Nouveautés d'Oracle Autonomous AI Database Serverless

Accélérateur de lac de données

Vous pouvez utiliser l'accélérateur de lac de données avec des instances Autonomous AI Database 26ai pour prendre en charge le traitement des données externes. Il s'exécute sur un cluster de machines virtuelles géré par Oracle et se connecte à votre base de données d'IA autonome pour analyser et traiter les données externes stockées dans des banques d'objets. Le service ajoute automatiquement des CPU à mesure que la demande de requêtes augmente, ce qui vous aide à gérer l'utilisation des ressources et à améliorer les temps de réponse aux requêtes lorsque vous travaillez avec des ensembles de données volumineux.

Pour plus d'informations, reportez-vous à Data Lake Accelerator.

Prise en charge des URL personnalisées à l'aide d'API Gateway

Pour une base de données dans un pool élastique, vous pouvez activer une URL personnalisée sur votre base de données Autonomous AI et configurer un domaine personnalisé d'URL personnalisée pour votre instance de base de données Autonomous AI à l'aide d'une passerelle d'API.

Reportez-vous à Activation d'une URL personnalisée sur votre base de données de membres de pool élastique.

Capture de charge globale en direct entre bases de données d'IA autonomes

Vous pouvez utiliser la capture-lecture en direct de la charge globale pour capturer les charges globales exécutées sur une instance de base de données Autonomous AI source et les réexécuter simultanément sur un clone actualisable cible, car la charge globale est exécutée sur la base de données source.

Pour plus d'informations, reportez-vous à Test des charges globales avec Oracle Real Application Testing.

Appeler des scripts Python avec l'attribut WITH_CONTEXT à partir d'une instance de base de données Autonomous AI

Vous pouvez appeler des scripts Python avec l'attribut WITH_CONTEXT à partir d'une instance de base de données Autonomous AI. Pour exécuter un script Python, le script est hébergé à distance sur une image de conteneur de base de données Autonomous AI fournie par Oracle avec l'agent EXTPROC installé.

Pour plus d'informations, reportez-vous à Appel de scripts Python avec WITH_CONTEXT sur une base de données d'IA autonome.

Mise en cache automatique pour les tables externes

Le cache de table externe dans la base de données Autonomous AI vous permet de mettre en cache les données fréquemment consultées à partir de tables externes de votre base de données. Vous pouvez choisir la mise en cache automatique ou basée sur une stratégie pour vos tables externes. Grâce à la gestion basée sur des stratégies, vous définissez la façon dont les caches sont créés, remplis, actualisés et mis hors service, ce qui vous donne un contrôle précis sur le contenu et le cycle de vie du cache. Grâce à la mise en cache automatique, la base de données gère l'intégralité du cycle de vie du cache, y compris la création, l'alimentation, l'actualisation et la suppression des caches de table externes.

Pour plus d'informations, reportez-vous à Utilisation du cache de table externe pour améliorer les performances des tables externes.

Oracle AI Database conçoit l'intelligence artificielle (IA) dans son cœur, intégrant de manière transparente l'IA dans tous les principaux types de données et workloads. Pour plus d'informations, consultez le communiqué de presse.

Oracle Autonomous Database devient ainsi Oracle Autonomous AI Database. En outre, Oracle Autonomous Transaction Processing est Oracle Autonomous AI Transaction Processing, et Oracle Autonomous JSON Database est Oracle Autonomous AI JSON Database.

Oracle Autonomous AI Lakehouse a été ajouté en tant que nouvelle génération d'Autonomous Data Warehouse. Il conserve toutes les fonctionnalités tout en introduisant une foule de fonctionnalités pour une intégration étroite avec Iceberg et d'autres technologies open source. Pour plus d'informations, consultez le communiqué de presse. Pour une présentation, voir A propos d'Oracle Autonomous AI Lakehouse.

Oracle Autonomous AI Database 26ai remplace Oracle Autonomous Database 23ai. Par conséquent, vous pouvez continuer à utiliser CreateAutonomousDatabase avec 23ai pour dbVersion. L'API REST renvoie 23ai, mais vous verrez 26ai dans la console Oracle Cloud Infrastructure (OCI).

Vous pouvez voir les nouveaux noms de service dans la console Oracle Cloud Infrastructure (OCI), l'API REST et la documentation associée. Pour plus de détails, reportez-vous à Oracle Autonomous AI Database.

Modifications de facturation pour les pools élastiques avec Autonomous Data Guard activé avec une base de données de secours locale

Autonomous Data Guard peut être activé pour les pools élastiques avec des bases de données de secours locales. Lorsque le pic agrégé des bases de données de secours Autonomous Data Guard locales dans votre pool élastique fait tomber le pic horaire du pool élastique dans le niveau de facturation suivant, le pic agrégé des membres du pool et le pic agrégé des bases de données de secours Autonomous Data Guard locales sont calculés séparément pour vous offrir un avantage en termes de coût.

Pour plus d'informations, reportez-vous à A propos de la facturation Elastic Pool avec Autonomous Data Guard activé avec une base de données de secours locale.

Sauvegarde et restauration avec Autonomous AI Database pour les développeurs

Autonomous AI Database for Developers prend en charge les fonctionnalités de sauvegarde et de restauration disponibles sur Autonomous AI Database.

Pour plus d'informations, reportez-vous à Sauvegarde et restauration d'instances de base de données Autonomous AI.

Prise en charge étendue et améliorée du catalogue REST Iceberg

Vous pouvez intégrer un écosystème de catalogues REST Iceberg plus large avec la prise en charge de Databricks Unity et Snowflake Polaris, en plus de l'intégration existante avec Amazon Glue et les fichiers de métadonnées racine Iceberg basés sur l'emplacement.

Pour plus d'informations, reportez-vous à Interrogation des tables d'iceberg Apache.

Sélectionner un agent AI (structure d'agent autonome)

Select AI Agent (structure d'agent autonome) introduit une structure de création de workflows agénétiques permettant aux développeurs de créer des agents, des outils, des tâches et des équipes qui raisonnent, agissent et collaborent à l'aide de l'IA générative dans la base de données.

