Vad är nytt i SQL Server Machine Learning Services?
gäller för:
SQL Server 2016 (13.x) och senare versioner
I den här artikeln beskrivs vilka nya funktioner som ingår i varje version av SQL Server Machine Learning Services. Maskininlärningsfunktioner läggs till i SQL Server i varje version när vi fortsätter att expandera, utöka och fördjupa integreringen mellan dataplattformen, avancerad analys och datavetenskap.
Notera
Funktionsfunktioner och installationsalternativ varierar mellan versioner av SQL Server. Använd listrutan versionsväljare för att välja lämplig version av SQL Server.
Nytt i SQL Server 2022
Från och med SQL Server 2022 (16.x) installeras inte längre körmiljöer för R, Python och Java med SQL-installationen. Installera i stället önskade anpassade körmiljöer och paket. Mer information finns i Installera SQL Server 2022 Machine Learning Services (Python och R) i Windows eller Installera SQL Server Machine Learning Services (Python och R) på Linux.
Nytt i SQL Server 2019
Den här versionen lägger till de mest efterfrågade funktionerna för Python- och R-maskininlärningsåtgärder i SQL Server. Mer information om alla funktioner i den här versionen finns i Nyheter och förbättringar i SQL Server 2019 och SQL Server 2019 utgivningsanteckningar.
Dokumentation om vad som är nytt i Java och C# i SQL Server 2019 finns i Nyheter i SQL Server Language Extensions?.
Nedan visas de nya funktionerna för SQL Server Machine Learning Services, som finns på både Windows och Linux:
- Stöd för Linux-plattformen lades till i Machine Learning Services för Python och R. Kom igång med Installera SQL Server Machine Learning Services på Linux.
- Loopback-anslutning till SQL Server från ett Python- eller R-skript.
- SKAPA EXTERNT BIBLIOTEK (Transact-SQL) för Python och R.
- sp_execute_external_script introducerar två nya parametrar som gör att du enkelt kan generera flera modeller från partitionerade data. Läs mer i den här självstudien Skapa partitionsbaserade modeller i R.
- Stöd för redundanskluster är tillgängligt för Launchpad-tjänsten, förutsatt att SQL Server Launchpad-tjänsten startas på alla noder. Mer information finns i installation av SQL Server-redundanskluster.
- Ändringar i isoleringsmekanismen för Machine Learning Services. Mer information finns i SQL Server 2019 i Windows: Isoleringsändringar för Machine Learning Services.
Nytt i SQL Server 2017
Den här versionen lägger till Python-stöd och branschledande maskininlärningsalgoritmer. SQL Server 2017 har bytt namn för att återspegla det nya omfånget och markerar introduktionen av SQL Server Machine Learning Services (In-Database), med språkstöd för både Python och R.
För en fullständig översikt av funktionsnyheter, se Nyheter i SQL Server 2017.
R-förbättringar
R-komponenten i SQL Server Machine Learning Services är nästa generations SQL Server 2016 R Services, med uppdaterade versioner av bas-R, RevoScaler och andra paket.
Nya funktioner för R omfattar pakethantering, med följande höjdpunkter:
- Databasroller hjälper DBA:er att hantera paket och tilldela behörigheter för paketinstallation.
- CREATE EXTERNAL LIBRARY hjälper DBA:er att hantera paket på det välbekanta T-SQL-språket.
- RevoScaleR- funktioner hjälper dig att installera, ta bort eller lista paket som ägs av användare. Mer information finns i Så här använder du RevoScaleR-funktioner för att hitta eller installera R-paket på SQL Server.
R-bibliotek
| Paket | Beskrivning |
|---|---|
| MicrosoftML | I den här versionen ingår MicrosoftML i en standard-R-installation, vilket eliminerar uppgraderingssteget som krävdes i föregående SQL Server 2016 R Services. MicrosoftML tillhandahåller toppmoderna maskininlärningsalgoritmer och datatransformeringar som kan skalas eller köras i fjärranslutna beräkningskontexter. Algoritmer omfattar anpassningsbara djupa neurala nätverk, snabba beslutsträd och beslutsskogar, linjär regression och logistisk regression. |
Python-integrering för analys i databasen
Python är ett språk som ger stor flexibilitet och kraft för en mängd olika maskininlärningsuppgifter. Bibliotek med öppen källkod för Python innehåller flera plattformar för anpassningsbara neurala nätverk samt populära bibliotek för bearbetning av naturligt språk.
Eftersom Python är integrerat med databasmotorn kan du hålla analyserna nära data och eliminera de kostnader och säkerhetsrisker som är kopplade till dataförflyttning. Du kan distribuera maskininlärningslösningar baserade på Python med hjälp av verktyg som Visual Studio. Dina produktionsprogram kan hämta förutsägelser, modeller eller visuella objekt från Python 3.5-körningen med hjälp av SQL Server-dataåtkomstmetoder.
