Noviembre fue un mes un poco mas tranquilo respecto a novedades en Oracle Autonomous AI Database, pero no por ello menos interesante. Podemos destacar estos cambios:
Soporte de Gráficos en hipervínculos de tabla
Con la vista de gráfico en hipervínculos de tabla, ahora se puede alternar entre las vistas tabular y de gráfico para una mejor experiencia de análisis. La vista de gráfico admite múltiples tipos de visualización de datos, incluyendo gráficos de barras, líneas, dispersión y circulares para realizar comparaciones detalladas. También es posible personalizar la configuración de los gráficos para mejorar la capacidad de visualizar e interpretar los datos con precisión.
También puede cambiar de vista, mostrar u ocultar columnas y dividir o combinar grupos de tablas mediante las opciones del menú desplegable de hipervínculos de tabla para una presentación de datos personalizada.
Para mas información, consultar la documentación sobre el formato de gráfico en hipervínculos y la documentación sobre administrar datos con el menú desplegable de hipervínculos de tabla.
Integración de Notebooks OML con GitHub
La interfaz de usuario de Oracle Machine Learning ha sido mejorada para permitir la interacción directa de notebooks OML con repositorios externos de GitHub. Es posible importar notebooks directamente desde repositorios de GitHub. Con la integración de GitHub se puede interactuar con los repositorios de las siguientes maneras:
- Clonación e importación de notebooks: Permite importar notebooks directamente desde el repositorio de GitHub. Al importar notebooks desde un repositorio de GitHub, se clonan y se crea una copia local en la interfaz de usuario de OML mediante el mecanismo de ramificación de GitHub. Consulte "Clonar y acceder a tu notebook de GitHub" para obtener más información.
- Actualizaciones de notebooks: Permite actualizar cambios remotos en los notebooks y también subir cambios locales al repositorio de GitHub mediante las opciones de control de versiones "Extraer cambios" y "Enviar y confirmar" del editor de notebooks de OML. Consulte "Editar y sincronizar tu notebook de GitHub" para obtener más información.
- Gestión de credenciales: Se requiere credenciales independientes para conectarse a los repositorios de GitHub. Las credenciales se crean y almacenan de forma segura en la base de datos de Autonomous AI. Consulte "Crear credenciales de GitHub" para obtener más información.
Autonomous Data Guard para Autonomous AI Database de Tipo JSON y APEX
Ahora se puede habilitar Autonomous Data Guard en bases de datos de Autonomous AI con cargas de trabajo JSON y APEX, tanto para bases de datos Standby locales o interregionales.
Consulte la documentación para obtener mas información.
Acelerador de Data Lake
El Acelerador de Data Lake con instancias de Autonomous AI Database 26ai permite realizar el procesamiento de datos externos en forma mas rápida y eficiente. Se ejecuta en un clúster de máquinas virtuales administrado por Oracle y se conecta a su Autonomous AI Database para escanear y procesar datos externos almacenados en almacenes de objetos. El servicio agrega CPU automáticamente a medida que aumenta la demanda de consultas, lo que le ayuda a administrar el uso de recursos y a mejorar los tiempos de respuesta de las consultas al trabajar con grandes conjuntos de datos.
Consulte la documentación para obtener mas información.
Mejoras de Data Studio: Funciones de la API REST DBMS_CATALOG para la herramienta Catálogo
La herramienta Catálogo del conjunto de herramientas de Data Studio proporciona API PL/SQL para gestionar catálogos mediante el paquete DBMS_CATALOG.
Consulte la documentación para obtener mas información.
Mejoras en Data Transform
Las Transformaciones de Datos incluyen las siguientes nuevas funciones y cambios:
Usar Consultas SQL para Generar Flujo de Datos
Puede usar sentencias SQL para crear un flujo de datos. El Analizador SQL de Transformaciones de Datos analiza la sentencia SQL, genera el flujo de datos y lo muestra en el Lienzo de Diseño.
Consulte la documentación para obtener mas información.
Vistas Materializadas en Flujos de Datos
Las Transformaciones de Datos admiten el uso de vistas materializadas en un flujo de datos. Puede crear una entidad de datos de vista materializada, definir la configuración de actualización de la vista y usarla como origen en un flujo de datos.
Consulte la documentación para obtener mas información.
Soporte de Carga de Datos para Oracle Business Intelligence Cloud Connector
Ahora se puede usar una conexión de Oracle Business Intelligence Cloud Connector (BICC) para cargar datos en Oracle Autonomous Database. Para las cargas de datos BICC, hay dos opciones: Fusión incremental, que actualiza los datos de la columna seleccionada comparando la tabla de origen con la de destino, e Incremental con eliminaciones, que elimina los registros de la tabla de destino que ya no están disponibles en la tabla de origen.
Consulte la documentación para obtener mas información.
Mejoras en los Detalles del Trabajo de Carga de Datos
La página Detalles del trabajo para los trabajos de carga de datos incluye la opción "Re-ejecutar tablas seleccionadas", que permite volver a ejecutar el trabajo para las tablas seleccionadas. Esto resulta útil cuando desea recargar solo algunas tablas en lugar de volver a ejecutar todo el trabajo de carga de datos.
Consulte la documentación para obtener mas información.
API REST para Transformaciones de Datos de Oracle
Los sistemas externos y los desarrolladores pueden utilizar las API REST de transformaciones de datos para recuperar información sobre transformaciones de datos, como proyectos, conexiones, cargas de datos, flujos de datos, flujos de trabajo, programaciones y variables. También se pueden utilizar las API REST para la autenticación segura, así como para exportar e importar objetos de diseño.
Consulte la documentación para obtener mas información.
