es.wedoany.com Noticia: El proveedor de servicios de bases de datos empresariales EnterpriseDB (EDB) ha introducido capacidades de análisis convergentes para su base de datos alojada EDB Postgres AI, con el objetivo de ayudar a las empresas a operar en tiempo real con nuevos datos utilizando agentes de IA, sin depender de canalizaciones de datos tradicionales ni copias. Esta medida sigue al lanzamiento por parte de Databricks de su producto de procesamiento transaccional y analítico en lago (LTAP) basado en Neon Postgres, y ambos proveedores se esfuerzan por integrar más estrechamente el procesamiento operativo (OLTP) con el procesamiento analítico (OLAP).
Max Romanenko, director de ingeniería de EDB, afirmó que el enfoque de EDB se construye desde un punto de partida fundamentalmente diferente al de Databricks. Databricks se expande desde el lago de datos hacia afuera, intentando introducir capacidades transaccionales a través de Lakebase; mientras que EDB comienza desde la capa operativa de Postgres, donde las empresas ya ejecutan cargas de trabajo críticas. EDB utiliza Postgres como fuente de verdad operativa y emplea Apache Iceberg como capa de catálogo compartida, conectando Postgres con los motores de computación ClickHouse, WarehousePG y Spark, de modo que los datos operativos permanecen en Postgres, mientras que los datos históricos se almacenan en almacenamiento de objetos gestionado por Iceberg, y los motores analíticos pueden consultar los mismos datos a través del catálogo unificado, sin necesidad de copias separadas ni canalizaciones ETL. Romanenko enfatizó que esta diferencia arquitectónica es crucial para los clientes objetivo (empresas que desean capacidades de IA y análisis, pero no están dispuestas a migrar datos sensibles a plataformas de gestión en la nube).
Stephanie Walter, responsable de la práctica de pila de IA en HyperFrame Research, señaló que el énfasis de EDB en el control resonará entre los CIO que se preocupan por la soberanía de datos, los datos regulados y las implementaciones híbridas, permitiéndoles ejecutar IA y análisis más cerca de los datos en una infraestructura controlada por la empresa, sin necesidad de crear otro activo de datos propietario. Ashish Chaturvedi, director ejecutivo de investigación en HFS Research, considera que para los CIO que gestionan presupuestos de análisis e IA, el enfoque de análisis convergentes de EDB ofrece costos más predecibles que el LTAP de Databricks. El modelo de facturación por núcleo de EDB hace que los costos sean más fáciles de predecir en comparación con las plataformas de datos en la nube basadas en consumo, donde el volumen de consultas, las cargas de trabajo de IA y las necesidades de procesamiento de datos pueden provocar fluctuaciones en las facturas. Sin embargo, Igor Ikonnikov, investigador consultor de Info-Tech Research Group, advirtió que una factura predecible no necesariamente es más baja, ya que los requisitos de hardware para el procesamiento de datos operativos de alta velocidad son más exigentes y relativamente más costosos. Devin Pratt, director de investigación de IDC, indicó que la arquitectura de EDB también podría simplificar la gobernanza de datos al reducir la cantidad de plataformas que las empresas necesitan gestionar.
Los análisis convergentes de EDB están diseñados para simplificar las operaciones de los equipos de desarrollo e ingeniería de datos. Walter considera que su arquitectura reduce la cantidad de sistemas que deben integrarse y mantenerse, al tiempo que elimina gran parte del trabajo de canalización necesario tradicionalmente para mover datos entre sistemas transaccionales y analíticos. Pratt afirmó que cero ETL significa menos canalizaciones que construir y destruir, y los ingenieros pueden dedicar tiempo a crear valor. Además de EDB y Databricks, Snowflake también está ampliando el soporte para cargas de trabajo operativas mediante la adopción de formatos de tabla abiertos, mientras que Microsoft combina servicios transaccionales y analíticos a través de la plataforma Fabric.
Los análisis convergentes son solo una parte de la actualización de EDB para su plataforma Postgres AI. EDB también ha puesto a disposición general lo que denomina funcionalidad de "base de datos agéntica", diseñada para automatizar tareas rutinarias de administración de bases de datos. La empresa afirma que el sistema monitorea continuamente cientos de métricas operativas y de rendimiento, detecta anomalías, recomienda acciones correctivas y, cuando las políticas empresariales lo permiten, puede aplicar automáticamente correcciones para ayudar a optimizar y ajustar la base de datos, con una mejora de velocidad de hasta 10 veces. Walter considera que esto es más una evolución del concepto de base de datos autónoma que una categoría completamente nueva, ya que Oracle y otros proveedores han ofrecido funcionalidades similares durante años. La diferenciación de EDB radica en ampliar estas capacidades autónomas mediante razonamiento impulsado por IA, corrección automatizada y controles de gobernanza, permitiendo a las empresas decidir cuánta autoridad obtiene el sistema.
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