Les agents peuvent planifier des actions, utiliser des outils intégrés ou personnalisés (tels que SQL, RAG, Websearch ou Notification) et tenir à jour le contexte dans les conversations multi-tours. Cette fonctionnalité permet aux développeurs de créer des workflows agénétiques à l'aide de SQL et PL/SQL qui prennent en charge l'automatisation basée sur l'IA, l'interaction des données et le contrôle en boucle.

Pour explorer cette fonctionnalité, reportez-vous à Sélectionner un agent AI, au package DBMS_CLOUD_AI_AGENT, aux vues DBMS_CLOUD_AI_AGENT et aux exemples d'utilisation de Sélectionner un agent AI.

Sélectionner une traduction AI

La fonctionnalité Traduire vous permet de traduire votre texte dans plusieurs langues à l'aide de SQL ou PL/SQL, comme pris en charge par votre fournisseur d'IA.

Reportez-vous à Traduire, Exemple : Sélectionner une traduction AI, Fonction TRANSLATE et Fonction GENERATE pour explorer cette fonctionnalité

TP et TPURGENT ont prédéfini les noms de service de base de données pour la charge globale Autonomous AI Lakehouse.

Vous pouvez exécuter une charge globale mixte pour l'analyse des données et le traitement des transactions critiques en vous connectant aux bases de données Autonomous AI Lakehouse à l'aide des services de base de données prédéfinis TP et TPURGENT. Vous pouvez ainsi exécuter des workloads de traitement des transactions critiques avec ou sans parallélisme tout en étant connecté à une base de données Autonomous AI Lakehouse.

Pour plus de détails, reportez-vous à Noms de service de base de données prédéfinis pour la base de données Autonomous AI et à Noms de service de base de données pour la base de données Autonomous AI.

Exécuter la capture/la réexécution de la charge globale à partir de Database Actions

Vous pouvez tester vos charges globales dans Database Actions en capturant une charge globale sur le système de production et en la réexécutant sur le système de test.

Pour plus d'informations, reportez-vous à Utilisation de Database Actions pour capturer et réexécuter des charges globales.

Sélectionner AI pour Python

Pour plus d'informations, reportez-vous à Sélectionner AI pour Python.

Sélectionner des conversations IA

Select AI prend en charge les conversations personnalisables, ce qui vous permet d'utiliser Select AI avec différents sujets sans mélange de contexte, ce qui améliore à la fois la flexibilité et l'efficacité. Vous pouvez créer, définir, supprimer et mettre à jour des conversations via les procédures et fonctions de conversation DBMS_CLOUD_AI.

Pour plus d'informations, reportez-vous à Sélectionner des conversations AI, à Exemple : activation de conversations dans Sélectionner AI et à Récapitulatif des sous-programmes DBMS_CLOUD_AI.

Sélectionner un retour IA

Select AI vous permet de donner votre avis sur les résultats NL2SQL générés pour améliorer la précision de la génération de requêtes. Vous pouvez donner votre avis sur la ligne de commande SQL et sur les procédures PL/SQL.

Pour explorer la fonctionnalité, reportez-vous à Commentaires, Exemple : Sélectionner un retour AI et Procédure FEEDBACK.

Sélectionner une synthèse AI

Sélectionnez AI pour générer un récapitulatif de votre texte directement dans une invite ou à partir d'un URI. Vous pouvez personnaliser la façon dont le résumé est généré.

Reportez-vous à Génération d'un récapitulatif avec Select AI pour explorer la fonctionnalité.

Utiliser DBMS_CLOUD.CREATE_EXTERNAL_TABLE avec le partitionnement implicite avec l'ordre des colonnes strict de l'option de format

Utilisez la procédure DBMS_CLOUD.CREATE_EXTERNAL_TABLE pour créer des tables externes partitionnées implicites. En transmettant les options appropriées à cette procédure, les partitions sont dérivées des données source. Les tables externes partitionnées prennent en charge le repérage d'exécution des colonnes de partition et de leurs valeurs. Le repérage d'exécution des modifications dans la structure de banque d'objets sous-jacente, telles que l'ajout ou la suppression d'objets, simplifie le processus de maintenance en éliminant la nécessité de procédures de synchronisation supplémentaires requises par DBMS_CLOUD.CREATE_EXTERNAL_PART_TABLE. Cela garantit que les données sont à jour lors de l'exécution de la requête.

Pour plus d'informations, reportez-vous à Interrogation de tables externes avec partitionnement implicite.

Accès aux liens hypertexte de table avec des listes de contrôle d'accès explicites

Vous pouvez générer un lien hypertexte de table avec la vérification d'ACL activée. Vous pouvez utiliser une vérification d'ACL de lien hypertexte de table individuelle ou une vérification d'ACL au niveau de l'instance, ou les deux pour vos liens hypertexte de table.

Prise en charge des fichiers de répertoire pour Data Pipelines et AI

Vous pouvez utiliser des fichiers de répertoire, y compris ceux des systèmes de fichiers réseau, avec des pipelines de données et l'index de vecteur SELECT AI dans la base de données Autonomous AI. Toutes les fonctions disponibles avec les fichiers de stockage d'objets et l'index vectoriel sont prises en charge avec les fichiers de répertoire.

Sélection de fichiers avec caractères génériques dans les API Autonomous Database

Vous pouvez utiliser des modèles avec caractères génériques pour sélectionner plusieurs fichiers dans les objets de stockage d'objets et de répertoire lorsque vous utilisez DBMS_CLOUD, DBMS_CLOUD_PIPELINE et DBMS_CLOUD_AI dans la base de données Autonomous AI.

Utiliser les liens hypertexte de table pour accéder aux données avec les compléments de feuille de calcul

Vous pouvez lire et accéder aux données à l'aide d'un lien hypertexte de table dans une fiche Google à l'aide du module complémentaire Oracle Autonomous Database pour Google Sheets.

Pour plus d'informations, reportez-vous à Utilisation de liens hypertexte de table pour accéder aux données dans Google Sheets et à Lecture et accès aux données à l'aide de liens hypertexte de table dans Google Sheets.

Créer des liens hypertexte de table protégés par mot de passe

Vous pouvez créer un lien hypertexte de table protégé par mot de passe en indiquant un mot de passe de lien hypertexte de table. Cela fournit une étape de sécurité supplémentaire pour éviter tout accès malveillant dans le cas où un lien hypertexte de table est exposé à un public plus large que prévu.

