Lakebase من Databricks يمحو الحدود بين المعاملات والتحليلات
يرى تحليل نُشر على HackerNoon أن Lakebase، محرك Postgres بلا خوادم من Databricks مبني فوق lakehouse مفتوح، يزيل الفصل الذي استمر ثلاثة عقود بين أنظمة OLTP وOLAP ويمنح وكلاء AI مخزن حالة دائمًا.
على مدى أكثر من ثلاثة عقود، خضعت معماريات البيانات المؤسسية لتقسيم صارم للعمل: أنظمة OLTP مثل PostgreSQL وMySQL وOracle تعاملت مع حالة التطبيقات الفورية، فيما احتفظت المحركات التحليلية مثل Apache Spark وSnowflake وDelta Lake بالبيانات التاريخية ونفّذت أحمال تعلّم آلي ثقيلة.
وبين العالمين كانت خطوط ETL الهشة والمكلفة: بنت المؤسسات آليات مزامنة معقدة لنقل البيانات التشغيلية إلى lakehouse التحليلي، ثم واجهت صعوبة في إعادة بيانات الميزات إلى التطبيقات. في تحليل نُشر على HackerNoon، يرى الكاتب أن Lakebase من Databricks — محرك Postgres تشغيلي بلا خوادم قائم على تقنية Neon ومبني فوق lakehouse المفتوح — يهدم هذا الجدار.
الجيل الثالث من قواعد البيانات
يضع الكاتب Lakebase في فئة جديدة لا كنسخة Postgres مُدارة أخرى. كانت قواعد الجيل الأول وحدات متجانسة تجمع التخزين والحوسبة على خوادم مخصصة؛ وفصلت منصات الجيل الثاني السحابية الأصلية الحوسبة عن التخزين مع إبقاء التخزين خاصًا. أما Lakebase فيوصف كجيل ثالث: تخزين بصيغة مفتوحة فوق البحيرة مباشرة، مع حوسبة Postgres بلا خوادم وعابرة.
التفرّع وscale-to-zero وzero-ETL
تبرز ثلاث خصائص معمارية. التفرّع بالنسخ عند الكتابة (copy-on-write) ينشئ نسخًا كاملة ومعزولة في أجزاء من الثانية بدل الساعات أو الأيام التي تحتاجها البيئات التقليدية لاستنساخ بيانات الإنتاج، فيستطيع المطورون ووكلاء AI اختبار تغييرات المخطط وإزالة البيئات فورًا.
كما تتيح الحوسبة المفصولة لنسخ Lakebase أن تبدأ في أقل من ثانية وأن تتقلص إلى الصفر عند الخمول، ما ينقل أحمال الوكلاء المتقطعة من تكاليف بنية ثابتة إلى استهلاك قائم على الاستخدام. ولأن البيانات التشغيلية تُكتب بصيغ يقرأها lakehouse، لم تعد الفرق تحتاج خطوط CDC أو ETL معقدة لتشغيل استعلامات تحليلية أو تغذية مخازن الميزات للنماذج: يستطيع Spark وDatabricks SQL وDelta Lake الاستعلام عن البيانات الحية مباشرة.
ماذا يعني ذلك لمهندسي البيانات والذكاء الاصطناعي
في ظل حوكمة موحّدة، يمكن أن تخضع الجداول التشغيلية والتحليلية لمجموعة واحدة من ضوابط الوصول وسياسات الأمان وتتبع الأنساب عبر Unity Catalog. ويلفت الكاتب إلى ذاكرة وكلاء AI: يحتاج الوكلاء إلى إدارة الحالة وبحث متجهي عبر pgvector واستعلامات سريعة دون أعباء قواعد البيانات المؤسسية.
الخلاصة اتجاه لا منتج جاهز: مع انتقال المؤسسات من استدلال ML البسيط إلى وكلاء مستقلين وخطوط زمن حقيقي، يجب أن تتطور قاعدة البيانات تحتها — نحو منصات مفتوحة وفورية وبلا خوادم وأصلية للذكاء الاصطناعي.
SiTech — تطوير ويب مدعوم بالذكاء الاصطناعي
نبني مواقع سريعة وعصرية وندمج الذكاء الاصطناعي في سير عمل الشركات. لديك مشروع أو سؤال؟ يسعدنا مساعدتك.