使用 MySQL HeatWave 进行机器学习及在 Grafana 中进行预测
内容提要
MySQL HeatWave是Oracle提供的一种数据库即服务（DBaaS），结合了机器学习技术，为数据库管理员和开发人员提供了最佳体验。它提供了自动机器学习顾问等工具，简化了创建预测模型的过程。文章提供了使用MySQL HeatWave导入数据、训练和验证模型以及进行预测的逐步指南。还提到了MySQL HeatWave与Grafana的集成，Grafana是一个开源的数据可视化仪表盘。总体而言，MySQL HeatWave的机器学习能力简化了数据分析师的任务，并允许与Grafana等第三方工具轻松集成。
延伸解读
权限与架构准备：Grafana 集成的前置条件
若计划使用专用用户（如 grafana）连接 Grafana，必须提前授予其对 ML_SCHEMA_grafana 架构的全部权限、对 sys 架构的 SELECT 和 EXECUTE 权限，以及对业务架构（如 marketing）的 SELECT 和 ALTER 权限。同时，需手动创建 ML_SCHEMA_grafana 架构，因为专用用户无权创建。这些步骤是后续模型训练和 Grafana 查询的基础，忽略可能导致集成失败。
模型训练与验证：准确率与耗时参考
使用 Bank Marketing 数据集训练分类模型时，调用 sys.ML_TRAIN 耗时约 10 分钟，模型句柄存储在变量中。随后通过 sys.ML_SCORE 在测试集上评估，准确率达到 0.93，表明模型性能良好。这一过程完全通过 SQL 完成，无需编写 Python 代码，为数据分析师提供了便捷的机器学习体验。
Grafana 动态预测：参数化查询与模型选择
在 Grafana 中，可以通过仪表盘变量动态调整客户属性，并利用 sys.ML_PREDICT_ROW 实时预测订阅结果。查询中需从 ML_SCHEMA_grafana.MODEL_CATALOG 按 model_id 降序选取最新模型句柄，再通过 JSON_TABLE 解析预测概率。这种集成方式让非技术用户也能交互式探索预测结果，但需注意模型目录的维护。
Q&A
MySQL HeatWave是什么？
MySQL HeatWave是Oracle提供的一种数据库即服务（DBaaS），结合了机器学习技术。
如何在MySQL HeatWave中导入数据？
可以使用MySQL Shell的util.importTable()方法导入数据，首先需要创建数据库和表。
如何训练机器学习模型？
使用CALL sys.ML_TRAIN命令训练模型，并提供必要的权限给Grafana用户。
如何在Grafana中进行数据可视化？
在Grafana中创建新的数据源，使用Grafana用户的凭据连接到MySQL，并创建仪表盘可视化数据。
MySQL HeatWave的机器学习能力有什么优势？
MySQL HeatWave的机器学习能力通过简单的SQL调用简化了数据分析师的任务，减少了对复杂代码的需求。
如何使用模型进行预测？
可以使用sys.ML_PREDICT_ROW函数进行预测，输入特定属性的客户信息。