Pour plus d'informations, reportez-vous à Utilisation de liens hypertexte de table pour l'accès aux données en lecture seule sur une base de données Autonomous AI.

Clones de métadonnées actualisables

La base de données Autonomous AI fournit un clonage qui vous permet de créer un clone complet de l'instance active, de créer un clone des métadonnées, de créer un clone actualisable ou de créer un clone des métadonnées actualisable. Avec un clone de métadonnées actualisable, le système crée un clone qui inclut uniquement les métadonnées de la base source et qui peut être facilement mis à jour avec les modifications de la base source.

Pour plus d'informations, reportez-vous à Création d'un clone actualisable pour une instance de base de données Autonomous AI.

Utiliser des tables cloud pour stocker les informations de journalisation et de diagnostic

Vous pouvez créer des tables cloud où les données de table résident sur le stockage cloud géré par Oracle et où les données de table n'utilisent pas le stockage de base de données. Ces tables sont utiles pour stocker les données rarement consultées, telles que les journaux d'application ou les informations de diagnostic.

Pour plus d'informations, reportez-vous à Utilisation de tables cloud pour stocker les informations de journalisation et de diagnostic.

Activer la vue cohérente des données sur les liens hypertexte de table

Lorsque vous créez un lien hypertexte de table ou un groupe de liens hypertexte de table, vous pouvez définir le paramètre consistent pour indiquer que le fournisseur de portlets fournit des données de manière cohérente sur différentes pages lorsqu'un consommateur accède aux données.

Pour plus d'informations, reportez-vous à Utilisation de liens hypertexte de table pour l'accès aux données en lecture seule sur une base de données Autonomous AI.

Evénements de plan de données :

UnplannedMaintenanceBegin et UnplannedMaintenanceEnd

L'événement UnplannedMaintenanceBegin est déclenché lorsque la maintenance requise pour les situations urgentes et non planifiées est lancée.

L'événement UnplannedMaintenanceEnd est déclenché lorsque la maintenance requise pour les situations urgentes et non planifiées est terminée.

Pour plus d'informations, reportez-vous à Evénements d'information sur Autonomous AI Database.

Affichage des informations sur l'utilisation de l'espace pour les objets non JSON

Interrogez la vue DBA_NONJSON_OBJECTS pour évaluer l'espace utilisé par les objets non JSON sur une instance de base de données Autonomous AI. Cette vue est uniquement accessible à l'utilisateur ADMIN.

Pour plus d'informations, reportez-vous à Mise à jour d'une base de données JSON d'IA autonome vers le traitement des transactions d'IA autonome et à vue DBA_NONJSON_OBJECTS.

Fournir la capacité de pool élastique disponible

Lorsque vous joignez un pool élastique existant ou que vous répertoriez un pool élastique, vous pouvez afficher la capacité de pool élastique disponible.

Pour plus d'informations, reportez-vous à Rejoindre un pool élastique existant et à Liste des membres du pool élastique.

Améliorations pour les transformations de données

Mise à niveau vers Oracle AI Database 26ai avec mise à niveau programmée

Si votre instance de base de données Autonomous AI utilise Oracle Database 19c, vous pouvez effectuer une mise à niveau vers Oracle AI Database 26ai avec une mise à niveau programmée.

Pour plus d'informations, reportez-vous à Mise à niveau vers Oracle AI Database 26ai avec mise à niveau programmée.

Cache de table externe

Le cache de table externe dans la base de données Autonomous AI vous permet de mettre en cache les données fréquemment consultées à partir de tables externes de votre base de données. Cela permet d'améliorer les performances lorsque les requêtes sont exécutées beaucoup plus rapidement pour les données externes fréquemment consultées.

Pour plus d'informations, reportez-vous à Utilisation du cache de table externe pour améliorer les performances des tables externes.

Afficher ou copier des exemples de code de connexion

Vous pouvez visualiser ou copier des exemples de code de connexion pour différentes options de connectivité pour la base de données Autonomous AI.

Pour plus d'informations, reportez-vous à Exemples de code pour la connexion à une instance de base de données Autonomous AI.

Variables de substitution d'URL dans les URI Oracle Cloud Infrastructure

Les variables de substitution sont des espaces réservés prédéfinis qui sont résolus et remplacés par les valeurs réelles correspondantes en fonction du contexte d'exécution de votre base de données Autonomous AI. Vous pouvez ainsi inclure des valeurs propres à l'environnement dans les URL Oracle Cloud Infrastructure, telles qu'un OCID de location ou un espace de noms, qui ne sont pas codées en dur, ce qui rend votre code SQL dynamique et portable vers plusieurs régions.

Pour plus d'informations, reportez-vous à Variables de substitution dans les URL Oracle Cloud Infrastructure (OCI).

Déchargement de requête unifié avec liens cloud

Lorsque vous avez de lourdes charges de travail de lecture à l'aide de liens cloud, vous pouvez configurer un leader ou un membre de pool élastique en tant que fournisseur de liens cloud, où le fournisseur permet au déchargement de requêtes ProxySQL de décharger des requêtes (lectures) vers un nombre quelconque de clones actualisables.

Pour plus d'informations, reportez-vous à Utilisation du déchargement de requête unifié avec des liens cloud.

Appeler des scripts génériques à partir d'une instance de base de données Autonomous AI

Vous pouvez appeler des scripts génériques, de type BASH, C ou Python, à partir d'une instance de base de données Autonomous AI. Pour exécuter un script générique, le script est hébergé à distance sur une image de conteneur de base de données Autonomous AI fournie par Oracle avec l'agent EXTPROC installé.

Pour plus d'informations, reportez-vous à Appel de scripts génériques sur une instance Autonomous Database.

Evénement d'avertissement d'utilisation des ressources

L'événement ResourceUtilizationWarning est généré en tant qu'avertissement pour l'utilisation du calcul, l'utilisation du stockage et le nombre de sessions lorsque certains seuils sont dépassés.

Cet événement est généré uniquement pour une base de données Autonomous AI avec le modèle de calcul ECPU.

Pour plus d'informations, reportez-vous à Evénements d'information sur Autonomous AI Database.

Sélectionnez l'extension de la prise en charge de l'IA aux fournisseurs d'IA

Pour plus d'informations, reportez-vous à Sélectionner votre fournisseur d'IA et vos LLM, Configurer Sélectionner l'IA pour utiliser les fournisseurs d'IA pris en charge, Exemple : sélectionner l'IA avec AWS et Exemple : sélectionner l'IA avec des fournisseurs compatibles OpenAI.

