Moderne Anwendungen werden dynamischer, intelligenter und in Echtzeit. Dashboards erneuern sich mit eingehender Telemetrie. Überwachungssysteme reagieren auf wechselnde Basislinien. Agenten treffen Entscheidungen im Kontext, nicht isoliert. Jedes hängt von der gleichen grundlegenden Anforderung ab: die Fähigkeit, Live-Ereignisse mit einem tiefen historischen Zustand zu vereinen. Die Daten bleiben jedoch fragmentiert. Betriebssysteme, die auf Postgres gebaut wurden, bewältigen Einnahme und Servieren. Analyse-Systeme, die auf dem Lakehouse gebaut wurden, bewältigen Bereicherung und Modellierung. Wenn sie miteinander verbunden werden, bedeutet dies, dass Ströme, Pipelines und benutzerdefinierte Jobs zusammengeschnitten werden - jede mit Latenz, Fragilität und Kosten. Diese Fragmentierung verlangsamt nicht nur Teams – sie beschränkt, was Entwickler bauen können. Sie können keine Echtzeit-Dashboards mit historischer Tiefe oder Bodenagenten in frischem Betriebskontext liefern, wenn die Daten nach Design geteilt sind. Diese architektonische Kluft ist nicht mehr nachhaltig. Jetzt in der öffentlichen Beta führt es eine neue Datenlupe ein – kontinuierlich, zweiseitig und tief integriert – zwischen Postgres und dem Lakehouse. Es vereinfacht den Stack, bewahrt offene Formate und bringt den operativen und analytischen Kontext in das gleiche System. Tiger See Tiger See Einführung in Tiger Lake: Echtzeitdaten, Vollkontextsysteme Tiger Lake beseitigt die Notwendigkeit für externe Pipelines, komplexe Orchestrierungs-Frameworks und proprietäre Middleware. Es ist direkt in die Tiger Cloud integriert und integriert mit Tiger Postgres, unserem Produktionsgrad Postgres-Engine für transaktionale, analytische und agentische Workloads. Die Architektur verwendet offene Standards von Ende bis Ende: Apache Iceberg-Tabellen, die in Amazon S3 Tables für die Lakehouse-Integration gespeichert sind Kontinuierliche Replikation von Postgres-Tabellen oder Hypertables in Iceberg Streaming von Einnahmen zurück in Postgres für Low-Latency-Dienstleistungen und Operationen Abfragen von Postgres nach Iceberg drücken für effiziente Rollups Was früher erforderlich war Flink Jobs, DAG-Planer und benutzerdefinierter Klebstoff funktioniert jetzt nativ. Streaming-Verhalten und Schema-Kompatibilität sind von Anfang an in das System entworfen. Um zu verstehen, wie Tiger Lake die Datenarchitektur neu gestaltet, hilft und betrachten, wie es sich entwickelt, wenn Echtzeitkontext zu einem Kerndesignprinzip wird. Das Medallion-Modell überprüfen Das Medallion-Modell überprüfen Man kann es als eine : operational medallion architecture Bronze: Rohdaten landen in Iceberg-unterstützten S3. Silber: Reinigte und validierte Daten werden in Postgres repliziert. Gold: Aggregate werden in Postgres berechnet, um in Echtzeit zu servieren, und dann zu Iceberg zur Feature-Analyse übertragen. Traditionelle Bronze-Silber-Gold-Workflows wurden für Batch-Systeme erstellt. Tiger Lake ermöglicht einen kontinuierlichen Fluss, bei dem Bereicherung und Servieren in Echtzeit stattfinden. Diese Verschiebung verwandelt eine übermäßig komplexe Pipeline in eine dynamische und einfachere Echtzeit-Datenlupe. Kontext und Daten bewegen sich frei zwischen Systemen. Alle Daten bleiben nativ, up-to-date und abrufbar mit Standard-SQL. Tiger Lake unterstützt einen einzigen Schreibweg, der Echtzeit-Anwendungen, Dashboards und das Lakehouse mit der Architektur unterstützt, die dem Entwickler am besten passt. Benutzer können Daten an Postgres schreiben, dann die entsprechenden Daten und Rollups automatisch mit ihrem Lakehouse synchronisieren; im Gegenteil, Benutzer, die bereits Rohdaten in das Lakehouse speisen, können sie automatisch an Postgres für den operativen Service bringen. "Wir haben Kafka, Flink und benutzerdefinierten Code zusammengefasst, um Daten von