De acordo com pt.wedoany.com-A fornecedora de serviços de banco de dados empresariais EnterpriseDB (EDB) introduziu capacidades de análise convergente para seu banco de dados EDB Postgres AI gerenciado, visando ajudar empresas a operar em tempo real com novos dados usando agentes de IA, sem depender de pipelines de dados tradicionais e cópias. Esta iniciativa segue o lançamento do produto Lakehouse Transaction and Analytical Processing (LTAP) baseado no Neon Postgres pela Databricks, com ambos os fornecedores buscando integrar mais estreitamente o processamento operacional (OLTP) com o processamento analítico (OLAP).
Max Romanenko, Diretor de Engenharia da EDB, afirmou que a abordagem da EDB é construída a partir de um ponto de partida fundamentalmente diferente do da Databricks. A Databricks expande-se a partir do lakehouse, tentando introduzir capacidades transacionais através do Lakebase; enquanto a EDB começa pela camada operacional do Postgres, onde as empresas já executam cargas de trabalho críticas. A EDB utiliza o Postgres como fonte factual de operações e emprega o Apache Iceberg como camada de catálogo compartilhada, conectando o Postgres aos mecanismos de computação ClickHouse, WarehousePG e Spark, permitindo que os dados operacionais permaneçam no Postgres, enquanto os dados históricos são armazenados no armazenamento de objetos gerenciado pelo Iceberg. Os mecanismos analíticos podem consultar os mesmos dados através do catálogo universal, sem necessidade de cópias separadas ou pipelines ETL. Romanenko enfatizou que essa diferença arquitetônica é crucial para os clientes-alvo (empresas que desejam capacidades de IA e análise, mas não querem migrar dados sensíveis para plataformas de gerenciamento em nuvem).
Stephanie Walter, Líder de Prática de Pilha de IA da HyperFrame Research, apontou que a ênfase da EDB no controle ressoará com CIOs preocupados com soberania de dados, dados regulamentados e implantações híbridas, permitindo-lhes executar IA e análise mais próximas dos dados em infraestrutura controlada pela empresa, sem criar outro ativo de dados proprietário. Ashish Chaturvedi, Líder de Pesquisa Executiva da HFS Research, acredita que para CIOs que gerenciam orçamentos de análise e IA, a abordagem de análise convergente da EDB oferece custos mais previsíveis do que o LTAP da Databricks. O modelo de cobrança por núcleo da EDB torna os custos mais fáceis de prever em comparação com plataformas de dados em nuvem baseadas em consumo, onde o volume de consultas, cargas de trabalho de IA e necessidades de processamento de dados podem levar a flutuações nas faturas. No entanto, Igor Ikonnikov, Pesquisador Consultor da Info-Tech Research Group, alertou que faturas previsíveis não são necessariamente mais baratas, e os requisitos de hardware mais elevados para processamento operacional de alta velocidade são mais caros. Devin Pratt, Diretor de Pesquisa da IDC, afirmou que a arquitetura da EDB também pode simplificar a governança de dados ao reduzir o número de plataformas que as empresas precisam gerenciar.
A análise convergente da EDB visa simplificar as operações para desenvolvedores e equipes de engenharia de dados. Walter acredita que sua arquitetura reduz o número de sistemas que precisam ser integrados e mantidos, ao mesmo tempo que elimina grande parte do trabalho de pipeline necessário para mover dados entre sistemas transacionais e analíticos. Pratt afirmou que zero ETL significa menos pipelines para construir e destruir, permitindo que os engenheiros gastem tempo criando valor. Além da EDB e Databricks, a Snowflake também está expandindo o suporte a cargas de trabalho operacionais ao adotar formatos de tabela abertos, enquanto a Microsoft combina serviços transacionais e analíticos através da plataforma Fabric.
A análise convergente é apenas parte das atualizações da EDB para sua plataforma Postgres AI. A EDB também disponibilizou amplamente o que chama de funcionalidade de "banco de dados agentivo", projetada para automatizar tarefas rotineiras de administração de banco de dados. A empresa afirma que o sistema monitora continuamente centenas de métricas operacionais e de desempenho, detecta anomalias, recomenda ações corretivas e pode aplicar automaticamente correções quando permitido pelas políticas empresariais, ajudando a otimizar e ajustar bancos de dados com velocidade até 10 vezes maior. Walter considera isso mais uma evolução do conceito de banco de dados autônomo do que uma nova categoria, já que a Oracle e outros fornecedores oferecem funcionalidades semelhantes há anos. A diferenciação da EDB reside em expandir essas capacidades autônomas através de raciocínio orientado por IA, correção automatizada e controle de governança, permitindo que as empresas decidam quanta autoridade o sistema recebe.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