Requête pour les erreurs de client

La vue V$DIAG_ALERT_EXT n'est pas disponible pour les données du journal d'alertes. A la place, utilisez V$CLIENT_ERRORS pour rechercher les données d'erreur associées au journal d'alertes.

Pour plus d'informations, reportez-vous à Requête d'erreurs client.

Activation du routage d'instructions efficace avec ProxySQL sur les instances de base de données Autonomous AI dans un pool élastique

ProxySQL permet un accès unifié à plusieurs bases de données d'IA autonomes en acheminant des instructions pour les instructions LMD et les requêtes, et élimine la nécessité de consolider physiquement toutes les données dans une seule base de données.

Pour plus d'informations, reportez-vous à Utilisation du routage d'instructions efficace en activant ProxySQL sur une base de données d'IA autonome.

Utiliser des groupes de liens hypertexte de table

Les groupes de liens hypertexte de table vous permettent d'accéder aux données de plusieurs objets ou instructions SELECT via une seule URL. L'utilisation d'un groupe de liens hypertexte de table simplifie l'extraction des données en consolidant les informations de divers objets en un point d'accès (URL).

Pour plus d'informations, reportez-vous à Création et gestion de groupes de liens hypertexte de table.

Prise en charge des clés gérées par les clients pour les clones actualisables

Autonomous AI Database prend en charge l'utilisation de clés de cryptage gérées par le client avec des clones actualisables.

Pour plus d'informations, reportez-vous à Remarques sur les clés de cryptage gérées par le client avec des clones actualisables.

Interface utilisateur Redwood Oracle Cloud Infrastructure

Oracle Cloud Infrastructure (OCI) a introduit de nouvelles conceptions dans la console Oracle Cloud pour améliorer la convivialité et la cohérence entre les services et les expériences.

Pour plus d'informations, reportez-vous à Se familiariser avec la console.

Ajout de documentation : Meilleures pratiques pour la disponibilité des applications pendant la maintenance

Les patches de base de données Autonomous AI sont appliqués pendant une fenêtre de maintenance programmée en tant que patches non simultanés. A l'aide de patches non simultanés, votre instance de base de données Autonomous AI est disponible sur les nouveaux noeuds de cluster avant le démarrage de l'application de patches sur les noeuds d'origine sur lesquels elle était exécutée. Une fois la base de données disponible sur les nouveaux noeuds de cluster, toutes les nouvelles connexions sont dirigées vers les nouveaux noeuds. Cela signifie que la base de données reste en ligne et disponible pendant la maintenance et que les nouvelles demandes de connexion à la base de données réussiront pendant la fenêtre de maintenance.

Pour plus d'informations, reportez-vous à la section Best Practices to Maintain Application Availability During Maintenance Windows.

Améliorations apportées au studio de données :

Accélérateur de lac de données

Vous pouvez utiliser l'accélérateur de lac de données avec des instances Autonomous Database 19c pour prendre en charge le traitement de données externes. Il s'exécute sur un cluster de machines virtuelles géré par Oracle et se connecte à votre instance Autonomous Database pour analyser et traiter les données externes stockées dans des banques d'objets. Le service ajoute automatiquement des CPU à mesure que la demande de requêtes augmente, ce qui vous aide à gérer l'utilisation des ressources et à améliorer les temps de réponse aux requêtes lorsque vous travaillez avec des ensembles de données volumineux.

Pour plus d'informations, reportez-vous à Data Lake Accelerator.

Prise en charge des pools élastiques pour les locations enfant

Vous pouvez combiner la gestion des organisations avec les avantages des pools élastiques. Si votre organisation utilise le modèle de location parent/enfant, vous pouvez appliquer des économies de coûts de pool élastique à l'aide d'un pool élastique qui couvre les locations parent et enfant. De cette façon, un pool élastique peut fonctionner dans les locations, où le leader du pool élastique se trouve dans la location parent et le membre du pool élastique se trouve dans une location enfant.

Pour plus d'informations, reportez-vous à Utilisation de pools élastiques avec la gestion des organisations Oracle Cloud Infrastructure (locations parent et enfant) dans A propos des pools élastiques.

Vérification de l'accès réseau aux liens hypertexte de table avec les ACL

Vous pouvez générer un lien hypertexte de table avec la vérification d'ACL activée. Lorsque vous générez un lien hypertexte de table et que vous activez la vérification d'ACL, les données de lien hypertexte de table ne sont accessibles à une base de données consommateur qu'une fois l'adresse IP de la demande entrante validée en fonction des ACL définies sur la base de données du producteur.

Pour plus d'informations, reportez-vous à Création, gestion et surveillance de liens hypertexte de table.

Envoyer des notifications à une rubrique du service OCI Notifications

Vous pouvez envoyer des messages à partir d'Autonomous AI Database vers un sujet de service OCI Notifications.

Pour plus d'informations, reportez-vous à Envoi de messages à OCI Notifications Service à partir d'Autonomous AI Database.

Evénements critiques et d'information avec catégorie d'événement

Les événements critiques et les événements d'information incluent un attribut de catégorie d'événement. Vous pouvez éventuellement vous abonner à des événements et ajouter une catégorie d'événement pour recevoir des notifications sur les événements d'une catégorie, ou pour effectuer d'autres types d'automatisation pour les événements par type d'événement et catégorie d'événement. Les catégories d'événement sont : Incident, Maintenance, Performance, Sécurité et Autre.

Pour plus d'informations, reportez-vous à Utilisation des événements de base de données Autonomous AI.

Améliorations apportées au studio de données :

Améliorations apportées à Select AI

Select AI inclut les nouvelles fonctionnalités suivantes :

• Select AI vous permet d'ajouter des commentaires de table aux métadonnées du LLM pour une meilleure génération SQL. Pour ce faire, indiquez comments à true dans votre profil AI. Reportez-vous à Exemple : amélioration de la génération SQL avec des commentaires de table et de colonne dans Exemple : amélioration de la génération de requêtes SQL.

