Репортаж от Wedoany，Компания Capital One Software добавила функцию интеллектуальной оптимизации в корпоративную платформу управления инфраструктурой данных Slingshot, направленную на повышение производительности рабочих нагрузок Snowflake и быстрое выявление и устранение связанных проблем. Эта функция использует контекстную информацию из пользовательской среды для выявления возможностей повышения производительности, выходящих за рамки базового синтаксиса SQL и уровня затрат на хранение.
Эта функция отражает фундаментальный сдвиг в подходе к эффективной обработке данных: вместо изолированной настройки отдельных ресурсов — понимание и оптимизация всей системы, включая код, конвейеры, инфраструктуру и команды.
Джефф Чоу, вице-президент по управлению продуктами Slingshot в Capital One Software, отметил, что корпоративная инфраструктура данных представляет собой сложную взаимозависимую сеть, для масштабной оптимизации которой требуется контекстно-ориентированный подход. Функция интеллектуальной оптимизации Slingshot помогает компаниям понять, как на самом деле выполняются запросы, для чего используются таблицы и где команды непреднамеренно дублируют работу, тем самым повышая эффективность на системном уровне.
Предстоящие функции интеллектуальной оптимизации Slingshot включают: контекстно-зависимую оптимизацию запросов на основе ИИ, которая автоматически определяет основные запросы в среде Snowflake по стоимости, времени выполнения и частоте, а также генерирует рекомендации по оптимизации на основе ИИ, предоставляя администраторам и инженерам данных практические шаги с оценкой улучшения стоимости и времени выполнения; контекстно-зависимую оптимизацию таблиц на основе ИИ, которая анализирует 50 лучших таблиц по влиянию на запросы и предлагает многомерные решения по исправлению инфраструктуры, проверяя перед выдачей рекомендаций, что изменения таблиц не окажут негативного влияния на основные запросы; обнаружение дублирующихся конвейеров, использующее ИИ для выявления непреднамеренной избыточности путем анализа общих шаблонов использования данных и сравнения аналогичных рабочих нагрузок для оценки функциональной эквивалентности; обозреватель данных — интерактивный интерфейс детального анализа, поддерживающий расследование первопричин командами данных, где пользователи могут с помощью синхронизированных фильтров сегментировать затраты по нескольким измерениям, таким как учетная запись, пользователь, хэш запроса, тег, тип сервиса, а также предоставляются страницы с деталями отдельных хранилищ, баз данных и запросов, а также исторический контекст изменений хранилищ.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
