StarTree dévoile de nouvelles mises à jour de produits pour l'analyse de données en temps réel dans le cloud
StarTree améliore l'analyse de données en temps réel avec ses dernières mises à jour de produits
StarTree, l'entreprise à l'origine du système de stockage de données analytiques en temps réel Apache Pinot, a dévoilé une série de mises à niveau visant à améliorer l'accessibilité de l'analyse de données en temps réel à l'ère du cloud. Les nouvelles offres comprennent un service cloud sans serveur, une intégration transparente avec les outils de visualisation de données populaires, la disponibilité générale du service d'observabilité ThirdEye et la prise en charge de la recherche vectorielle.
Principales conclusions
- StarTree introduit des mises à jour importantes pour l'analyse de données en temps réel et l'observabilité, y compris un service cloud sans serveur et des intégrations transparentes avec Grafana et Tableau.
- La technologie ThirdEye de StarTree, destinée aux cas d'utilisation de l'observabilité, est désormais accessible en tant que service généralement disponible, facilitant l'identification des anomalies et l'analyse des causes profondes.
- La version 1.1 d'Apache Pinot introduit la prise en charge des index vectoriels, de plus en plus précieuse pour les modèles de langue à grande échelle et les cas d'utilisation de l'IA générative.
- La mise en œuvre de la recherche d'index vectoriel dans Apache Pinot 1.1 via les graphiques Hierarchical Navigable Small Worlds (HNSW) améliore ses capacités pour gérer des analyses de données complexes.
Analyse
Les dernières mises à jour de produits de StarTree ouvrent la voie à la démocratisation de l'analyse de données en temps réel à l'ère du cloud, offrant des avantages aux entreprises et aux développeurs. L'introduction du service cloud sans serveur et des intégrations avec Grafana et Tableau simplifie l'adoption. De plus, le service d'observabilité ThirdEye, désormais généralement disponible, s'attaque aux anomalies dans les métriques commerciales complexes, le distinguant des systèmes de surveillance traditionnels. En outre, la version 1.1 d'Apache Pinot, avec la prise en charge des index vectoriels, répond aux besoins des modèles de langue à grande échelle et des cas d'utilisation de l'IA.
Ces mises à jour répondent directement au besoin croissant d'analyses en temps réel, d'IA générative et de solutions d'observabilité. Indirectement, les mises à niveau s'alignent sur l'adoption croissante du cloud et la demande d'outils d'analyse intégrés et faciles à utiliser.
À court terme, ces progrès devraient faciliter l'accès à l'analyse en temps réel, accélérant potentiellement la prise de décision basée sur les données. À long terme, ces mises à jour ont le potentiel de redéfinir le paysage de l'analyse en temps réel, encourageant plus d'organisations à exploiter les données pour obtenir un avantage concurrentiel et innover.
Le saviez-vous ?
- Service cloud sans serveur : Ce modèle de calcul implique la gestion dynamique des ressources machines par le fournisseur de cloud, épargnant aux utilisateurs les soucis de l'approvisionnement et de la gestion des serveurs tout en ne payant que pour le temps de calcul réellement consommé. Ce modèle permet un dimensionnement plus facile et des coûts d'infrastructure réduits.
- Service d'observabilité ThirdEye : Alimenté par l'apprentissage automatique, ThirdEye aide à identifier et à analyser les anomalies dans les métriques commerciales complexes, améliorant la prise de décision des entreprises grâce à des informations en temps réel. Sa disponibilité générale signifie la stabilité et la maturité pour une utilisation en production.
- Prise en charge des index vectoriels dans Apache Pinot 1.1 : Cette technique permet une recherche de similarité et un regroupement efficaces des vecteurs de haute dimension, de plus en plus cruciaux pour les modèles de langue à grande échelle et les cas d'utilisation de l'IA générative. La mise à jour via les graphiques Hierarchical Navigable Small Worlds (HNSW) améliore les capacités de Pinot à gérer des tâches d'analyse de données complexes.