• Sélectionnez AI intègre les annotations dans Oracle AI Database 26ai en les ajoutant aux métadonnées envoyées au LLM. Pour ce faire, indiquez annotations à true dans votre profil AI. Reportez-vous à Exemple : amélioration de la génération de requêtes SQL avec des annotations de table et de colonne dans Exemple : amélioration de la génération de requêtes SQL.

• Sélectionnez AI pour ajouter des contraintes de clé étrangère et de clé référentielle dans les métadonnées du LLM afin de générer des conditions JOIN précises. Pour ce faire, indiquez constraints à true dans votre profil AI. Reportez-vous à Exemple : amélioration de la génération de requêtes SQL avec des contraintes de clé étrangère et de clé référentielle dans Exemple : amélioration de la génération de requêtes SQL.

La base de données de secours inter-région peut être un membre de pool élastique ou un leader de pool élastique

Une réserve inter-région peut être ajoutée à un pool élastique ou peut être un leader de pool élastique. Les pools élastiques ne fonctionnent pas entre les régions. Lorsqu'une base de données de secours inter-région est ajoutée à un pool élastique, la base de données principale et la base de données de secours ne peuvent pas se trouver dans le même pool élastique.

Pour plus d'informations, reportez-vous à Utilisation et gestion des pools élastiques sur une base de données d'IA autonome.

Prise en charge de Google Drive pour les liens de base de données avec une connectivité hétérogène gérée par Oracle

Utilisez la connectivité hétérogène gérée par Oracle pour créer des liens de base de données vers Google Drive. Lorsque vous utilisez des liens de base de données avec une connectivité hétérogène gérée par Oracle, la base de données Autonomous AI configure et configure la connexion.

Pour plus d'informations, reportez-vous à Création de liens de base de données vers les bases de données non Oracle avec la connectivité hétérogène gérée par Oracle.

Outils intégrés Facturation et modifications de configuration par défaut

Dans le modèle de calcul ECPU, les outils de base de données intégrés qui utilisent une machine virtuelle, notamment OML, Graph Studio et Data Transforms, ont des modifications de configuration et de facturation par défaut.

Pour plus d'informations, reportez-vous à A propos de la configuration des limites et des ressources de calcul des outils intégrés et à Facturation sans serveur d'Oracle Autonomous AI Database pour les outils de base de données.

Informations sur les coûts et l'utilisation du pool élastique dans les états des coûts

Les détails d'utilisation et de coût du pool élastique sont enregistrés dans les rapports sur les coûts Oracle Cloud Infrastructure et dans la vue OCI_COST_DATA. Pour plus d'informations, reportez-vous à A propos de la facturation Elastic Pool et à Modèles de calcul dans la base de données d'IA autonome.

Décharger des requêtes d'un membre de pool élastique vers des clones actualisables de membre : inclut les requêtes de PL/SQL et des travaux Oracle Scheduler

Lorsque vous disposez de charges globales de lecture lourdes, où une quantité relativement faible de données est analysée par plusieurs requêtes, y compris à partir de PL/SQL ou de travaux Oracle Scheduler, vous pouvez décharger des requêtes (lectures) d'un leader de pool élastique ou d'un membre de pool élastique vers des clones actualisables.

Pour plus d'informations, reportez-vous à Déchargement de requêtes vers des clones actualisables de membre.

• Extraire des données d'Oracle Enterprise Resource Planning (ERP) Cloud à l'aide de BI Publisher

  Vous pouvez désormais utiliser le connecteur Oracle ERP Cloud pour créer une connexion au serveur Business Intelligence (BI) Publisher et charger les données des rapports BI Publisher vers Autonomous Database. Vous pouvez l'utiliser comme méthode alternative pour extraire les données ERP lorsque l'extraction basée sur BICC n'est pas suffisante. Reportez-vous à Création d'une connexion Oracle Analytics Publisher.

• Charger des données dans les tables Apache Iceberg

  Data Transforms inclut la prise en charge d'Apache Iceberg en tant que cible de chargement de données à partir de sources de données SQL. Reportez-vous à Création d'une connexion Apache Iceberg.

• Bouton Paramètres de la page Détail chargement données

  Les options sous Options avancées ont été déplacées dans une fenêtre distincte. Cliquez sur le bouton Paramètres pour utiliser ces options en plus de quelques autres.

Enlever l'option de modèle de calcul d'OCPU pour les charges globales d'entrepôt de données et de traitement des transactions lors du provisionnement ou du clonage

L'option de modèle de calcul OCPU est enlevée lorsque vous provisionnez ou clonez une nouvelle instance de base de données Autonomous AI avec des charges globales Data Warehouse ou Transaction Processing.

Pour plus d'informations, reportez-vous au Oracle Support Document 2998742.1.

Prise en charge de la compression Zstd dans DBMS_CLOUD

DBMS_CLOUD prend en charge le chargement et l'interrogation de données à l'aide de tables externes, ainsi que l'export et l'import de données de la base de données Autonomous AI vers le stockage d'objets. DBMS_CLOUD prend en charge le format Zstd (Zstandard) pour la compression ou la décompression.

Pour plus d'informations, reportez-vous aux sections DBMS_CLOUD Package Format Options et DBMS_CLOUD Package Format Options for EXPORT_DATA.

Indiquer les variables attachées par défaut dans les liens hypertextes de tableau

Vous pouvez indiquer des valeurs par défaut pour une ou plusieurs variables attachées dans une instruction SQL lorsque le paramètre default_bind_values est inclus dans DBMS_DATA_ACCESS.GET_PREAUTHENTICATED_URL.

Pour plus d'informations, reportez-vous à Création d'un lien hypertexte de table avec une instruction Select et à Utilisation du lien hypertexte de table pour accéder aux données.

Améliorations apportées à Select AI

Select AI inclut les nouvelles fonctionnalités suivantes :

• Sélectionnez AI détecte automatiquement les tables pertinentes et envoie des métadonnées uniquement pour ces tables spécifiques, pertinentes pour la requête, dans Oracle AI Database 26ai. Pour ce faire, indiquez object_list_mode en tant que automated. Reportez-vous à Détection automatique des métadonnées de table pertinentes dans Exemple : amélioration de la génération de requêtes SQL.

• Select AI vous permet de restreindre l'accès aux tables en ne prenant en compte que les tables répertoriées dans les attributs de profil AI pour la génération SQL. Pour ce faire, indiquez enforce_object_list dans true. Reportez-vous à Exemple : restriction de l'accès aux tables dans le profil AI.

