Neuerungen in SQL Server-Machine Learning ServicesWhat's new in SQL Server Machine Learning Services

Gilt für: JaSQL Server NeinAzure SQL-Datenbank NeinAzure Synapse Analytics (SQL DW) NeinParallel Data Warehouse APPLIES TO: yesSQL Server noAzure SQL Database noAzure Synapse Analytics (SQL DW) noParallel Data Warehouse

Funktionen für maschinelles Lernen werden SQL Server in jedem Release hinzugefügt, während wir die Integration zwischen der Datenplattform, erweiterten Analysen und Data Science weiter ausbauen, erweitern und vertiefen.Machine learning capabilities are added to SQL Server in each release as we continue to expand, extend, and deepen the integration between the data platform, advanced analytics, and data science.

Neues in SQL Server 2019New in SQL Server 2019

Mit diesem Release wird SQL Server um die am häufigsten nachgefragten Funktionen für Vorgänge des maschinellen Lernens mit Python und R ergänzt.This release adds the top-requested features for Python and R machine learning operations in SQL Server. Weitere Informationen zu allen Features in diesem Release finden Sie unter Neuerungen in SQL Server 2019 und Versionshinweise für SQL Server 2019.For more information about all of the features in this release, see What's New in SQL Server 2019 and Release Notes for SQL Server 2019.

Hinweis

Die Dokumentation zu den Neuerungen für Java in SQL Server 2019 finden Sie unter Neuerungen in SQL Server-Spracherweiterungen.For the what's new documentation on Java in SQL Server 2019, see the What's new in SQL Server Language Extensions?

Für SQL Server Machine Learning Services werden die folgenden neuen Funktionen bereitgestellt:Below are the new features for SQL Server Machine Learning Services:

Neuerungen in SQL Server 2017New in SQL Server 2017

Ab dieser Version werden Python-Unterstützung und branchenführende Algorithmen für maschinelles Lernen bereitgestellt.This release adds Python support and industry-leading machine learning algorithms. SQL Server 2017 wurde umbenannt, um den neuen Anwendungsbereich widerzuspiegeln. Gleichzeitig geht hiermit die Einführung von SQL Server Machine Learning Services (datenbankintern) einher, einschließlich der Sprachunterstützung für Python und R.Renamed to reflect the new scope, SQL Server 2017 marks the introduction of SQL Server Machine Learning Services (In-Database), with language support for both Python and R.

Ankündigungen sämtlicher neuer Funktionen finden Sie unter Neues in SQL Server 2017.For feature announcements all-up, see What's New in SQL Server 2017.

R-ErweiterungenR enhancements

Bei der R-Komponente von SQL Server Machine Learning Services handelt es sich um die nächste Generation von SQL Server 2016 R Services, einschließlich aktualisierter Versionen von Basis-R, RevoScaler und anderen Paketen.The R component of SQL Server Machine Learning Services is the next generation of SQL Server 2016 R Services, with updated versions of base R, RevoScaler, and other packages.

Zu den neuen Funktionen für R zählen die Paketverwaltung mit den folgenden Highlights:New capabilities for R include package management, with the following highlights:

R-BibliothekenR libraries

PaketPackage und BeschreibungDescription
MicrosoftMLMicrosoftML In diesem Release ist MicrosoftML in einer Standard-R-Installation integriert, wodurch der in den vorherigen SQL Server 2016 R Services erforderliche Upgradeschritt entfällt.In this release, MicrosoftML is included in a default R installation, eliminating the upgrade step required in the previous SQL Server 2016 R Services. MicrosoftML bietet modernste maschinelle Lernalgorithmen und Datentransformationen, die skaliert oder in Remotecomputekontexten ausgeführt werden können.MicrosoftML provides state-of-the-art machine learning algorithms and data transformations that can be scaled or run in remote compute contexts. Zu den Algorithmen gehören anpassbare Deep Neural Networks, Schnellentscheidungsstrukturen und -entscheidungswälder, lineare Regression und logistische Regression.Algorithms include customizable deep neural networks, fast decision trees and decision forests, linear regression, and logistic regression.

