De acordo com pt.wedoany.com-O Google Cloud expandiu seu banco de dados em nuvem Spanner, adicionando suporte nativo a grafos, vetores, pares chave-valor e pesquisa de texto completo. Através do Spanner Omni, essa capacidade de banco de dados multimodelo é estendida para sistemas locais e outros ambientes de nuvem pública. A iniciativa visa posicionar o Spanner no centro do portfólio de dados e inteligência artificial do Google, refletindo a tendência do setor de grandes fornecedores de tecnologia em reposicionar bancos de dados para IA generativa e agentes de software autônomos.
O novo modelo de grafo do Spanner é baseado no Spanner Graph, permitindo que os usuários representem dados nativamente como grafos ou sobreponham estruturas de grafo em dados relacionais. Ele é voltado principalmente para casos de uso de grafos de conhecimento, ajudando agentes de software a conectar entidades, papéis e eventos entre conjuntos de dados. A funcionalidade de pesquisa vetorial suporta os métodos K-vizinhos mais próximos e aproximados, podendo suportar índices contendo mais de 10 bilhões de vetores. A pesquisa de texto completo é integrada na mesma plataforma, permitindo a recuperação em dados estruturados e não estruturados, incluindo correspondência de sinônimos e correção ortográfica. O mecanismo de colunas integrado suporta consultas analíticas em dados operacionais em tempo real. O Google afirma que esse mecanismo pode acelerar cargas de trabalho analíticas específicas em até 200 vezes, sem a necessidade de migrar dados para sistemas separados.
Em termos de casos de clientes, a Palo Alto Networks utiliza o Spanner Graph para cargas de trabalho de controle de acesso, evitando o uso de bancos de dados de grafo independentes. A empresa de inteligência jurídica Inspira consolidou um pipeline de dados de 4,5 TB em um único armazenamento de dados, empregando pesquisa de texto completo e pesquisa vetorial para análise jurídica com recuperação aumentada. A empresa de prevenção a fraudes Verisoul utiliza o mecanismo de colunas para análise de dados de transações em grande volume.
A interoperabilidade é uma característica chave desta atualização. Os desenvolvedores podem combinar travessia de grafos, similaridade vetorial, lógica relacional e pesquisa por palavras-chave em uma única consulta SQL, sem a necessidade de integrar diferentes mecanismos de banco de dados ou mover dados entre eles. O Spanner Omni, como uma versão containerizada e baixável, é executado no Kubernetes sem exigir hardware dedicado, permitindo que os clientes executem o banco de dados localmente, na borda ou em nuvens públicas, incluindo AWS e Microsoft Azure, atendendo às necessidades de implantação híbrida e multinuvem. O Google destaca que essa estratégia visa resolver o problema de fragmentação de bancos de dados enfrentado pelas empresas devido ao acúmulo de múltiplos sistemas de banco de dados independentes, um desafio que se tornou mais proeminente com o crescimento de projetos de IA.
Em termos de posição de mercado, o Google cita dados do relatório "Gartner Critical Capabilities for Cloud Database Management Systems: Operational Use Cases" de 2025, afirmando que o Google Spanner ficou em primeiro lugar pelo segundo ano consecutivo no caso de uso de transações leves. Além disso, um estudo de impacto econômico total conduzido pela Forrester Consulting, encomendado pelo Google Cloud, descobriu que, após a implantação do Spanner, uma organização composta alcançou um retorno sobre o investimento de 132%, com um período de retorno de nove meses e um benefício total de US$ 7,74 milhões em três anos. O Google posiciona o Spanner como a base de sua estratégia Agentic Data Cloud, visando integrar mais estreitamente dados operacionais em tempo real com análises em grande escala. Sua arquitetura depende de TrueTime, Paxos, fragmentação dinâmica e o método de indexação vetorial ScaNN, supostamente fornecendo consistência distribuída e a capacidade de executar consultas analíticas e recuperação semântica de forma unificada. O Spanner também recebeu o Prêmio de Sistema SIGMOD.
