es.wedoany.com Noticia: Capital One Software ha incorporado funciones de optimización inteligente a Slingshot, una plataforma de gestión de infraestructura de datos a nivel empresarial, con el objetivo de ayudar a las empresas a mejorar el rendimiento de las cargas de trabajo en Snowflake y detectar y resolver problemas relacionados de forma rápida. Esta funcionalidad utiliza información contextual del entorno del usuario para identificar oportunidades de mejora del rendimiento que van más allá de la sintaxis básica de SQL y los costos de almacenamiento.
Esta función refleja un cambio fundamental en el enfoque de la eficiencia en el procesamiento de datos: ya no se trata de ajustar recursos individuales de forma aislada, sino de comprender y optimizar todo el sistema, incluidos el código, los pipelines, la infraestructura y los equipos.
Jeff Chou, vicepresidente de gestión de productos de Slingshot en Capital One Software, señaló que la infraestructura de datos empresarial es una compleja red de interdependencias que requiere un enfoque centrado en el contexto para lograr una optimización a escala. La función de optimización inteligente de Slingshot ayuda a las empresas a comprender cómo se ejecutan realmente las consultas, para qué se utilizan las tablas y en qué puntos los equipos duplican trabajo sin darse cuenta, logrando así mejoras de eficiencia a nivel de sistema.
Las próximas funciones de optimización inteligente de Slingshot incluyen: optimización de consultas con IA consciente del contexto, que identifica automáticamente las consultas principales en el entorno de Snowflake por costo, tiempo de ejecución y frecuencia, y genera recomendaciones de optimización impulsadas por IA, proporcionando a administradores e ingenieros de datos pasos prácticos junto con mejoras estimadas de costo y tiempo de ejecución; optimización de tablas con IA consciente del contexto, que analiza las 50 tablas principales según el impacto de las consultas y ofrece soluciones multidimensionales de reparación de infraestructura, verificando antes de hacer recomendaciones que los cambios en las tablas no afecten negativamente a las consultas principales; detección de pipelines duplicados, que utiliza IA para descubrir redundancias no intencionadas mediante el análisis de patrones comunes en el uso de datos, comparando cargas de trabajo similares para evaluar la equivalencia funcional; y el Explorador de datos, una interfaz interactiva de análisis descendente que permite a los equipos de datos investigar las causas raíz, donde los usuarios pueden segmentar costos por múltiples dimensiones como cuenta, usuario, hash de consulta, etiqueta y tipo de servicio mediante filtros sincronizados, además de proporcionar páginas de detalle para almacenes, bases de datos y consultas individuales, así como el contexto histórico de cambios en los almacenes.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
