制限事項について

検証

テナンシのホーム・リージョンに Always Free DB システムは 1 つしか無料で作成できない

高可用性機能はサポートされていない

MySQL.Free シェイプを使用する必要がある

HeatWave クラスタは HeatWave.Free シェイプを 1 ノードのみ追加できる

データおよびログ・ファイルを格納するための固定ストレージ・サイズは 50GB

1 日保持の自動バックアップは、デフォルトで有効

ポイント・イン・タイム・リストアは使用不可

DB システムは常に最新バージョンで作成される

データベース管理と Ops Insights サービスの統合は使用不可

手動バックアップは使用不可

読取りレプリカ機能はサポートされていない

インバウンド・レプリケーションやアウトバウンド・レプリケーションは利用可能

HeatWave Lakehouse は利用可能

HeatWave AutoML は利用可能

HeatWave GenAI はサポートされていない

Always Free から有償の DB システムへの変更

まとめ

スマートスタイルTECHブログについて

関連記事