• Sélectionnez AI pour indiquer la sensibilité à la casse de sorte que le LLM génère des réponses sans distinction entre les majuscules et les minuscules à partir de la base de données et du LLM. Pour ce faire, indiquez case_sensitive_values dans false. Reportez-vous à Exemple : spécification de la sensibilité à la casse pour les colonnes.

• Les administrateurs peuvent contrôler l'accès aux données de sorte que les tables de schéma réelles ne soient pas envoyées au LLM à l'aide de Select AI. Reportez-vous aux sections Procédure ENABLE_DATA_ACCESS, Procédure DISABLE_DATA_ACCESS et Exemple : activation ou désactivation de l'accès aux données.

Utilisation d'un modèle de transformateur en base de donnée avec la génération RAG Select AI

Vous pouvez utiliser des transformateurs dans la base de données (également appelés modèles d'intégration) que vous avez importés dans votre instance Oracle AI Database 26ai avec Select AI RAG pour générer des incorporations vectorielles pour les blocs de documents et les invites utilisateur. Reportez-vous à Utilisation de modèles de transformateur dans la base de données et à Exemple : sélection d'une IA avec des modèles de transformateur dans la base de données pour explorer cette fonctionnalité.

Mise à jour de Data Transforms

Data Transforms est mis à jour avec de nouvelles fonctionnalités et modifications dans les domaines suivants :

• Exécuter le chargement de données Data Studio à l'aide des workflows de transformation de données

  Vous pouvez désormais définir un chargement de données Data Studio dans un workflow de transformation de données, puis exécuter ce chargement dans le cadre d'un flux de données. Vous pouvez ensuite programmer le workflow pour qu'il réexécute le chargement de données Data Studio afin de capturer toutes les mises à jour apportées aux fichiers et de le charger dans Autonomous Database.

  Pour plus d'informations sur la façon d'exécuter un chargement de données Data Studio dans des transformations de données, reportez-vous à Définition d'un chargement de données Data Studio dans un flux de travail.

• Intégrations de vecteurs dans les flux de données

  Data Transforms prend désormais en charge l'intégration des vecteurs dans un flux de données à l'aide du service d'IA générative Oracle Cloud Infrastructure (OCI). Notez que vous devez disposer d'une connexion Oracle Database 23ai pour utiliser cette fonctionnalité.

  Pour plus d'informations, voir Utiliser le vecteur d'intégration de texte dans un flux de données.

• Utiliser des modèles d'apprentissage automatique dans les flux de données

  Data Transforms inclut désormais un nouveau type d'entité de données appelé ML Model. Vous pouvez utiliser des modèles d'apprentissage automatique dans un flux de données pour appliquer une logique de prédiction aux données source et stocker la sortie dans un serveur cible.

  Pour plus d'informations, reportez-vous à Modèles de machine learning (ML).

• Définir la valeur de variable personnalisée lors de l'exécution

  Pour les flux de données et les workflows qui incluent des variables dans le cadre du flux, lorsque vous exécutez le flux de données ou le workflow, vous pouvez choisir d'utiliser la valeur par défaut, la valeur d'actualisation ou de définir une valeur personnalisée lors de l'exécution à utiliser pour l'exécution en cours.

  Pour plus d'informations, reportez-vous à Utilisation de variables dans un flux de données et à Utilisation de variables dans un workflow.

• Afficher les travaux en file d'attente/en attente

  L'option Afficher les travaux en file d'attente/en attente permet d'améliorer les performances globales lors de l'extraction de la liste des enregistrements à afficher sur la page Travaux.

  Pour plus d'informations, reportez-vous à la section Rechercher un travail dans Créer et gérer des travaux.

Amélioration de Data Studio

Data Studio est mis à jour avec de nouvelles fonctionnalités et modifications :

• Améliorations apportées au catalogue de bases de données fédérées Autonomous Database :

  Vous pouvez connecter plusieurs catalogues pour faciliter la recherche et l'utilisation de vos données, y compris les catalogues de données Iceberg populaires comme Unity et Polaris. Vous pouvez également créer un lien vers des instances Autonomous Database distantes à l'aide de liens de base de données, ce qui vous permet d'interroger des tables à partir de ces bases de données directement dans votre catalogue, ce qui vous aide à tirer le meilleur parti de votre catalogue de données sans étapes supplémentaires.

  L'une des principales améliorations apportées au catalogue fédéré est la possibilité de charger facilement un partage Delta directement à partir de l'outil Catalogue lui-même - pas besoin de passer à un outil de chargement de données distinct.

  Pour plus d'informations, reportez-vous à Chargement des données en ligne du partage delta à partir de l'outil Catalogue.

• Le module d'extension Oracle Autonomous Database for Excel peut désormais être installé à partir du Microsoft Store.

  Pour plus d'informations, reportez-vous à Installation du module d'extension à partir de Microsoft AppSource.

• Améliorations d'UX pour AI Table Assistant : l'outil Table AI Assist permet de modifier des recettes, d'enregistrer automatiquement des recettes et d'améliorer l'expérience utilisateur, par exemple en affichant un nouvel en-tête de colonne en italique.

  Pour plus d'informations, reportez-vous à Outil d'assistance IA de table.

• Améliorations apportées au reporting de flux en direct : à l'aide de la configuration existante de l'inscription de courriel SMTP (Simple Mail Transfer Protocol) dans le flux en direct, vous recevez un courriel lorsque :

  • De nouvelles lignes sont ajoutées : vous recevez des notifications par e-mail lorsque Live Feed s'exécute et charge votre table avec de nouvelles données.
  • Problèmes de validation des données : vous recevez des notifications par courriel lorsque des incohérences surviennent, par exemple lorsque l'outil tente de charger des valeurs non numériques dans un champ numérique.
  • Le flux en direct génère une erreur : vous recevez des notifications par courriel si des erreurs se produisent, par exemple lorsque le bucket contenant vos fichiers est supprimé ou que vos informations d'identification pour ce bucket ont été supprimées.

  Pour plus d'informations, reportez-vous à Envoyer un courriel à l'aide de l'outil de flux en direct.

Evénement de transaction en attente longue

L'événement LongPendingTransaction est généré lorsqu'une transaction est ouverte pendant plus de 24 heures.

