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
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。