随着 8.0 版本的发布,分布式多模型数据库 Aerospike 新增了 ACID 事务支持,以支持大规模在线事务处理 (OLTP) 应用,该公司称这是业界首创。
分析师对此次发布表示支持,认为它解决了分布式 NoSQL 数据库面临的一个"重大挑战"。
Aerospike 是一个完全基于内存的数据库,支持键值对、JSON 文档、图形和向量搜索模型。该公司始于 2010 年的 Citrusleaf,2012 年更名为 Aerospike,2014 年在 Apache 和 AGPL 许可下开源。同时也提供商业版企业版。
它使用命名空间的概念,类似于关系数据库中的表空间。命名空间内包含集合,相当于关系数据库中的表。
Aerospike 可能不太为人所知。Stack Overflow 2024 年的调查中并未将其列入开发者使用的前 35 名数据库。在 DB-Engines 排名中位列第 61 位。不过,它的客户包括 PayPal、巴克莱银行和 Airtel 等跨国公司。
在本月早些时候 Aerospike 8 发布后,首席产品官 Srini Srinivasan 告诉 The Register,NoSQL 数据库最初的理念是为了提供更高的性能而在一致性上做出妥协。
"那是 15 年前的事了。随着时间推移,每个 NoSQL 数据库都增加了强一致性事务功能。Aerospike 非常注重规模化性能。2018 年,我们发布了单记录操作的强一致性支持,而在 Aerospike 8 中,我们提供了完整的事务支持。这是经典的事务支持,在数据库领域已有 30 到 40 年的历史。我们在不影响单操作性能的情况下添加了这个功能。性能与此版本发布前保持一致。"
他声称一些客户在分布式系统上实现了接近每秒 1 亿次事务的处理能力。
Forrester Research 副总裁兼首席分析师 Noel Yuhanna 表示,Aerospike 以支持高性能实时应用而闻名。
"NoSQL 分布式数据库的一个重大挑战是维护集群间的数据一致性,这就是为什么许多产品支持'最终一致性'数据库。然而,Couchbase、MongoDB 和 YugabyteDB 确实提供了跨集群的分布式多文档 ACID 事务。通过此次发布,Aerospike 使客户能够在确保强一致性的同时在分布式环境中运行事务应用,这对 Aerospike 客户来说是一个重要里程碑。考虑到其具有吸引力的总体拥有成本,这提供了一个令人信服的价值主张,使其对更多企业来说更具吸引力。"
使用场景最初始于全球银行系统的欺诈检测应用,但已扩展到游戏、移动支付系统和实时体育博彩等领域。
Gartner 总监分析师 Henry Cook 表示,Aerospike 关于 ACID 合规性和分布式规模性能的说法是可信的,对需要这种性能的应用需求正在增长。
"随着我们在全球范围内实施更多分布式系统,需要支持系统状态的全球一致性视图。这可能是底层全局数据库内容的通用状态,或提供描述数据和用户状态的全局一致元数据。"
Gartner 高级总监分析师 Aaron Rosenbaum 表示,具有类似性能的其他数据库可能包括 CockroachDB 或 YugabyteDB,它们使用 PostgreSQL 前端和分布式后端。同时,Amazon DynamoDB、Azure CosmosDB 和 Google Spanner 等超大规模数据库也在同一类别中。
这种专业高性能数据库唯一的缺点可能是供应商的规模。
"一些数据库来自较小的公司,因此,企业需要权衡对它们的依赖程度,"Rosenbaum 说。"然而,超大规模供应商提供的易管理性伴随着对其云和产品的锁定。在数据管理领域,平衡独立供应商的部署灵活性与超大规模供应商的管理简便性是一个挑战,尤其是在分布式访问如此强大的这个特定细分市场中。"
Aerospike 在去年 4 月获得了 1.09 亿美元的风险投资,12 月又获得了 3000 万美元的增长融资。Yuhanna 表示该公司接近收支平衡。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。