维度网讯，企业数据库服务商EnterpriseDB（EDB）为其托管的EDB Postgres AI数据库引入融合分析能力，旨在帮助企业利用AI代理实时操作新数据，无需依赖传统数据管道和副本。此举措紧随Databricks推出基于Neon Postgres的湖仓事务与分析处理（LTAP）产品之后，两家供应商均致力于将操作处理（OLTP）与分析处理（OLAP）更紧密地结合。

EDB首席工程官Max Romanenko表示，EDB的方法从与Databricks根本不同的出发点构建。Databricks从湖仓向外扩展，试图通过Lakebase引入事务能力；而EDB则从Postgres的操作层开始，企业已在Postgres上运行关键工作负载。EDB将Postgres作为操作事实源，并使用Apache Iceberg作为共享目录层，连接Postgres与ClickHouse、WarehousePG和Spark计算引擎，使得操作数据保留在Postgres中，而历史数据存储在Iceberg管理的对象存储中，分析引擎可通过通用目录查询相同数据，无需单独的副本或ETL管道。Romanenko强调，此架构差异对目标客户（希望获得AI和分析能力，但不愿将敏感数据迁移至云管理平台的企业）至关重要。

HyperFrame Research的AI堆栈实践负责人Stephanie Walter指出，EDB对控制权的强调将引起关注数据主权、受监管数据和混合部署的CIO的共鸣，使他们能在企业控制的基础设施上更接近数据运行AI和分析，而无需创建另一个专有数据资产。HFS Research的执行研究负责人Ashish Chaturvedi认为，对于管理分析和AI预算的CIO而言，EDB的融合分析方法比Databricks的LTAP提供更可预测的成本。EDB的按核计费模式使成本相比基于消费的云数据平台更容易预测，后者因查询量、AI工作负载和数据处理需求可能导致账单波动。然而，Info-Tech Research Group的顾问研究员Igor Ikonnikov警告，可预测的账单不一定更低，高速操作数据处理所需的硬件要求更高且相对更昂贵。IDC研究总监Devin Pratt表示，EDB架构还可能通过减少企业需要管理的平台数量来简化数据治理。

EDB的融合分析旨在简化开发人员和数据工程团队的操作。Walter认为，其架构减少了必须集成和维护的系统数量，同时消除了传统在事务和分析系统之间移动数据所需的大量管道工作。Pratt表示，零ETL意味着需要构建和破坏的管道更少，工程师可以花时间创造价值。除EDB和Databricks外，Snowflake也在通过拥抱开放表格式扩展操作工作负载支持，微软则通过Fabric平台结合事务和分析服务。

融合分析只是EDB对其Postgres AI平台更新的一部分。EDB还普遍提供了其所谓的“代理型数据库”功能，旨在自动化常规数据库管理任务。该公司表示，系统持续监控数百个操作和性能指标，检测异常，推荐纠正措施，并可在企业策略允许下自动应用修复，帮助优化和调优数据库，速度最高提升10倍。Walter认为，这更像是自主数据库概念的演进，而非全新类别，Oracle和其他供应商多年来已提供类似功能。EDB的差异化在于通过AI驱动的推理、自动化修复和治理控制扩展这些自主能力，使企业能决定系统获得多少权限。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com