Postgres nach Iceberg zu streamen. Kevin Otten, Director of Technical Architecture bei Speedcast. "Tiger Lake ersetzt all das mit nativer Infrastruktur. Es ist die Architektur, die wir von Tag zu Tag haben wollten." "Wir haben Kafka, Flink und benutzerdefinierten Code zusammengefasst, um Daten von Postgres nach Iceberg zu streamen. Kevin Otten, Director of Technical Architecture bei Speedcast. Kevin Otten, Director of Technical Architecture bei Speedcast. "Tiger Lake ersetzt all das mit nativer Infrastruktur. Es ist die Architektur, die wir von Tag zu Tag haben wollten." Von der Architektur zu den Ergebnissen Tiger Lake ermöglicht Echtzeit-Systeme, die zu komplex waren, um zu funktionieren oder zu teuer zu bauen. Kundenspezifische Dashboards Dashboards können nun Live-Metriken mit historischen Aggregaten in einer einzigen Abfrage kombinieren. Es gibt keine Notwendigkeit für doppelte Stapel oder stale Einblicke. Tiger Lake unterstützt Hochdurchsatzaufnahme auf Produktionsebene, wodurch Pipelines, die Milliarden von Zeilen in Echtzeit visualisieren. Alles lebt in einem System, ständig aktualisiert und sofort abrufbar. "Mit Tiger Lake haben wir schließlich unsere Echtzeit- und historischen Daten vereinigt." Maxwell Carritt, Leading IoT Engineer bei Pfeifer & Langen. "Jetzt streamen wir nahtlos von Tiger Postgres nach Iceberg und geben unseren Analysten die Macht, Daten über S3, Athena und TigerData zu erforschen, zu modellieren und zu handeln." "Mit Tiger Lake haben wir schließlich unsere Echtzeit- und historischen Daten vereinigt." Maxwell Carritt, Leading IoT Engineer bei Pfeifer & Langen. Maxwell Carritt, Leading IoT Engineer bei Pfeifer & Langen. "Jetzt streamen wir nahtlos von Tiger Postgres nach Iceberg und geben unseren Analysten die Macht, Daten über S3, Athena und TigerData zu erforschen, zu modellieren und zu handeln." Überwachungssysteme Ingenieure können eine SQL-Abfrage ausführen, um frische Telemetrie und historische Vorfälle zusammen zu überprüfen – um die Sortierungsgeschwindigkeit zu verbessern, falsche Positive zu reduzieren und sich auf das zu konzentrieren, was zählt. Tiger Lake ermöglicht es Überwachungssystemen, auf demselben Live-Betriebsrahmen zu arbeiten, wo Iceberg historische Tiefe bietet und Tiger Postgres Zugriff mit geringer Latenz bietet. Agenten Tiger Lake ermöglicht die Grundlegung ohne zusätzliche Infrastruktur. Entwickler können die jüngste Benutzeraktivität und die langfristige Interaktionsgeschichte direkt innerhalb von Postgres einbetten. Es besteht keine Notwendigkeit für Orchestrierung, Vektordrift-Management oder benutzerdefinierte KI-Pipelines. Stellen Sie sich vor, ein Support-Agent erhält eine neue Umfrage. Der große Körper der historischen Support-Fälle bleibt in Iceberg, während Tiger Lake automatisierte Teil- und Vektor-Einbettungen in Postgres erstellt hat. Jetzt kann die Vektor-Suche gegen die Betriebsdatenbank schnell auf AI-Chat-Fragen antworten und gleichzeitig sicherstellen, dass die Einbettungen frisch und up-to-date bleiben, ohne komplexe Orchestrierungspipelines. Dabei ist Tiger Lake auch ein wichtiger Baustein in dem, was wir Agentic Postgres nennen, einer Postgres-Stiftung für intelligente Systeme, die lernen, entscheiden und handeln. "Mit Tiger Lake glauben wir, dass TigerData eine starke Grundlage gesetzt hat, um Postgres in den Betriebsmotor des offenen Seehäuses für Anwendungen zu verwandeln." sagte Ken Yoshioka, CTO, Lumia Health. "Es ermöglicht uns die Flexibilität, unser Biotech-Startup schnell mit einer Infrastruktur zu wachsen, die sowohl für die Analyse als auch für die Agentur KI konzipiert ist." "Mit Tiger Lake glauben wir, dass TigerData eine starke Grundlage gesetzt hat, um Postgres in den Betriebsmotor des offenen Seehäuses für Anwendungen zu verwandeln." sagte Ken Yoshioka, CTO, Lumia Health. sagte Ken