۲۷ خرداد ۱۴۰۴

Techboy

اخبار و اطلاعات روز تکنولوژی

Databricks Data + اجلاس AI 2025: پنج غذای آماده برای متخصصان داده ، توسعه دهندگان

اتوماسیون و ادغام مضامین اصلی در کنفرانس مشتری سالانه Databricks بود ، زیرا ویژگی های جدید AI تولید کننده و عامل را نشان می داد که به پلت فرم Cloud Data Lakehouse می آیند.

اتوماسیون و ادغام مضامین اصلی در کنفرانس مشتری سالانه Databricks بود ، زیرا ویژگی های جدید AI تولید کننده و عامل را نشان می داد که به پلت فرم Cloud Data Lakehouse می آیند.

در داده های Databricks + Summit 2025 AI Summit 2025 هفته گذشته ، این شرکت انواع پیشرفتهای تولیدی و عامل را به نمایش گذاشت و به پلت فرم Lakehouse Data مبتنی بر ابر خود اضافه می کند-به همان اندازه که Snowflake رقیب آن هفته گذشته انجام داد.

با رویدادهای دو رقبای نزدیک به هم ، زمان کمی برای تیم های مهندسی محصول آنها وجود دارد که نسبت به اعلامیه های یکدیگر واکنش نشان دهند. اما این بدان معنی است که آنها تحت فشار قرار می گیرند تا محصولاتی را که به دور از بازار آماده هستند ، اعلام کنند ، بنابراین برای جلوگیری از چروک شدن ، شاید توضیحات بسیاری از ویژگی ها در آزمایش بتا یا “پیش نمایش” را توضیح دهد.

در اینجا برخی از محصولات و ویژگی های اصلی جدید در این کنفرانس اعلام شده است که توسعه دهندگان و متخصصان داده ممکن است یک روز برای خودشان تلاش کنند:

این اتوماسیون تمام راه پایین است

بسیاری از شرکت ها برای اتوماسیون برخی از فرآیندهای خود به عوامل هوش مصنوعی روی می آورند. پاسخ Databricks به آن Properting Adogation of Bricks.

این یک بخش جدایی ناپذیر از پلت فرم اطلاعات اطلاعاتی شرکت است ، و Databricks S آن را به عنوان راهی برای از بین بردن پیچیدگی از روند کارگزاران ساختمان می کند ، زیرا اکثر شرکت ها زمان یا استعداد لازم برای طی کردن یک فرایند تکراری ساختمان و تطبیق یک عامل را با یک مورد استفاده نمی کنند. تحلیلگران می گویند ، این منطقه است که توسط فروشندگان رقیب نادیده گرفته شده است.

راه دیگری که Databricks تنظیم ابزارهای سازنده خود را جدا از فروشندگان رقیب این است که مدیریت چرخه عمر عامل را به طور متفاوتی مدیریت می کند-نه از درون رابط سازنده بلکه از طریق فهرست وحدت و mlflow 3.0.

در حال حاضر در آزمایش بتا ، رابط از مدل پروتکل متن (MCP) و انتظار می رود که پشتیبانی کند. href = “https://www.infoworld.com/article/3958032/googles-agent2agent-open-protocol-aims-to-connect-disparate-agents.html”> پروتکل A2A گوگل در آینده.

از بین بردن تنگناهای مهندسی داده

منطقه دیگری که در آن Databricks به دنبال کمک به شرکت ها است تا تنگناهای مهندسی داده ها را که سرعت پروژه های AI را کاهش می دهند از بین ببرند ، در مدیریت داده ها است. این برنامه یک ابزار مدیریت داده را که توسط یک دستیار تولیدی AI ، طراح LakeFlow ، برای توانمندسازی تحلیلگران داده برای انجام کارهایی که معمولاً توسط مهندسان داده پردازش می شوند ، پیش نمایش می دهد.

طراح دریاچه می تواند به عنوان “Canva of Etl” ، تصویری از Etl ، Visali-Andising ، توصیف شود. Databricks همچنین آن را راهی برای همکاری بین تحلیلگران و مهندسان می داند.

که در خطوط لوله اعلامی دریاچه ادغام شده است ، همچنین از جریانهای Git و DevOps پشتیبانی می کند و باعث ایجاد خط ، کنترل دسترسی و قابلیت شنیدن می شود.

دموکراتیک کردن تجزیه و تحلیل برای کاربران تجاری ضمن حفظ مدیریت

Databricks همچنین نسخه بدون کد از پلت فرم اطلاعات داده خود را به نام ادغام نئون postgreSQL در پلت فرم اطلاعات اطلاعات داده ها

یک ماه بعد از به دست آوردن Neanhoushing Neon برای ۱ $ ۱ $ معماری به پلت فرم اطلاعات داده خود در قالب Lakebase.

افزودن بانک اطلاعاتی مدیریت شده PostgreSQL به پلت فرم اطلاعات اطلاعات به توسعه دهندگان این امکان را می دهد تا به سرعت بسازند و عاملان AI را بدون نیاز به محاسبه همزمان محاسبه و ذخیره سازی ضمن جلوگیری از تنگناهای عملکرد ، ساده سازی مسائل زیرساخت ها و کاهش هزینه ها ، به سرعت بسازند و مستقر کنند.

Databricks has finally integrated the capabilities of BladeBridge into the Data Intelligence platform, after acquiring the company in February, in the form of Lakebridge — a free, AI-assisted tool to aid data migration to Databricks sql.

در اوایل این ماه ، Databricks Rival با نام Sneancoorts oneflake نامگذاری شده است. داده های خود ، انبارهای داده ، گزارش های اطلاعات تجاری (BI) و کد را به بستر Snowflake منتقل کنید.

به روزرسانی های دیگر از Databricks شامل قابلیت های گسترده کاتالوگ وحدت در مدیریت apache Iceberg