Databricks Lakehouse را برای بخش تولید راه اندازی کرد

بنا به گفته تحلیلگران، خانه دریاچه جدید مخصوص صنعت می تواند به Databricks در افزایش پذیرش دریاچه ها کمک کند.

Databricks در تلاش برای پیشی گرفتن از رقبای data lake و data warehouse، روز سه‌شنبه یک خانه داده ویژه صنعت برای بخش تولید را اعلام کرد.

A data lakehouse یک معماری داده‌ای است که قابلیت‌های ذخیره‌سازی و تحلیلی را ارائه می‌دهد، برخلاف دریاچه‌های داده، که داده‌ها را در قالب اصلی ذخیره می‌کنند، و انبارهای داده، که داده‌های ساختاریافته را ذخیره می‌کنند (اغلب در SQL).

Databricks Lakehouse for Manufacturing، سرویس جدید قابلیت‌هایی را برای نگهداری پیش‌بینی‌کننده، دوقلوهای دیجیتال، بهینه‌سازی زنجیره تامین، پیش‌بینی تقاضا، تجزیه و تحلیل بی‌درنگ اینترنت اشیا، بینایی کامپیوتر و هوش مصنوعی، به همراه ابزارهای مدیریت داده و اشتراک‌گذاری داده.

این شرکت در بیانیه‌ای گفت: «Lakehouse for Manufacturing شامل دسترسی به شتاب‌دهنده‌های مورد استفاده بسته‌بندی شده است که برای شروع سریع فرآیند تحلیل و ارائه طرحی برای کمک به سازمان‌ها برای مقابله با چالش‌های مهم و با ارزش صنعت طراحی شده‌اند.

>

Databricks برای کمک به کاربران لیک‌هاوس تولیدی جدید، خدمات و ابزارهای پشتیبانی شده توسط شریک را ارائه می‌کند، مانند انتقال پایگاه داده، مدیریت داده، هوش داده، مدیریت رشد درآمد، خدمات مالی، و انتقال داده‌های ابری تحت حمایت آنچه تماس شرکت راه حل های Brickbuilder.

این شرکا عبارتند از Accenture، Avanade، L&T Mindtree، Wipro، Infosys، Capgemini، Deloitte، Tredence، Lovelytics، و Cognizant.

این شرکت گفت: «Databricks’ Lakehouse for Manufacturing توسط شرکت هایی مانند DuPont، Honeywell، Rolls-Royce، Shell، و Tata Steel پذیرفته شده است.

Lakehouse ویژه صنعت برای کمک به مدیران داده

به گفته کارل اولوفسون، معاون تحقیقات IDC، انتظار می‌رود که Lakehouse جدید Databricks تأثیر مثبتی بر مدیران داده یا مهندسان داده داشته باشد.

اولوفسون گفت: پیشنهاد Lakehouse به مدیران داده‌ها برای هماهنگ کردن داده‌ها در محیط‌های دریاچه داده و انبار داده آسان می‌شود و از ثبات، به‌موقع بودن و قابل اعتماد بودن داده‌ها اطمینان حاصل می‌کند.

سایر تحلیلگران احساس می‌کنند این پیشنهاد به تیم‌های علم داده در سراسر شرکت‌ها نیز کمک می‌کند.

تونی بائر، تحلیلگر اصلی در dbInsights گفت: “این به تیم های علم داده کمک می کند تا با داشتن تجزیه و تحلیل از پیش پیکربندی شده به جای یک صفحه خالی برای شروع، یک مرحله را رد کنند.”

به گفته داگ هنشن، تحلیلگر اصلی در Constellation Research،

Databricks در موقعیت بهتری برای ارائه قابلیت های پیشرفته علم داده در مقایسه با سایر پیشنهادات رقبا قرار دارد.

هنشن گفت: «این مطمئناً در این خانه داده‌ای Lakehouse برای تولید مشهود است، که شامل پشتیبانی از دوقلوهای دیجیتال، تعمیر و نگهداری پیش‌بینی‌کننده، پیش‌بینی سطح جزئی و بینایی رایانه می‌شود.

Lakehouse for Manufacturing با هدف تسریع پذیرش

به گفته اولوفسون، پیشنهاد Lakehouse برای تولید از Databricks با هدف تسریع پذیرش پیشنهادات Lakehouse این شرکت و افزایش “چسبندگی” سایر خدمات است.

“Lakehouse هنوز یک مفهوم جدید و تا حدودی بی شکل است. Databricks در تلاش است تا با ارائه خانه های دریاچه مخصوص صنعت، پذیرش را تسریع بخشد. اولوفسون گفت: اینها واقعاً همان چیزی است که شما می توانید آن را “کیت های آغازین” بنامید، زیرا ذات هر خانه دریاچه ای به داده های شرکت و نحوه جمع آوری آنها اختصاص دارد.

