Американская EDB внедряет возможности конвергентной аналитики для Postgres AI

Репортаж от Wedoany，Поставщик корпоративных баз данных EnterpriseDB (EDB) внедряет возможности конвергентной аналитики для своей управляемой базы данных EDB Postgres AI, стремясь помочь предприятиям в реальном времени обрабатывать новые данные с помощью ИИ-агентов, не полагаясь на традиционные конвейеры данных и их копии. Этот шаг последовал за запуском Databricks продукта Lakehouse Transaction and Analytical Processing (LTAP) на базе Neon Postgres; оба поставщика стремятся к более тесной интеграции операционной обработки (OLTP) и аналитической обработки (OLAP).

Главный инженер EDB Макс Романенко отмечает, что подход EDB строится с принципиально иной отправной точки, чем у Databricks. Databricks расширяется от озера данных наружу, пытаясь внедрить транзакционные возможности через Lakebase; EDB же начинает с операционного уровня Postgres, на котором предприятия уже запускают критически важные рабочие нагрузки. EDB использует Postgres как источник операционных фактов, а Apache Iceberg — как общий каталог, соединяющий Postgres с вычислительными движками ClickHouse, WarehousePG и Spark. Это позволяет операционным данным оставаться в Postgres, а исторические данные хранятся в объектном хранилище под управлением Iceberg. Аналитические движки могут запрашивать одни и те же данные через общий каталог без необходимости создания отдельных копий или ETL-конвейеров. Романенко подчеркивает, что это архитектурное различие имеет решающее значение для целевых клиентов — предприятий, которые хотят получить возможности ИИ и аналитики, но не желают переносить конфиденциальные данные в облачные управляемые платформы.

Стефани Уолтер, руководитель практики AI-стека в HyperFrame Research, отмечает, что акцент EDB на контроле найдет отклик у CIO, озабоченных вопросами суверенитета данных, регулируемых данных и гибридных развертываний. Это позволит им запускать ИИ и аналитику ближе к данным на контролируемой предприятием инфраструктуре, не создавая при этом еще один проприетарный актив данных. Ашиш Чатурведи, исполнительный руководитель исследований в HFS Research, считает, что для CIO, управляющих бюджетами на аналитику и ИИ, подход конвергентной аналитики EDB обеспечивает более предсказуемую стоимость по сравнению с LTAP от Databricks. Модель ценообразования EDB на основе ядер делает затраты более прогнозируемыми по сравнению с облачными платформами данных с оплатой по потреблению, где счета могут колебаться из-за объема запросов, рабочих нагрузок ИИ и потребностей в обработке данных. Однако Игорь Иконников, консультант-исследователь Info-Tech Research Group, предупреждает, что предсказуемый счет не обязательно означает более низкую стоимость; требования к оборудованию для высокоскоростной обработки операционных данных выше и относительно дороже. Девин Пратт, директор по исследованиям IDC, отмечает, что архитектура EDB также может упростить управление данными за счет сокращения количества платформ, которыми необходимо управлять предприятию.

Конвергентная аналитика EDB призвана упростить работу разработчиков и команд инженеров данных. Уолтер считает, что архитектура сокращает количество систем, которые необходимо интегрировать и поддерживать, одновременно устраняя значительный объем работы по созданию конвейеров, традиционно необходимой для перемещения данных между транзакционными и аналитическими системами. Пратт отмечает, что нулевой ETL означает меньше конвейеров, которые нужно создавать и разрушать, позволяя инженерам тратить время на создание ценности. Помимо EDB и Databricks, Snowflake также расширяет поддержку операционных рабочих нагрузок за счет внедрения открытых табличных форматов, а Microsoft объединяет транзакционные и аналитические сервисы через платформу Fabric.

Конвергентная аналитика — лишь часть обновления платформы Postgres AI от EDB. EDB также сделала общедоступной функцию, которую называет «агентной базой данных», предназначенную для автоматизации рутинных задач управления базами данных. Компания заявляет, что система непрерывно отслеживает сотни операционных и производительных метрик, обнаруживает аномалии, рекомендует корректирующие меры и может автоматически применять исправления, если это разрешено политикой предприятия, помогая оптимизировать и настраивать базу данных, ускоряя работу до 10 раз. Уолтер считает, что это скорее эволюция концепции автономной базы данных, а не совершенно новая категория; Oracle и другие поставщики уже много лет предлагают подобные функции. Дифференциация EDB заключается в расширении этих автономных возможностей за счет ИИ-управляемых рассуждений, автоматического исправления и контроля управления, позволяя предприятию решать, какой уровень полномочий предоставить системе.

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