أخبار ar.wedoany.com، أعلنت شركة EnterpriseDB (EDB)، المزود العالمي لخدمات قواعد البيانات المؤسسية، عن إضافة قدرات تحليلية متكاملة إلى قاعدة بياناتها المُدارة EDB Postgres AI، بهدف تمكين الشركات من معالجة البيانات الجديدة في الوقت الفعلي باستخدام وكلاء الذكاء الاصطناعي، دون الحاجة إلى الاعتماد على خطوط الأنابيب التقليدية للبيانات أو نسخها. تأتي هذه الخطوة بعد إطلاق Databricks لمنتجها Lakehouse Transaction and Analytical Processing (LTAP) القائم على Neon Postgres، حيث يسعى كلا المزودين إلى دمج معالجة المعاملات (OLTP) مع المعالجة التحليلية (OLAP) بشكل أوثق.
صرح ماكس رومانينكو، كبير مسؤولي الهندسة في EDB، بأن نهج الشركة ينطلق من نقطة بداية مختلفة جوهرياً عن نهج Databricks. فبينما تتوسع Databricks انطلاقاً من بحيرة البيانات (Lakehouse) محاولةً إدخال قدرات المعاملات عبر Lakebase، تبدأ EDB من طبقة المعاملات في Postgres، حيث تدير المؤسسات أعباء العمل الحيوية عليها. تستخدم EDB قاعدة بيانات Postgres كمصدر أساسي للمعاملات، وتوظف Apache Iceberg كطبقة كتالوج مشتركة لربط Postgres بمحركات الحوسبة ClickHouse وWarehousePG وSpark، مما يبقي بيانات المعاملات داخل Postgres بينما تُخزّن البيانات التاريخية في التخزين الكائني المُدار بواسطة Iceberg. ويمكن لمحركات التحليل الاستعلام عن البيانات نفسها عبر الكتالوج المشترك دون الحاجة إلى نسخ منفصلة أو خطوط أنابيب ETL. وأكد رومانينكو أن هذا الاختلاف المعماري بالغ الأهمية للعملاء المستهدفين، وهم المؤسسات التي ترغب في الحصول على قدرات الذكاء الاصطناعي والتحليل، لكنها لا ترغب في نقل بياناتها الحساسة إلى منصات سحابية مُدارة.
أشارت ستيفاني والتر، رئيسة ممارسة تكدس الذكاء الاصطناعي في HyperFrame Research، إلى أن تركيز EDB على التحكم سيلقى صدى لدى مدراء المعلومات (CIOs) المهتمين بسيادة البيانات والبيانات الخاضعة للتنظيم والنشر المختلط، مما يمكنهم من تشغيل الذكاء الاصطناعي والتحليل على بياناتهم داخل بنية تحتية تخضع لسيطرة المؤسسة، دون الحاجة إلى إنشاء أصل بيانات خاص آخر. ورأى أشيش شاتورفيدي، رئيس الأبحاث التنفيذي في HFS Research، أن نهج التحليل المتكامل من EDB يوفر تكاليف أكثر قابلية للتنبؤ مقارنةً بمنتج LTAP من Databricks بالنسبة لمدراء المعلومات الذين يديرون ميزانيات التحليل والذكاء الاصطناعي. فالنموذج القائم على تسعير النوى (per-core) في EDB يجعل التكاليف أسهل في التنبؤ مقارنةً بالمنصات السحابية القائمة على الاستهلاك، حيث قد تؤدي أحجام الاستعلامات وأعباء عمل الذكاء الاصطناعي ومتطلبات معالجة البيانات إلى تقلبات في الفواتير. ومع ذلك، حذر إيغور إيكونيكوف، المستشار الباحث في Info-Tech Research Group، من أن الفاتورة القابلة للتنبؤ ليست بالضرورة أقل تكلفة، إذ تتطلب معالجة المعاملات عالية السرعة متطلبات أجهزة أعلى وأكثر تكلفة نسبياً. وأوضح ديفين برات، مدير الأبحاث في IDC، أن بنية EDB قد تُبسّط أيضاً حوكمة البيانات من خلال تقليل عدد المنصات التي تحتاج المؤسسات إلى إدارتها.
تهدف قدرات التحليل المتكامل من EDB إلى تبسيط عمليات المطورين وفرق هندسة البيانات. ورأت والتر أن هذه البنية تقلل عدد الأنظمة التي يجب دمجها وصيانتها، مع إلغاء الحاجة إلى كميات كبيرة من أعمال خطوط الأنابيب المطلوبة تقليدياً لنقل البيانات بين أنظمة المعاملات والتحليل. وأضاف برات أن مفهوم "صفر ETL" يعني وجود عدد أقل من خطوط الأنابيب التي يجب بناؤها وتفكيكها، مما يتيح للمهندسين قضاء وقتهم في خلق القيمة. إلى جانب EDB وDatabricks، تعمل Snowflake أيضاً على توسيع دعمها لأعباء عمل المعاملات من خلال اعتماد تنسيقات الجداول المفتوحة، بينما تدمج Microsoft خدمات المعاملات والتحليل عبر منصة Fabric.
لا تقتصر تحديثات EDB لمنصة Postgres AI على قدرات التحليل المتكامل فحسب. فقد أتاحت الشركة بشكل عام ما تسميه "قاعدة البيانات الوكيلة" (Agentic Database)، وهي ميزة تهدف إلى أتمتة مهام إدارة قواعد البيانات الروتينية. وأوضحت الشركة أن النظام يراقب باستمرار مئات المؤشرات التشغيلية ومؤشرات الأداء، ويكتشف الحالات الشاذة، ويوصي بإجراءات تصحيحية، ويمكنه تطبيق الإصلاحات تلقائياً إذا سمحت سياسات المؤسسة بذلك، مما يساعد على تحسين وضبط أداء قاعدة البيانات بسرعة تصل إلى 10 أضعاف. ورأت والتر أن هذا يمثل تطوراً لمفهوم قاعدة البيانات الذاتية (autonomous database) وليس فئة جديدة كلياً، حيث تقدم Oracle ومزودون آخرون وظائف مماثلة منذ سنوات. يتمثل تميز EDB في توسيع نطاق هذه القدرات الذاتية من خلال الاستدلال القائم على الذكاء الاصطناعي والإصلاح التلقائي وضوابط الحوكمة، مما يمنح المؤسسات القدرة على تحديد مستوى الصلاحيات الذي يحصل عليه النظام.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
