Nouveautés de SQL Server Machine Learning ServicesWhat's new in SQL Server Machine Learning Services

S’APPLIQUE À : ouiSQL Server nonAzure SQL Database nonAzure SQL Data Warehouse nonParallel Data Warehouse APPLIES TO: yesSQL Server noAzure SQL Database noAzure SQL Data Warehouse noParallel Data Warehouse

Des fonctionnalités d’apprentissage automatique sont ajoutées à SQL Server dans chaque version, car nous continuons à développer, étendre et approfondir l’intégration entre la plateforme de données, l’analytique avancée et la science des données.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.

Nouveautés de SQL Server version préliminaire 2019New in SQL Server 2019 preview

Cette version ajoute les fonctionnalités les plus demandées pour les opérations R et Python Machine Learning dans SQL Server.This release adds the top-requested features for R and Python machine learning operations in SQL Server. Pour plus d’informations sur toutes les fonctionnalités de cette version, consultez What’s New in SQL Server 2019 and release Notes for 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.

Notes

Pour obtenir la documentation sur les nouveautés de Java dans SQL Server 2019, consultez les nouvelles extensions de langages de SQL Server .For the what's new documentation on Java in SQL Server 2019, see the What new in SQL Server Language Extensions?

LibérerRelease Mise à jour des fonctionnalitésFeature update
CTP 3.2CTP 3.2 Aucune modification.No changes.
CTP 3.1CTP 3.1 Aucune modification.No changes.
CTP 3.0CTP 3.0 Aucune modification.No changes.
CTP 2,5CTP 2.5 Aucune modification.No changes.
CTP 2.4CTP 2.4 Prise en charge de Linux pour Create External Library (Transact-SQL) pour R et Python.Linux support for CREATE EXTERNAL LIBRARY (Transact-SQL) for R and Python.
CTP 2.3CTP 2.3 Sur Windows uniquement, le code Python est accessible dans une bibliothèque externe à l’aide de l’instruction Create External Library (Transact-SQL) .On Windows only, Python code can be accessed in an external library using the CREATE EXTERNAL LIBRARY (Transact-SQL) statement.
CTP 2.2CTP 2.2 Aucune modification.No changes.
CTP 2.1CTP 2.1 Aucune modification.No changes.
CTP 2.0CTP 2.0 Prise en charge de la plateforme Linux pour R et Python Machine Learning.Linux platform support for R and Python machine learning. Prise en main de l' installation SQL Server machine learning services sur Linux.Get started with Install SQL Server Machine Learning Services on Linux.
Le sp_execute_external_script introduit deux nouveaux paramètres qui vous permettent de générer facilement plusieurs modèles à partir de données partitionnées.The sp_execute_external_script introduces two new parameters that enable you to easily generate multiple models from partitioned data. Pour plus d’informations, consultez ce didacticiel, créer des modèles basés sur des partitions dans R.Learn more in this tutorial, Create partition-based models in R.
La prise en charge des clusters de basculement est désormais prise en charge sur Windows et Linux, en supposant SQL Server Launchpad service est démarré sur tous les nœuds.Failover cluster support is now supported on Windows and Linux, assuming SQL Server Launchpad service is started on all nodes. Pour plus d’informations, consultez SQL Server l’installationd’un cluster de basculement.For more information, see SQL Server failover cluster installation.

Nouveautés de SQL Server 2017New in SQL Server 2017

Cette version ajoute la prise en charge de Python et les algorithmes de machine learning de pointe.This release adds Python support and industry-leading machine learning algorithms. Renommée pour refléter la nouvelle étendue, SQL Server 2017 marque l’introduction de SQL Server machine learning services (dans la base de données), avec prise en charge linguistique pour Python et 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.

Pour plus d’informations sur les annonces de fonctionnalités, consultez Nouveautés de SQL Server 2017.For feature announcements all-up, see What's New in SQL Server 2017.

Améliorations de RR enhancements

Le composant R de SQL Server Machine Learning Services est la nouvelle génération de SQL Server 2016 R services, avec les versions mises à jour de base R, RevoScaler et d’autres packages.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.

Les nouvelles fonctionnalités de R incluent la gestion des packages, avec les points suivants:New capabilities for R include package management, with the following highlights:

Bibliothèques RR libraries

PackagePackage DescriptionDescription
MicrosoftMLMicrosoftML Dans cette version, MicrosoftML est inclus dans une installation R par défaut, ce qui élimine l’étape de mise à niveau requise dans le précédent SQL Server les services R 2016.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 fournit des algorithmes de Machine Learning et des transformations de données de pointe qui peuvent être mis à l’échelle ou exécutés dans des contextes de calcul distants.MicrosoftML provides state-of-the-art machine learning algorithms and data transformations that can be scaled or run in remote compute contexts. Les algorithmes incluent des réseaux neuronaux profonds personnalisables, des arbres de décision rapide et des forêts de décision, la régression linéaire et la régression logistique.Algorithms include customizable deep neural networks, fast decision trees and decision forests, linear regression, and logistic regression.

