Databricks ha unificado el procesamiento analítico y transaccional en su Lakehouse, añadiendo capacidades de marketing agente y consultas en tiempo real a gran escala. Las actualizaciones se anunciaron en su Cumbre Data + AI de San Francisco, que atrajo a más de 30.000 asistentes in situ.
La nueva arquitectura LTAP (Lake Transactional/Analytical Processing) unifica OLAP y OLTP a través de una capa de almacenamiento compartido. Integra Lakebase y Lakehouse sin servidor, basados en Postgres, bajo una gobernanza unificada, una única fuente de verdad y almacenamiento compartido para datos operativos, analíticos y de transmisión.
A diferencia de las herramientas de unificación OLAP/OLTP de la capa informática, LTAP converge datos en la capa de almacenamiento. Hace que los datos operativos estén listos para el análisis instantáneamente sin canalizaciones adicionales, lo que admite el escalamiento independiente y completamente aislado de cargas de trabajo transaccionales y analíticas sin pérdida de rendimiento. Basado en estándares abiertos, funciona con todas las aplicaciones compatibles con Postgres y lectores de tablas Delta/Iceberg.
"La infraestructura de datos compleja ha sido durante mucho tiempo una sobrecarga empresarial. Los agentes de IA han ampliado rápidamente la capacidad de la fuerza laboral empresarial, pero los sistemas heredados se han convertido en un cuello de botella importante: LTAP resuelve este desafío", dijo el cofundador y director ejecutivo de Databricks, Ali Ghodsi.
LTAP se basa en Lakebase, que lleva las transacciones de Postgres al almacenamiento de objetos de Lakehouse. Su separación entre computación y almacenamiento reduce drásticamente los costos de ejecución masiva de aplicaciones y agentes de inteligencia artificial simultáneos. Lanzado el año pasado, Lakebase presta servicios a miles de clientes, incluidos Block, Zillow y Superhuman, y gestiona 12 millones de lanzamientos diarios de bases de datos.
Anteriormente, Lakebase y Lakehouse mantenían copias y formatos de datos separados a pesar del almacenamiento compartido. LTAP elimina la duplicación redundante, almacenando todos los datos en Unity Catalog con formatos abiertos estándar de Lakehouse. Las reglas unificadas de identidad, permisos y auditoría brindan una gobernanza consistente, permitiendo que los agentes de IA operen en una fuente de datos confiable.
Las cargas de trabajo transaccionales mantienen el cumplimiento total de Postgres ACID, mientras que las cargas de trabajo analíticas se ejecutan a escala y simultaneidad ilimitadas. El movimiento cero de datos garantiza resultados operativos y analíticos consistentes sin necesidad de ETL. Lakebase agrega tres actualizaciones clave: recuperación ante desastres entre nubes y regiones, ramificaciones/instantáneas estilo Git para pruebas de producción seguras y operaciones de bases de datos autónomas impulsadas por IA para monitoreo, optimización y recuperación.
Databricks lanzó Lakehouse//RT, un Lakehouse en tiempo real impulsado por el nuevo motor informático Reyden. Ofrece latencia a nivel de milisegundos para usuarios simultáneos masivos y agentes de IA, y se ejecuta de forma nativa en tablas gobernadas por Delta Lake e Iceberg en Unity Catalog. Elimina permisos separados, formatos propietarios y canalizaciones de sincronización, eliminando el costo de las capas de servicio independientes en tiempo real.
"Hemos unificado cargas de trabajo de datos centrales en infraestructura abierta durante una década. Lakehouse//RT completa la pila, ofreciendo la capa de baja latencia crítica para los agentes de inteligencia artificial y análisis modernos, lo que demuestra que Lakehouses también lidera las cargas de trabajo en tiempo real", agregó Ghodsi.
Lakehouse//RT logra una latencia de 10 ms para conjuntos de datos pequeños y una latencia inferior a 100 ms para datos a gran escala. Los puntos de referencia muestran una latencia inferior a 100 ms a 12 000 QPS, y las cargas de trabajo de los clientes obtienen un rendimiento hasta 16 veces mayor que los sistemas tradicionales de servicio en tiempo real.
Databricks también presentó CustomerLake, un CDP agente nativo basado en Lakehouse. Según lo definido por CDPI, los CDP unifican datos de clientes de múltiples fuentes en perfiles unificados. CustomerLake consolida datos de sitios web, aplicaciones, sistemas CRM y POS, reemplazando campañas de marketing únicas con “campañas infinitas” continuas impulsadas por agentes para ofrecer experiencias de cliente personalizadas en tiempo real a miles de millones de escala.
Equipado con agentes de perfil y campaña dedicados, un ecosistema de socios abierto y ETL inverso nativo, unifica y activa los datos de los clientes en todas las pilas de martech. Después de Lakewatch, es el segundo producto empresarial vertical de Databricks, que adopta un modelo de consumo basado en el valor en lugar de las licencias de software tradicionales.
Disponibilidad: Lakehouse//RT está en versión beta; LTAP se lanzará pronto como una función de Lakebase; CustomerLake se encuentra en una versión preliminar privada con los primeros usuarios, incluidos HP, Circle K, AB InBev y Getnet de Santander. En particular, la empresa de bases de datos vectoriales Zilliz aplica el término "Lakebase" de manera diferente para su Milvus Vector Lakebase.
Beijing Qianxing Jietong Tecnología Co., Ltd.
Sandy Yang/Director de Estrategia Global
WhatsApp/WeChat: +86 13426366826
Correo electrónico: yangyd@qianxingdata.com
Sitio web: www.qianxingdata.com/www.storagesserver.com
Enfoque empresarial:
Distribución de productos TIC/Integración de sistemas y servicios/Soluciones de infraestructura
Con más de 20 años de experiencia en distribución de TI, nos asociamos con marcas líderes a nivel mundial para ofrecer productos confiables y servicios profesionales.
“Uso de la tecnología para construir un mundo inteligente” ¡Su proveedor de servicios de productos TIC de confianza!
¡Su mensaje debe tener entre 20 y 3.000 caracteres!
Spanish