T-SQL- och Python-integrering stöds via den sp_execute_external_script lagrade systemproceduren. Du kan anropa valfri Python-kod med den här lagrade proceduren. Koden körs i en säker, dubbel arkitektur som möjliggör distribution i företagsklass av Python-modeller och -skript, som kan anropas från ett program med hjälp av en enkel lagrad procedur. Ytterligare prestandavinster uppnås genom att strömma data från SQL till Python-processer och MPI-ringparallellisering.
Du kan använda T-SQL PREDICT-funktionen för att utföra inbyggd poängsättning på en förtränad modell som tidigare har sparats i det nödvändiga binära formatet.
Python-bibliotek
| Paket | Beskrivning |
|---|---|
| revoscalepy | Python-motsvarighet till RevoScaleR. Du kan skapa Python-modeller för linjära och logistiska regressioner, beslutsträd, förstärkta träd och slumpmässiga skogar, alla parallelliserbara och kan köras i fjärranslutna beräkningskontexter. Det här paketet stöder användning av flera datakällor och fjärrberäkningskontexter. Dataexperten eller utvecklaren kan köra Python-kod på en fjärransluten SQL Server för att utforska data eller skapa modeller utan att flytta data. |
| microsoftml | Python-motsvarighet till MicrosoftML R-paketet. |
Förtränade modeller
Förtränade modeller är tillgängliga för både Python och R. Använd dessa modeller för bildigenkänning och positiv-negativ attitydanalys för att generera förutsägelser om dina egna data.
Fristående server som en delad funktion i SQL Server-installationsprogrammet
Den här versionen lägger också till SQL Server Machine Learning Server (fristående), en helt oberoende datavetenskapsserver som stöder statistisk och förutsägande analys i R och Python. Precis som med R Services är den här servern nästa version av SQL Server 2016 R Server (fristående). Med den fristående servern kan du distribuera och skala R- eller Python-lösningar utan beroenden på SQL Server.
Nytt i SQL Server 2016
Den här versionen introducerade maskininlärningsfunktioner i SQL Server via SQL Server 2016 R Services, en analysmotor i databasen för bearbetning av R-skript på interna data i en databasmotorinstans.
Dessutom släpptes SQL Server 2016 R Server (fristående) som ett sätt att installera R Server på en Windows-server. Från början var SQL Server-installationen det enda sättet att installera R Server för Windows. I senare versioner kan utvecklare och dataexperter som ville ha R Server i Windows använda ett annat fristående installationsprogram för att uppnå samma mål. Den fristående servern i SQL Server är funktionellt likvärdig med den fristående serverprodukten Microsoft R Server för Windows.
För en översikt över alla funktionella nyheter, se Nyheter i SQL Server 2016.
| Släppa | Funktionsuppdatering |
|---|---|
| CU-tillägg | Realtidsbedömning förlitar sig på interna C++-bibliotek för att läsa en modell som lagras i ett optimerat binärt format och sedan generera förutsägelser utan att behöva anropa R-körningen. Detta snabbar upp poängsättningen avsevärt. Med realtidsbedömning kan du köra en lagrad procedur eller utföra realtidsbedömning från R-kod. Realtidsbedömning är också tillgängligt för SQL Server 2016, om instansen uppgraderas till den senaste versionen av Microsoft R Server. |
| Första versionen |
R-integrering för databasanalys. R-paket för att anropa R-funktioner i T-SQL och vice versa. RevoScaleR-funktioner ger R-analys i stor skala genom att segmentera data i komponentdelar, samordna och hantera distribuerad bearbetning och aggregera resultat. I SQL Server 2016 R Services (In-Database) är RevoScaleR-motorn integrerad med en instans av databasmotorn och samlar data och analys i samma bearbetningskontext. T-SQL- och R-integrering via sp_execute_external_script. Du kan anropa valfri R-kod med den här lagrade proceduren. Den här säkra infrastrukturen möjliggör distribution i företagsklass av Rn-modeller och skript som kan anropas från ett program med hjälp av en enkel lagrad procedur. Ytterligare prestandavinster uppnås genom att strömma data från SQL till R-processer och MPI-ringparallellisering. Du kan använda T-SQL-funktionen PREDICT för att utföra inbyggd poängsättning på en förtränad modell som tidigare har sparats i det nödvändiga binära formatet. |
Linux-stöd
SQL Server 2019 lägger till Linux-stöd för R och Python när du installerar maskininlärningspaketen med en databasmotorinstans. Mer information finns i Installera SQL Server Machine Learning Services på Linux.
I Linux har SQL Server 2017 ingen R- eller Python-integrering, men du kan använda intern bedömning på Linux eftersom den funktionen är tillgänglig via T-SQL PREDICT, som körs på Linux. Inbyggd poängsättning möjliggör högpresterande poängsättning från en förtränad modell, utan att anropa eller ens kräva en R-miljö.