Yoshioka, CTO, Lumia Health. "Es ermöglicht uns die Flexibilität, unser Biotech-Startup schnell mit einer Infrastruktur zu wachsen, die sowohl für die Analyse als auch für die Agentur KI konzipiert ist." Unternehmen wie Speedcast, Lumia Health und Pfeifer & Langen bauen bereits Vollkontext- und Echtzeit-Analysesysteme mit Tiger Lake. Diese Architekturen erzeugen industrielle Telemetrie, agentische Workflows und Echtzeit-Operationen, alles von einer einheitlichen, kontinuierlich Streaming-Plattform. Public Beta für Tiger Cloud verfügbar Tiger Lake ist jetzt in der öffentlichen Beta verfügbar , unsere verwaltete Plattform für Echtzeit-Anwendungen und Analysesysteme. Es unterstützt den kontinuierlichen Streaming von Tiger Postgres zu Iceberg-unterstützten Amazon S3 Tables mit offenen Formaten. Tiger Cloud Tiger Cloud Kommt bald: Round-Trip Intelligence Später in diesem Sommer: Query Iceberg Kataloge direkt aus innerhalb von Postgres. Erkunden, beitreten und Argumentation über Lakehouse und Betriebsdaten mit SQL. Herbst 2025: Vollständige Rundreise-Workflows: In Postgres integrieren, in Iceberg bereichern und die Ergebnisse automatisch wieder streamen. Wie man Tiger Lake installiert Der Einstieg ist einfach. Keine komplexe Orchestrierung oder manuelle Integrationen: Erstellen Sie einen Bucket für Iceberg-kompatible S3-Tabellen. Bereitstellung von ARN-Berechtigungen für Tiger Cloud. Tischsynchronisierung in Tiger Postgres aktivieren: ALTER TABLE my_hypertable SET (
  tigerlake.iceberg_sync = true
);
 Die Zukunft der Datenarchitektur ist in Echtzeit, kontextuell und offen Tiger Lake führt eine neue Art von Architektur ein. Es ist kontinuierlich im Design, standardmäßig skalierbar und für Anwendungen optimiert, die vollständigen Kontext und vollständige Daten in Echtzeit benötigen. Operative Daten fließen zum Lakehouse zur Bereicherung und Modellierung. Bereicherte Einblicke fließen zurück in Postgres für Low-Latency-Serving. Anwendungen und Agenten vervollständigen die Schleife und reagieren mit Präzision und Geschwindigkeit. Wir glauben, dass dies die Grundlage für das ist, was folgt: Systeme, die operative Nutzungsfälle und interne Analysen vereinen Architekturen, die Komplexität reduzieren, anstatt sie zu kompostieren Workloads, die nicht nur reaktiv sind, sondern im Verständnis gegründet sind Sie sollten nicht zwischen Kontext und Einfachheit wählen müssen. Sie sollten keine Systeme zusammenstellen, die nie so konzipiert wurden, dass sie zusammenarbeiten. Zusammen mit der Speicherarchitektur der nächsten Generation und unserem Postgres-nativen KI-Tooling bildet Tiger Lake das Rückgrat von Agentic Postgres. Dies ist eine Grundlage für intelligente Workloads, die lernen, simulieren und handeln. Probieren Sie es heute auf Und überprüfen Sie die um zu beginnen. Tiger Cloud Tiger Lake Dokumente Tiger Cloud Tiger Lake Dokumente - der Mike

This story contains new, firsthand information uncovered by the writer.

Stop database overprovisioning with Dynamic PostgreSQL. Try it out for free

Stop database overprovisioning with Dynamic PostgreSQL Try it out for free

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Tiger Lake startet Unify Postgres und Lakehouse für Echtzeit-Analyse und KI

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon's DeFi Writing Contest with SORA Network: XSTUSD Use Cases

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

Starting 2025 with New Features: Settings Dashboard, HackerNoon Decoded, Updated Search UI, and More

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon's DeFi Writing Contest with SORA Network: XSTUSD Use Cases

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

Starting 2025 with New Features: Settings Dashboard, HackerNoon Decoded, Updated Search UI, and More

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps