甲骨文（Oracle）数据仓库分析工具MySQL HeatWave更新，除了强化自动机器学习（AutoML）功能，增加支持的机器学习用例，同时也扩展MySQL HeatWave的多云支持。
HeatWave是甲骨文的高性能MySQL查询工具，使用户能够快速地查询存储在MySQL数据库的资料，而HeatWave原本就有提供内置在数据库中的原生机器学习服务，能够直接执行机器学习训练、推理和解释资料，提供自动训练回归、分类和单变量时间串行预测模型。
而本次MySQL HeatWave的新功能，甲骨文扩展HeatWave AutoML生命周期自动化，新支持多变量时间串行预测、非监督异常侦测和推荐系统，资料分析师可以不需要专业人员协助，就能以互动式控制台，构建、训练、执行和解释这些机器学习模型。
多变量时间串行预测是以过去多变量时间串行，预测未来资料变化的一种方法，像是可用于创建模型，预测冬季用电需求等，多变量时间串行有多种可用的预测算法，而挑选适合的算法并非一件简单的工作，现在MySQL HeatWave所提供的AutoML，能够预处理资料，并且自动选择最适合的机器学习模型算法，还能自动调校模型。
官方提到，他们在自动化预测工作管线中，使用由高端时间串行预处理、算法选择和超参数调校等多阶段组成的专利技术，使得用户可以不需要专业统计人员，就可以完成多变量时间串行预测。
MySQL HeatWave新支持的无监督异常侦测，则可让用户能够简单地从未标记的资料集中，侦测不同类型的异常，官方解释，有多种算法都能够用于侦测资料异常，但是通常只能侦测特定类型的资料，因此当用户不知道资料集中存在哪些异常资料，算法可能无法正确运行。
而MySQL HeatWave所生成的模型，能够针对各类型的资料异常，执行高精确度预测，而且该过程完全自动化，分析师不需要选择算法、特征，也不用担心超参数的数值。另外，MySQL HeatWave中的推荐系统现在也完全自动化，算法、特征和超参数优化都不需要用户决定。
甲骨文改进了在MySQL HeatWave与AWS服务的集成，MySQL HeatWave可在AWS上原生运行，并且提供S3优化存储层，当MySQL资料要加载至HeatWave时，系统会将资料复制到S3扩展资料管理层，好处是当需要资料恢复，重新加载资料到HeatWave时，多个HeatWave节点可以平行访问资料，这大幅加速资料恢复速度和服务可用性，使得原本4 TB的HeatWave集群从S3恢复只要3.5分钟，比从MySQL重新加载资料需时140分钟要快上许多。
MySQL HeatWave控制台开始支持MySQL自动形状预测（Autopilot Auto-shape Prediction），该机器学习功能将会即时监控OLTP工作负载，预测应用程序的执行状况和性能需求，根据历史性能分析趋势，像是吞吐量、缓冲区命中率，自动推荐适合的数据库形状。数据库的形状指得是数据库执行实例的配置，包括CPU、内存和存储空间等。