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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。