Pour plus d'informations, reportez-vous à Evénements d'information sur Autonomous AI Database.

Objectif de délai de récupération pour une base de données de secours Autonomous Data Guard inter-région

L'objectif de délai de récupération pour les bases de données de secours Autonomous Data Guard inter-région est réduit à moins de dix (10) minutes.

Pour plus d'informations, reportez-vous à Objectif de délai de récupération (RTO) et objectif de point de récupération (RPO) Autonomous Data Guard.

Ajout de documentation : détection automatique de régression

La détection automatique de régression dans Autonomous AI Database fournit une gestion proactive des régressions et permet une détection, un diagnostic et une atténuation automatisés des problèmes. 

Pour plus d'informations, reportez-vous à A propos de la maintenance programmée et de l'application de patches.

Nombre moyen de sessions actives et mesures d'utilisation des sessions

La mesure AverageActiveSessions indique le nombre moyen de sessions en cours d'exécution ou d'attente de ressources. La mesure SessionUtilization indique l'utilisation maximale de la session.

Pour plus d'informations, reportez-vous à Mesures disponibles : oci_autonomous_database.

Commentaires sur les informations d'identification dans DBMS_CLOUD.CREATE_CREDENTIAL

La procédure DBMS_CLOUD.CREATE_CREDENTIAL prend en charge les commentaires lorsque vous utilisez le paramètre comments.

Pour plus d'informations, reportez-vous à Création d'informations d'identification pour accéder aux services cloud et à Procédure CREATE_CREDENTIAL.

Migration de PostgreSQL, MySQL ou SQL Server vers Oracle SQL

Vous pouvez migrer des instructions SQL de PostgreSQL, MySQL ou SQL Server vers Oracle SQL et exécuter les instructions sur la base de données Autonomous AI.

Pour plus d'informations, reportez-vous à Migration d'applications à partir de SQL non Oracle vers Oracle SQL.

Modification de la documentation : URL de demande pré-authentifiée renommées en liens hypertexte de table

Vous pouvez générer et gérer des liens hypertexte de table pour accéder aux données sur une base de données d'IA autonome.

Pour plus d'informations, reportez-vous à Utilisation de liens hypertexte de table pour l'accès aux données en lecture seule sur une base de données Autonomous AI.

Types de fichier supplémentaires pris en charge pour la création d'index vectoriels Select AI RAG

Sélectionnez Génération augmentée de récupération d'IA (RAG) qui prend en charge plusieurs formats de fichier, notamment PDF, DOCX, JSON, XML et HTML.

Pour plus d'informations, reportez-vous à Sélectionner une IA avec la génération augmentée d'extraction (RAG) et, pour obtenir la liste complète des formats de fichier pris en charge, à Créer votre banque de vecteurs.

Pool élastique avec n'importe quel responsable de charge de travail

Lorsque vous créez un pool élastique, le type de charge globale du leader n'est pas limité. Le type de charge globale d'un leader de pool élastique peut être l'un des suivants : traitement des transactions, data warehouse, JSON ou APEX.

Pour plus d'informations, reportez-vous à A propos des pools élastiques et à A propos des types de charge globale de base de données Autonomous AI.

Evénement d'avertissement d'erreur d'analyse SQL : SQLParseErrorWarning

Si une erreur d'analyse SQL se produit plusieurs fois dans une certaine fenêtre de temps, par exemple 200 fois ou plus en une heure, cela génère des entrées "Too Many Parse Errors" dans le fichier d'alertes. L'événement SQLParseErrorWarning est déclenché lorsqu'une nouvelle entrée figure dans le fichier d'alertes, ce qui indique qu'une instruction SQL comporte trop d'erreurs d'analyse. Par exemple, lorsqu'une requête non valide est exécutée 200 fois en moins d'une heure, l'événement SQLParseErrorWarning est déclenché.

Pour plus d'informations, reportez-vous à Evénements d'information sur Autonomous AI Database.

Créer un clone actualisable avec la source 19c et le clone actualisable 23ai

Lorsque vous créez un clone actualisable à partir d'une source Oracle Database 19c, vous pouvez sélectionner Oracle AI Database 26ai pour le clone actualisable. Vous pouvez utiliser le clone actualisable pour tester votre base de données sur Oracle AI Database 26ai. Une fois le test terminé, vous pouvez déconnecter le clone actualisable pour effectuer la mise à niveau vers Oracle AI Database 26ai.

Pour plus d'informations, reportez-vous à Mise à niveau d'une instance de base de données Autonomous AI vers Oracle AI Database 26ai et à Création d'un clone actualisable pour une instance de base de données Autonomous AI.

Décharger les requêtes de Elastic Pool Leader vers les clones actualisables membres : inclut les requêtes de PL/SQL et des travaux Oracle Scheduler

Lorsque vous disposez de charges globales de lecture lourdes, où une quantité relativement faible de données est analysée par plusieurs requêtes, y compris à partir de PL/SQL ou de travaux Oracle Scheduler, vous pouvez décharger des requêtes (lectures) d'un leader de pool élastique vers des clones actualisables.

Pour plus d'informations, reportez-vous à Déchargement de requêtes vers des clones actualisables de membre.

Mesures des connexions supprimées

La mesure ConnectionsDroppedByClient indique la somme du nombre de connexions supprimées par le client. La mesure ConnectionsDroppedByServer indique la somme du nombre de connexions supprimées par le serveur.

Pour plus d'informations, reportez-vous à Mesures disponibles : oci_autonomous_database.

Oracle APEX 24.2

Autonomous AI Database utilise Oracle APEX version 24.2.

Pour plus d'informations, reportez-vous à Création d'applications avec Oracle APEX dans Autonomous AI Database.

Amélioration de Data Studio

Data Studio est mis à jour avec de nouvelles fonctionnalités et modifications :

• La suite d'outils Data Studio propose désormais un outil d'aide à la table alimenté par l'IA pour améliorer sans effort vos tables de données locales avec la puissance de l'IA. Vous pouvez utiliser des invites en langage naturel pour augmenter et corriger vos informations avec cet outil.

  Pour plus d'informations, reportez-vous à Outil d'assistance IA de table.