Intégration de Python pour l’analyse en base de donnéesPython integration for in-database analytics

Python est un langage qui offre une grande flexibilité et une grande puissance pour un large éventail de tâches de Machine Learning.Python is a language that offers great flexibility and power for a variety of machine learning tasks. Les bibliothèques Open source pour Python incluent plusieurs plateformes pour les réseaux neuronaux personnalisables, ainsi que des bibliothèques populaires pour le traitement en langage naturel.Open-source libraries for Python include several platforms for customizable neural networks, as well as popular libraries for natural language processing.

Étant donné que Python est intégré au moteur de base de données, vous pouvez conserver les analyses proches des données et éliminer les coûts et les risques de sécurité liés au déplacement des données.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. Vous pouvez déployer des solutions Machine Learning basées sur Python à l’aide d’outils tels que Visual Studio.You can deploy machine learning solutions based on Python using tools like Visual Studio. Vos applications de production peuvent se procurer des prédictions, des modèles ou des visuels à partir du runtime python 3,5 à l’aide de SQL Server méthodes d’accès aux données.Your production applications can get predictions, models, or visuals from the Python 3.5 runtime using SQL Server data access methods.

L’intégration T-SQL et Python est prise en charge via la procédure stockée système sp_execute_external_script .T-SQL and Python integration is supported through the sp_execute_external_script system stored procedure. Vous pouvez appeler n’importe quel code Python à l’aide de cette procédure stockée.You can call any Python code using this stored procedure. Le code s’exécute dans une architecture sécurisée et double qui permet le déploiement de modèles et de scripts Python à l’échelle de l’entreprise, pouvant être appelé à partir d’une application à l’aide d’une procédure stockée simple.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. Des gains de performances supplémentaires sont réalisés en diffusant des données de SQL vers des processus Python et une parallélisation de sonnerie MPI.Additional performance gains are achieved by streaming data from SQL to Python processes and MPI ring parallelization.

Vous pouvez utiliser la fonction PREDICTION T-SQL pour effectuer un calcul de score natif sur un modèle pré-formé qui a déjà été enregistré au format binaire requis.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.

Bibliothèques pythonPython libraries

PackagePackage DescriptionDescription
revoscalepyrevoscalepy Équivalent python de RevoScaleR.Python-equivalent of RevoScaleR. Vous pouvez créer des modèles Python pour les régressions linéaires et logistiques, les arbres de décision, les arbres amplifiés et les forêts aléatoires, tous les parallèles et capables d’être exécutés dans des contextes de calcul distants.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. Ce package prend en charge l’utilisation de plusieurs sources de données et de contextes de calcul distants.This package supports use of multiple data sources and remote compute contexts. Le chercheur ou le développeur de données peut exécuter du code Python sur un SQL Server distant pour explorer des données ou créer des modèles sans déplacer les données.The data scientist or developer can execute Python code on a remote SQL Server, to explore data or build models without moving data.
microsoftmlmicrosoftml Équivalent python du package R MicrosoftML.Python-equivalent of the MicrosoftML R package.

Modèles dont l’apprentissage a déjà été effectuéPre-trained models

Des modèles préformés sont disponibles pour Python et R. Utilisez ces modèles pour la reconnaissance d’images et l’analyse des sentiments positifs-négatifs pour générer des prédictions sur vos propres données.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.

Serveur autonome en tant que fonctionnalité partagée dans le programme d’installation de SQL ServerStandalone Server as a shared feature in SQL Server Setup

Cette version ajoute également SQL Server machine learning Server (autonome), un serveur de science des données entièrement indépendant, prenant en charge l’analyse statistique et prédictive dans R et Python.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. Comme avec R services, ce serveur est la prochaine version de SQL Server 2016 R Server (autonome).As with R Services, this server is the next version of SQL Server 2016 R Server (Standalone). Avec le serveur autonome, vous pouvez distribuer et mettre à l’échelle des solutions R ou python sans dépendances sur SQL Server.With the standalone server, you can distribute and scale R or Python solutions with no dependencies on SQL Server.

Nouveautés de SQL Server 2016New in SQL Server 2016

Cette version a introduit les fonctionnalités de Machine Learning dans SQL Server par le biais de SQL Server 2016 R services, un moteur d’analyse en base de données pour le traitement des scripts R sur les données résidentes au sein d’une instance du moteur de base de données.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.