Python-Integration für datenbankinterne AnalysenPython integration for in-database analytics

Python ist eine Sprache, die eine große Flexibilität und Leistungsfähigkeit für eine Vielzahl von Aufgaben des maschinellen Lernens bietet.Python is a language that offers great flexibility and power for a variety of machine learning tasks. Open-Source-Bibliotheken für Python umfassen verschiedene Plattformen für anpassbare neuronale Netze sowie beliebte Bibliotheken für die Verarbeitung natürlicher Sprache.Open-source libraries for Python include several platforms for customizable neural networks, as well as popular libraries for natural language processing.

Da Python in die Datenbank-Engine integriert ist, können Sie die Analysen datennah durchführen und die mit der Datenverschiebung verbundenen Kosten und Sicherheitsrisiken eliminieren.Because Python is integrated with the database engine, you can keep analytics close to the data and eliminate the costs and security risks associated with data movement. Sie können Lösungen des maschinellen Lernens auf Basis von Python mit Tools wie Visual Studio bereitstellen.You can deploy machine learning solutions based on Python using tools like Visual Studio. Ihre Produktionsanwendungen können mit Hilfe von SQL Server-Datenzugriffsmethoden Vorhersagen, Modelle oder Visualisierungen aus der Python 3.5-Runtime abrufen.Your production applications can get predictions, models, or visuals from the Python 3.5 runtime using SQL Server data access methods.

Die T-SQL- und Python-Integration wird durch die gespeicherte Systemprozedur sp_execute_external_script unterstützt.T-SQL and Python integration is supported through the sp_execute_external_script system stored procedure. Mit dieser gespeicherten Prozedur können Sie beliebigen Python-Code abrufen.You can call any Python code using this stored procedure. Der Code wird in einer sicheren, dualen Architektur ausgeführt, die eine unternehmensweite Bereitstellung von Python-Modellen und -Skripts ermöglicht, welche über eine einfache gespeicherte Prozedur aus einer Anwendung aufgerufen werden können.Code runs in a secure, dual architecture that enables enterprise-grade deployment of Python models and scripts, callable from an application using a simple stored procedure. Weitere Leistungssteigerungen werden durch das Streaming von Daten aus SQL an Python-Prozesse und durch die Parallelisierung von MPI-Ringen erzielt.Additional performance gains are achieved by streaming data from SQL to Python processes and MPI ring parallelization.

Sie können die T-SQL-Funktion PREDICT verwenden, um eine native Bewertung für ein vortrainiertes Modell vorzunehmen, das vorab im erforderlichen Binärformat gespeichert wurde.You can use the T-SQL PREDICT function to perform native scoring on a pre-trained model that has been previously saved in the required binary format.

Python-BibliothekenPython libraries

PaketPackage und BeschreibungDescription
revoscalepyrevoscalepy Dies ist die Python-Entsprechung zu RevoScaleR.Python-equivalent of RevoScaleR. Sie können Python-Modelle für lineare und logistische Regressionen, Entscheidungsstrukturen, verstärkte Strukturen und zufällige Gesamtstrukturen erstellen, die alle parallelisierbar sind und in Remotecomputekontexten ausgeführt werden können.You can create Python models for linear and logistic regressions, decision trees, boosted trees, and random forests, all parallelizable, and capable of being run in remote compute contexts. Dieses Paket unterstützt die Verwendung mehrerer Datenquellen und Remotecomputekontexte.This package supports use of multiple data sources and remote compute contexts. Der Datenanalyst oder -entwickler kann Python-Code auf einer SQL-Server-Remoteinstanz ausführen, um Daten zu untersuchen oder Modelle zu erstellen, ohne Daten zu verschieben.The data scientist or developer can execute Python code on a remote SQL Server, to explore data or build models without moving data.
microsoftmlmicrosoftml Dies ist die Python-Entsprechung zum MicrosoftML R-Paket.Python-equivalent of the MicrosoftML R package.