• Améliorations apportées aux outils de catalogue : les nouvelles fonctionnalités multi-catalogues du catalogue Autonomous Database vous permettent d'ajouter des catalogues pour permettre la recherche, le repérage et l'utilisation de données sur un large éventail de systèmes externes, notamment d'autres bases de données autonomes, des bases de données sur site, des systèmes de stockage cloud, des données partagées et d'autres catalogues de données tels qu'Oracle Cloud Infrastructure Data Catalog et AWS Glue.

  Pour plus d'informations, reportez-vous à Outil de catalogue.

• Outil Data Marketplace : à l'aide de Data Studio Marketplace, les utilisateurs Autonomous Database peuvent facilement collaborer en partageant des données avec d'autres utilisateurs de la même instance ou d'une autre instance Autonomous Database. Les fournisseurs de données publient des ensembles de données en quelques minutes, aucun codage n'est requis. Les consommateurs de données peuvent parcourir les ensembles de données disponibles, interroger les données en direct ou les copier vers leur propre instance Autonomous Database.

  Pour plus d'informations, reportez-vous à Outil Data Marketplace.

• Améliorations apportées au flux de chargement des données :

  • Avec le nouveau mode Basic, créer un Livefeed est aussi simple que de sélectionner un dossier dans un menu déroulant.
  • Nouvelle possibilité d'utiliser la sémantique Merge dans les flux de données. La fonction Livefeed met automatiquement à jour les données existantes de vos tables avec de nouvelles informations, éliminant ainsi les lignes redondantes et garantissant l'intégrité des données.

  • Avec l'icône Afficher le code qui vient d'être introduite, vous pouvez visualiser le code SQL sous-jacent derrière vos flux d'activité et même exécuter le code manuellement dans la feuille de calcul SQL.

  Pour plus d'informations, reportez-vous à Alimentation des données.

Ajout de documentation : migration des plans d'exécution SQL existants vers Autonomous Database

Vous pouvez utiliser la gestion des plans SQL en temps réel lorsque vous migrez d'une base de données Oracle Database source vers une base de données Autonomous AI.

Pour plus d'informations, reportez-vous à Migration de plans d'exécution SQL existants vers une base de données d'IA autonome pour réduire le risque de régressions de performances SQL.

Déchargement des requêtes du leader de pool élastique vers les clones actualisables membres

Lorsque vous avez de lourdes charges de travail de lecture, où une quantité relativement faible de données est analysée par plusieurs requêtes, vous pouvez décharger les requêtes (lectures) d'un leader de pool élastique vers des clones actualisables.

Pour plus d'informations, reportez-vous à Déchargement de requêtes vers des clones actualisables de membre.

Créer des tables externes sur des URL de demande pré-authentifiée

Vous pouvez créer une table externe sur des URL de demande pré-authentifiée.

Pour plus d'informations, reportez-vous à Requête de données qui utilise la source de lien hypertexte de table.

Mettre à jour les inscriptions aux liens cloud

Avec Cloud Links, un propriétaire de données enregistre une table ou une vue pour un accès à distance pour une audience sélectionnée telle que définie par le propriétaire de données, puis les données sont accessibles aux personnes disposant d'un accès accordé au moment de l'inscription. Après avoir enregistré un jeu de données, vous pouvez mettre à jour les attributs de jeu de données.

Pour plus d'informations, voir Mettre à jour les attributs d'inscription de jeu de données.

Evénement d'avertissement de mot de passe utilisateur de base de données : DatabaseUserPasswordWarning

L'événement d'avertissement de mot de passe de l'utilisateur de base de données indique que le mot de passe de l'utilisateur de base de données Autonomous AI expire dans le délai de grâce indiqué (30 jours par défaut) ou a déjà expiré.

Pour plus d'informations, reportez-vous à Evénements critiques sur la base de données d'IA autonome.

Ajout de documentation : Créer et utiliser des mesures personnalisées

Vous pouvez créer des mesures personnalisées pour collecter, publier et analyser des mesures. Une mesure personnalisée collecte les données indiquées à partir de votre instance de base de données Autonomous AI et les publie vers le service OCI Monitoring à l'aide d'une API REST fournie par le kit SDK OCI.

Pour plus d'informations, reportez-vous à Utilisation de mesures personnalisées sur la base de données Autonomous AI.

Déconnexion d'une base de données homologue

Vous pouvez déconnecter une base de données de secours Autonomous Data Guard ou un homologue de récupération après sinistre basé sur la sauvegarde. Lorsque vous déconnectez un pair inter-région, la base de données est définitivement dissociée de la base de données principale. La base de données est ainsi convertie d'une base de données homologue en base de données autonome.

Pour plus d'informations, reportez-vous à Déconnexion d'une base de données homologue.

Modifier le niveau de patch après le provisionnement

Lorsque vous provisionnez ou clonez une instance Autonomous AI Database, vous pouvez sélectionner un niveau de patch à appliquer aux patches à venir. Vous pouvez également modifier le niveau de patch après le provisionnement d'une instance de base de données Autonomous AI. Il existe deux options de niveau de patch : Normal et Précédent.

Pour plus d'informations, reportez-vous à Définition du niveau de patch.

Mappage de nom de service pour les consommateurs de liens cloud

Vous pouvez définir le mappage des noms de service à utiliser lorsque les consommateurs de Cloud Links accèdent aux données d'un propriétaire de jeu de données.

Pour plus d'informations, reportez-vous à Définition du mappage des noms de service de base de données pour les destinataires de liens cloud.

Les tables externes avec ORC, Parquet et Avro fournissent une option pour définir la taille des colonnes de chaîne

Lorsque vous accédez à des données ORC, Parquet ou Avro stockées dans une banque d'objets à l'aide de tables externes, vous pouvez définir automatiquement ou explicitement la taille maximale des colonnes de texte. Par défaut, la taille de colonne de texte est définie en fonction de la valeur de MAX_STRING_SIZE.

Pour plus d'informations, reportez-vous à Requête de données externes avec des fichiers source ORC, Parquet ou Avro et définition explicite de la taille de colonne de texte.

Appeler les fonctions d'exécution cloud de Google Cloud Platform

Vous pouvez appeler les fonctions Cloud Run de Google Cloud Platform en tant que fonctions SQL.

Pour plus d'informations, reportez-vous à Etapes d'appel de fonctions d'exécution Google Cloud en tant que fonctions SQL.