به گفته اولوفسون، ارائه چنین کیت‌هایی یا آنچه IBM قبلاً «الگوها» می‌نامید، برای شروع سریع استفاده از خانه‌های دریاچه با ارائه مجموعه‌ای از عملکردهای کامل به شرکت‌ها است که کاربران می‌توانند با تعاریف و قوانین خاص شرکت به پایان برسانند. .

«این یک رویکرد رایج در نرم‌افزار است که به دنبال فروش محصولات پیچیده یا چند منظوره هستند، زیرا مشتریان اغلب نمی‌دانند چگونه شروع کنند. اولوفسون افزود: اگر Databricks بتواند مشتریان را با این پیشنهادات lakehouse جلب کند، میزان چسبندگی را دریافت خواهد کرد که باید اطمینان حاصل کند که مشتری برای مدتی وفادار خواهد ماند.

Henschen از Constellation Research گفت: راه اندازی انبارهای خاص صنعت به دلیل ترکیبی از اولویت های داخلی شرکت، که شامل عواملی مانند در نظر گرفتن اینکه کدام بخش ها بیشترین پتانسیل را برای عرضه Databricks دارند و تقاضای خاص صنعت، انجام شد. /p>

هنس گفت: «من گمان می‌کنم که این شرکت پس از ارائه پیشنهادهای مشابه برای خرده‌فروشی، خدمات مالی، مراقبت‌های بهداشتی و علوم زیستی و رسانه و سرگرمی در سال گذشته، یک دریاچه را برای بخش تولید راه‌اندازی کرده است.

بائر گفت که راه‌اندازی Lakehouse ویژه صنعت با افزودن قابلیت‌هایی مانند الگوهای تحلیلی از پیش ساخته شده که به شرکت‌ها کمک می‌کند تا سفرهای خود را جهش کنند، با هدف کاهش موانع پذیرش دریاچه‌ها انجام می‌شود.

Databricks در مقابل Snowflake

به گفته کارشناسان

Databricks که با Snowflake، Starburst، Dremio، Google Cloud، AWS، Oracle و HPE رقابت می‌کند، زمان‌بندی اعلامیه‌های lakehouse ویژه صنعت خود را برای رقابت با Snowflake تعیین کرده است.

هنشن گفت: «اعلان‌ها بسیار شبیه به Snowflake هستند و در زمان‌بندی اعلان‌ها نیز عنصری از مهارت بازی‌های رقابتی وجود دارد. https://www.cio.com/article/307398/snowflake-launches-retail-data-cloud.html”>اعلان های ابری صنعت آن در سال ۲۰۲۱ با ارائه خدمات ابری رسانه ای و مالی.

با این حال، به نظر می رسد تفاوتی در رویکرد بین Snowflake و Databricks از نظر نحوه صحبت آنها در مورد محصولات ارائه شده وجود دارد.

“Snowflake از اصطلاح “Lakehouse” در مواد خود استفاده نمی کند، اگرچه آنها می گویند که حجم کاری دریاچه داده توسط آنها پشتیبانی می شود. فناوری اصلی آنها یک سیستم مدیریت پایگاه داده رابطه‌ای انبار داده مبتنی بر ابر (RDBMS) است، با برنامه‌های افزودنی که از داده‌های نیمه ساختاریافته و بدون ساختار و همچنین داده‌ها در فرمت‌های ذخیره‌سازی رایج مانند Apache Iceberg پشتیبانی می‌کند. تنظیمات خاص.

تحلیلگران گفتند که برای اندازه‌گیری هرگونه تغییر در سهم بازار ناشی از این پیشنهادات خاص صنعت، خیلی زود است.

«من می‌توانم بگویم که هنوز روزهای اولیه است که خانه‌های دریاچه‌ای ترکیبی، جانشین مدیران فعلی شوند. مشتریان Databricks ممکن است نسبت به گذشته بارهای کاری تحلیلی SQL بیشتری را روی Databricks اجرا کنند، اما من نمی‌بینم که این کار در پشتیبانی از حجم‌های کاری در مقیاس بالا و حیاتی، جایگزین مدیران فعلی شود.

“به طور مشابه، روزهای اولیه برای Snowflake Snowpark است، و من نمی بینم که مشتریان Snowflake را به عنوان پلتفرمی برای نیازهای هاردکور علم داده انتخاب کنند. هنشن افزود: بهترین نژاد هنوز برای هر نیاز مربوطه برنده است.

قیمت‌گذاری Lakehouse for Manufacturing از همان فرمولی پیروی می‌کند که پلتفرم اصلی Databricks از آن استفاده می‌کند، در حالی که برنامه‌های شخص ثالث توسط شرکای شرکت مدیریت می‌شوند و شتاب‌دهنده‌های راه‌حل بدون هیچ هزینه‌ای در پلتفرم گنجانده شده‌اند.