HPE今天宣布已经收购Ampool,该公司的开源查询加速平台可用于商业智能场景中。

HPE没有透露此次收购的价格信息。HPE在一篇博客文章中表示,Ampool的可扩展数据联合层和多层加速引擎将提供一个云原生的SQL分析引擎,并将成为HPE Ezmeral边缘到云分析运行时的一个组成部分,用于交互式SQL工作负载。
Ampool还将给HPE带来几位曾经在雅虎、LinkedIn、VMware Pivotal和Veritas工作的工程师,同时他们也是Apache Geode、Presto/Trino、Apache Spark和Apache Ranger等项目的主要贡献者。
HPE Ezmeral业务总经理Anant Chintamaneni在博客中这样写道:“现有的本地SQL工具是死板、速度很慢且和特定底层存储技术例如HDFS捆绑在一起的。企业组织需要一组松散耦合的云原生查询引擎,支持针对各种后端数据源的多种分析和商业智能工具。”
Ampool利用内存缓存将运行在AWS Amazon Elastic MapReduce大数据处理服务上的性能提高多达40倍,并将在Tableau数据可视化平台上查询的速度提高多达100倍。
该公司表示,Ampool Active Data Store是基于Apache Geode分布式内存数据库的,支持来自单个以内存为中心的存储的流获取、批处理、事务型和交互型/即席查询。HPE计划利用Ampool进一步专注于SQL运行时,尤其是那些针对开源Presto分布式分析平台和非特定独立软件产品的运行时。
“使用多个基于容器的临时SQL计算引擎——例如Presto和Spark,往往需要在外部存储和管理持久元数据。Ampool在构建带有角色访问控制的共享元数据目录方面,拥有深厚的专业知识,可提供对不同后端数据源的一致视图,”Chintamaneni这样写道。
根据Crunchbase的信息显示,Ampool成立于2015年,在印度圣克拉拉和浦那设有办事处,到目前为止已经筹集了40万美元的种子资金。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。