Databricks a unifié le traitement analytique et transactionnel sur son Lakehouse, en ajoutant des requêtes en temps réel à grande échelle et des capacités de marketing agent. Les mises à jour ont été annoncées lors du sommet Data + AI de San Francisco, qui a attiré plus de 30 000 participants sur place.
La nouvelle architecture LTAP (Lake Transactional/Analytical Processing) unifie OLAP et OLTP via une couche de stockage partagée. Il intègre Lakebase et Lakehouse sans serveur basés sur Postgres sous une gouvernance unifiée, une source unique de vérité et un stockage partagé pour les données opérationnelles, analytiques et en streaming.
Contrairement aux outils d'unification OLAP/OLTP de la couche de calcul, LTAP fait converger les données au niveau de la couche de stockage. Il rend les données opérationnelles instantanément prêtes pour l'analyse sans pipelines supplémentaires, prenant en charge une mise à l'échelle indépendante et entièrement isolée des charges de travail transactionnelles et analytiques sans perte de performances. Construit sur des normes ouvertes, il fonctionne avec toutes les applications compatibles Postgres et les lecteurs de table Delta/Iceberg.
"L'infrastructure de données complexe constitue depuis longtemps un fardeau pour l'entreprise. Les agents d'IA ont rapidement augmenté la capacité de la main-d'œuvre de l'entreprise, mais les systèmes existants sont devenus un goulot d'étranglement majeur - LTAP résout ce défi", a déclaré Ali Ghodsi, co-fondateur et PDG de Databricks.
LTAP est construit sur Lakebase, qui amène les transactions Postgres au stockage d'objets Lakehouse. Sa séparation calcul-stockage réduit considérablement les coûts d’exécution simultanée d’applications massives et d’agents d’IA. Lancé l'année dernière, Lakebase sert des milliers de clients, dont Block, Zillow et Superhuman, gérant 12 millions de lancements de bases de données quotidiens.
Auparavant, Lakebase et Lakehouse conservaient des copies et des formats de données distincts malgré le stockage partagé. LTAP élimine la duplication redondante en stockant toutes les données dans Unity Catalog aux formats ouverts standard de Lakehouse. Les règles unifiées d’identité, d’autorisation et d’audit assurent une gouvernance cohérente, permettant aux agents d’IA d’opérer sur une source de données fiable.
Les charges de travail transactionnelles conservent une conformité totale avec Postgres ACID, tandis que les charges de travail analytiques s'exécutent à une échelle et une simultanéité illimitées. Aucun mouvement de données garantit des résultats opérationnels et analytiques cohérents sans ETL requis. Lakebase ajoute trois mises à niveau clés : reprise après sinistre entre cloud et entre régions, branchement/instantanés de style Git pour des tests de production sécurisés et opérations de base de données autonomes basées sur l'IA pour la surveillance, l'optimisation et la récupération.
Databricks a lancé Lakehouse//RT, un Lakehouse en temps réel piloté par le nouveau moteur de calcul Reyden. Il offre une latence de l'ordre de la milliseconde pour les utilisateurs simultanés massifs et les agents d'IA, s'exécutant de manière native sur les tables Delta Lake et Iceberg gouvernées sous Unity Catalog. Il élimine les autorisations distinctes, les formats propriétaires et les pipelines de synchronisation, supprimant ainsi le coût des couches de service autonomes en temps réel.
"Nous avons unifié les charges de travail de données de base sur une infrastructure ouverte depuis une décennie. Lakehouse//RT complète la pile, fournissant la couche à faible latence essentielle aux agents d'analyse et d'IA modernes, prouvant que Lakehouses est également leader dans les charges de travail en temps réel", a ajouté Ghodsi.
Lakehouse//RT atteint une latence de 10 ms pour les petits ensembles de données et une latence inférieure à 100 ms pour les données à grande échelle. Les benchmarks montrent une latence inférieure à 100 ms à 12 000 QPS, les charges de travail des clients gagnant jusqu'à 16 fois plus de performances que les systèmes de service en temps réel traditionnels.
Databricks a également lancé CustomerLake, un CDP agent natif basé à Lakehouse. Tel que défini par CDPI, les CDP unifient les données clients multi-sources dans des profils unifiés. CustomerLake consolide les données des sites Web, des applications, des systèmes CRM et POS, remplaçant les campagnes marketing ponctuelles par des « campagnes infinies » continues pilotées par des agents pour offrir des expériences client personnalisées en temps réel à l'échelle d'un milliard.
Équipé d'agents de campagne et de profil dédiés, d'un écosystème de partenaires ouvert et d'un ETL inversé natif, il unifie et active les données client sur toutes les piles martech. Après Lakewatch, il s'agit du deuxième produit d'entreprise vertical de Databricks, adoptant un modèle de consommation basé sur la valeur au lieu des licences logicielles traditionnelles.
Disponibilité: Lakehouse//RT est en version bêta ; LTAP sera bientôt lancé en tant que fonctionnalité Lakebase ; CustomerLake est en avant-première privée auprès des premiers utilisateurs, notamment HP, Circle K, AB InBev et Getnet de Santander. Notamment, la société de bases de données vectorielles Zilliz applique le terme « Lakebase » différemment pour sa Milvus Vector Lakebase.
Pékin Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Directrice de la stratégie mondiale
WhatsApp/WeChat : +86 13426366826
Courriel : yangyd@qianxingdata.com
Site Web : www.qianxingdata.com/www.storagesserver.com
Objectif commercial :
Distribution de produits TIC/Intégration et services de systèmes/Solutions d'infrastructure
Avec plus de 20 ans d'expérience dans la distribution informatique, nous collaborons avec de grandes marques mondiales pour fournir des produits et des services professionnels fiables.
« Utiliser la technologie pour construire un monde intelligent » Votre fournisseur de services de produits TIC de confiance !
Votre message doit contenir entre 20 et 3 000 caractères!
French