Vortrainierte ModellePre-trained models

Vortrainierte Modelle sind sowohl für Python als auch für R verfügbar. Verwenden Sie diese Modelle für die Bilderkennung und die Stimmungsanalyse (positiv/negativ), um Vorhersagen für Ihre eigenen Daten zu erstellen.Pre-trained models are available for both Python and R. Use these models for image recognition and positive-negative sentiment analysis, to generate predictions on your own data.

Eigenständiger Server als freigegebene Funktion im SQL Server-SetupStandalone Server as a shared feature in SQL Server Setup

Mit diesem Release wird auch SQL Server Machine Learning Server (Standalone) eingeführt, ein vollständig unabhängiger Data Science-Server, der statistische Analysen und Vorhersageanalysen in R und Python unterstützt.This release also adds SQL Server Machine Learning Server (Standalone), a fully independent data science server, supporting statistical and predictive analytics in R and Python. Wie bei R Services handelt es sich bei diesem Server um die nächste Version von SQL Server 2016 R Server (Standalone).As with R Services, this server is the next version of SQL Server 2016 R Server (Standalone). Mit dem eigenständigen Server können Sie R- oder Python-Lösungen ohne Abhängigkeiten auf SQL Server verteilen und skalieren.With the standalone server, you can distribute and scale R or Python solutions with no dependencies on SQL Server.

Neues in SQL Server 2016New in SQL Server 2016

Mit diesem Release wurden Funktionen des maschinellen Lernens mithilfe von SQL Server 2016 R Services in SQL Server eingeführt. Bei diesen Services handelt es sich um eine datenbankinterne Analyse-Engine für die Verarbeitung von R-Skripts mit residenten Daten innerhalb einer Datenbank-Engine-Instanz.This release introduced machine learning capabilities into SQL Server through SQL Server 2016 R Services, an in-database analytics engine for processing R script on resident data within a database engine instance.

Darüber hinaus wurde SQL Server 2016 R Server (Standalone) als Möglichkeit zum Installieren von R Server auf einem Windows-Server freigegeben.Additionally, SQL Server 2016 R Server (Standalone) was released as a way to install R Server on a Windows server. Anfangs stellte SQL Server-Setup die einzige Möglichkeit dar, R Server for Windows zu installieren.Initially, SQL Server Setup provided the only way to install R Server for Windows. In späteren Versionen konnten Entwickler und Datenanalysten, die R Server unter Windows wünschten, ein anderes eigenständiges Installationsprogramm verwenden, um das gleiche Ziel zu erreichen.In later releases, developers and data scientists who wanted R Server on Windows could use another standalone installer to achieve the same goal. Der eigenständige Server in SQL Server ist funktional gleichwertig zum eigenständigen Serverprodukt Microsoft R Server for Windows.The standalone server in SQL Server is functionally equivalent to the standalone server product, Microsoft R Server for Windows.

Ankündigungen sämtlicher neuer Funktionen finden Sie unter Neues in SQL Server 2016.For feature announcements all-up, see What's New in SQL Server 2016.

ReleaseRelease FeatureupdateFeature update
CU-ErgänzungenCU additions Die Echtzeitbewertung basiert auf nativen C++ Bibliotheken, um ein in einem optimierten Binärformat gespeichertes Modell zu lesen und dann Vorhersagen zu generieren, ohne die R-Runtime aufrufen zu müssen.Real-time scoring relies on native C++ libraries to read a model stored in an optimized binary format, and then generate predictions without having to call the R runtime. Dadurch werden Bewertungsvorgänge erheblich beschleunigt.This makes scoring operations much faster. Mit der Echtzeitbewertung können Sie eine gespeicherte Prozedur ausführen oder die Echtzeitbewertung aus R-Code durchführen.With real-time scoring, you can run a stored procedure or perform real-time scoring from R code. Die Echtzeitbewertung ist auch für SQL Server 2016 verfügbar, wenn für die Instanz ein Upgrade auf die neueste Version von Microsoft R ServerMicrosoft R Server durchgeführt wurde.Real-time scoring is also available for SQL Server 2016, if the instance is upgraded to the latest release of Microsoft R ServerMicrosoft R Server.
Erste VeröffentlichungInitial release R-Integration für datenbankinterne Analysen.R integration for in-database analytics.