En outre, SQL Server 2016 R Server (autonome) a été publié comme un moyen d’installer R Server sur un serveur Windows.Additionally, SQL Server 2016 R Server (Standalone) was released as a way to install R Server on a Windows server. Initialement, SQL Server installation a fourni la seule façon d’installer R Server pour Windows.Initially, SQL Server Setup provided the only way to install R Server for Windows. Dans les versions ultérieures, les développeurs et les chercheurs de données qui souhaitaient R Server sur Windows pouvaient utiliser un autre programme d’installation autonome pour atteindre le même objectif.In later releases, developers and data scientists who wanted R Server on Windows could use another standalone installer to achieve the same goal. Le serveur autonome dans SQL Server est fonctionnellement équivalent au produit serveur autonome, Microsoft R Server pour Windows.The standalone server in SQL Server is functionally equivalent to the standalone server product, Microsoft R Server for Windows.

Pour plus d’informations sur les annonces de fonctionnalités, consultez Nouveautés de SQL Server 2016.For feature announcements all-up, see What's New in SQL Server 2016.

LibérerRelease Mise à jour des fonctionnalitésFeature update
Ajouts CUCU additions La notation en temps réel repose sur les C++ bibliothèques natives pour lire un modèle stocké dans un format binaire optimisé, puis générer des prédictions sans devoir appeler le runtime R.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. Cela rend les opérations de notation beaucoup plus rapides.This makes scoring operations much faster. Avec l’évaluation en temps réel, vous pouvez exécuter une procédure stockée ou effectuer des scores en temps réel à partir du code R.With real-time scoring, you can run a stored procedure or perform real-time scoring from R code. La notation en temps réel est également disponible pour SQL Server 2016, si l’instance est mise à niveau vers la dernière version Microsoft R ServerMicrosoft R Serverde.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.
Version initialeInitial release Intégration R pour l’analytique dans la base de données.R integration for in-database analytics.

Packages r pour appeler des fonctions R dans T-SQL, et vice versa.R packages for calling R functions in T-SQL, and vice versa. Les fonctions RevoScaleR fournissent des analyses R à l’échelle en segmentant les données en parties de composants, en coordonnant et en gérant le traitement distribué et en agrégeant les résultats.RevoScaleR functions provide R analytics at scale by chunking data into component parts, coordinating and managing distributed processing, and aggregating results. Dans SQL Server R 2016 R services (en base de données), le moteur RevoScaleR est intégré à une instance du moteur de base de données, en saumure les données et l’analyse dans le même contexte de traitement.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.

Intégration T-SQL et R par le biais de sp_execute_external_script.T-SQL and R integration through sp_execute_external_script. Vous pouvez appeler n’importe quel code R à l’aide de cette procédure stockée.You can call any R code using this stored procedure. Cette infrastructure sécurisée permet un déploiement à l’échelle de l’entreprise des modèles et des scripts RN qui peuvent être appelés à partir d’une application à l’aide d’une procédure stockée simple.This secure infrastructure enables enterprise-grade deployment of Rn models and scripts that can be called from an application using a simple stored procedure. Des gains de performances supplémentaires sont obtenus en diffusant des données de SQL vers des processus R et une parallélisation de sonnerie MPI.Additional performance gains are achieved by streaming data from SQL to R processes and MPI ring parallelization.

Vous pouvez utiliser la fonction PREDICTION T-SQL pour effectuer un calcul de score natif sur un modèle pré-formé qui a déjà été enregistré au format binaire requis.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.

Support LinuxLinux support

SQL Server 2019 ajoute la prise en charge Linux pour R et Python quand vous installez les packages Machine Learning avec une instance du moteur de base de données.SQL Server 2019 adds Linux support for R and Python when you install the machine learning packages with a database engine instance. Pour plus d’informations, consultez installer SQL Server machine learning services sur Linux.For more information, see Install SQL Server Machine Learning Services on Linux.

Sur Linux, SQL Server 2017 ne dispose pas de l’intégration R ou python, mais vous pouvez utiliser le score natif sur Linux, car cette fonctionnalité est disponible via la prédiction T-SQL, qui s’exécute sur Linux.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. Le score natif permet une notation à hautes performances à partir d’un modèle préformé, sans appeler ou même exiger un Runtime R.Native scoring enables high-performance scoring from a pretrained model, without calling or even requiring an R runtime.

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

Machine Learning Services dans Azure SQL Database est en version préliminaire publique.Machine Learning Services in Azure SQL Database is in public preview. Pour plus d’informations, consultez Azure SQL Database machine learning services (version préliminaire).For more information, see Azure SQL Database Machine Learning Services (preview).

Étapes suivantesNext steps