R-Pakete zum Aufrufen von R-Funktionen in T-SQL und umgekehrt.R packages for calling R functions in T-SQL, and vice versa. RevoScaleR-Funktionen bieten skalierte R-Analysen, indem sie Daten in einzelne Komponenten zerlegen, die verteilte Verarbeitung koordinieren und verwalten und die Ergebnisse aggregieren.RevoScaleR functions provide R analytics at scale by chunking data into component parts, coordinating and managing distributed processing, and aggregating results. In SQL Server 2016 R Services (datenbankintern) ist die RevoScaleR-Engine in eine Instanz der Datenbank-Engine integriert, sodass Daten und Analysen in demselben Verarbeitungskontext zusammengefasst werden.In SQL Server 2016 R Services (In-Database), the RevoScaleR engine is integrated with a database engine instance, brining data and analytics together in the same processing context.

T-SQL- und R-Integration über sp_execute_external_script.T-SQL and R integration through sp_execute_external_script. Mit dieser gespeicherten Prozedur können Sie beliebigen R-Code abrufen.You can call any R code using this stored procedure. Diese sichere Infrastruktur erlaubt eine unternehmensweite Bereitstellung von Rn-Modellen und -Skripts, welche über eine einfache gespeicherte Prozedur aus einer Anwendung aufgerufen werden können.This secure infrastructure enables enterprise-grade deployment of Rn models and scripts that can be called from an application using a simple stored procedure. Weitere Leistungssteigerungen werden durch das Streaming von Daten aus SQL an R-Prozesse und durch die Parallelisierung von MPI-Ringen erzielt.Additional performance gains are achieved by streaming data from SQL to R processes and MPI ring parallelization.

Sie können die T-SQL-Funktion PREDICT verwenden, um eine native Bewertung für ein vortrainiertes Modell vorzunehmen, das vorab im erforderlichen Binärformat gespeichert wurde.You can use the T-SQL PREDICT function to perform native scoring on a pre-trained model that has been previously saved in the required binary format.

Linux-UnterstützungLinux support

In SQL Server 2019 wird eine Linux-Unterstützung für R und Python bereitgestellt, wenn Sie die Pakete für das maschinelle Lernen mit einer Datenbank-Engine-Instanz installieren.SQL Server 2019 adds Linux support for R and Python when you install the machine learning packages with a database engine instance. Weitere Informationen finden Sie unter Installieren von SQL Server Machine Learning Services unter Linux.For more information, see Install SQL Server Machine Learning Services on Linux.

Unter Linux verfügt SQL Server 2017 nicht über eine R- oder Python-Integration, Sie können jedoch die native Bewertung unter Linux verwenden, da diese Funktion über die T-SQL-Funktion PREDICT verfügbar ist, die unter Linux ausgeführt wird.On Linux, SQL Server 2017 does not have R or Python integration, but you can use Native scoring on Linux because that functionality is available through T-SQL PREDICT, which runs on Linux. Die native Bewertung ermöglicht eine leistungsstarke Bewertung aus einem vortrainierten Modell, ohne dass eine R-Runtime aufgerufen oder gar benötigt wird.Native scoring enables high-performance scoring from a pretrained model, without calling or even requiring an R runtime.

Machine Learning Services in Azure SQL-DatabaseMachine Learning Services in Azure SQL Database

Die Machine Learning Services in Azure SQL-Datenbank befinden sich in der öffentlichen Vorschau.Machine Learning Services in Azure SQL Database is in public preview. Weitere Informationen finden Sie unter Azure SQL-Datenbank Machine Learning Services (Vorschau).For more information, see Azure SQL Database Machine Learning Services (preview).

Nächste SchritteNext steps