Nowoczesne aplikacje stają się coraz bardziej dynamiczne, inteligentne i w czasie rzeczywistym. Tablice kontrolne odświeżają się przy wchodzących telemetrach. Systemy monitorowania reagują na zmieniające się linie bazowe. Agenci podejmują decyzje w kontekście, a nie w izolacji. Dane pozostają jednak rozdrobnione. Systemy operacyjne, zbudowane na Postgres, radzą sobie z wchłanianiem i serwowaniem. Systemy analityczne, zbudowane na jeziorze, radzą sobie z wzbogacaniem i modelowaniem. Połączenie ich oznacza łączenie strumieni, rurociągów i niestandardowych zadań – każda wprowadzając opóźnienie, kruchość i koszt. Rezultatem jest patchwork systemów, które starają się dostarczyć pełny obraz, nie mówiąc już o tym w czasie rzeczywistym. Ta fragmentacja nie tylko spowalnia zespoły – ogranicza to, co programiści mogą zbudować.Nie można dostarczać pulpitów w czasie rzeczywistym z historyczną głębokością lub naziemnymi agentami w świeżym kontekście operacyjnym, gdy dane są podzielone według projektu. Ta różnica architektoniczna nie jest już trwała. Teraz w publicznej wersji beta wprowadza nowy obwód danych - ciągły, dwukierunkowy i głęboko zintegrowany - między Postgres a jeziorem. upraszcza stos, zachowuje otwarte formaty i wprowadza kontekst operacyjny i analityczny do tego samego systemu. Tygrysie jezioro Tygrysie jezioro Wprowadzenie Tiger Lake: dane w czasie rzeczywistym, systemy pełnego kontekstu Tiger Lake eliminuje potrzebę zewnętrznych rurociągów, złożonych ram orchestracji i własnego middlewaru. Jest on wbudowany bezpośrednio w Tiger Cloud i zintegrowany z Tiger Postgres, naszym produkcyjnym silnikiem Postgres dla obciążeń transakcyjnych, analitycznych i agentycznych. Architektura wykorzystuje otwarte standardy od końca do końca: Tabele Apache Iceberg przechowywane w tabelach Amazon S3 do integracji z jeziorem Ciągła replikacja tabeli Postgres lub hipertabeli do Iceberg Przenoszenie wchłaniania z powrotem do Postgres dla obsługi i operacji o niskim opóźnieniu Przenoszenie zapytań z Postgres do Iceberg dla efektywnych rollupów Te funkcje są wbudowane.To, co wcześniej wymagało pracy Flink, harmonogramów DAG i niestandardowego kleju, teraz działa natively.Streaming zachowanie i zgodność schematu są zaprojektowane do systemu od samego początku. Aby zrozumieć, w jaki sposób Tiger Lake przekształca architekturę danych, pomaga i zastanów się, jak to się zmienia, gdy kontekst w czasie rzeczywistym staje się podstawową zasadą projektowania. Przegląd modelu medalu Przegląd modelu medalu Można o tym myśleć jako o : operational medallion architecture Brąz: Surowe dane lądują w wspieranej przez Iceberg S3. Srebro: Oczyszczone i zweryfikowane dane są replikowane w Postgres. Złoto: agregaty są obliczane w Postgres do podania w czasie rzeczywistym, a następnie przesyłane z powrotem do Iceberg do analizy funkcji. Tradycyjne przepływy pracy Brązowo-Srebrno-Złoto zostały zbudowane dla systemów partiowych. Tiger Lake umożliwia ciągły przepływ, w którym wzbogacanie i podawanie odbywają się w czasie rzeczywistym. Ta zmiana przekształca zbyt skomplikowany rurociąg w dynamiczny i prostszy obwód danych w czasie rzeczywistym. Kontekst i dane przemieszczają się swobodnie między systemami. Warstwy operacyjne i analityczne pozostają połączone bez nadmiernych zadań lub powielonej infrastruktury. Wszystkie dane pozostają native, aktualne i łatwe do wyszukiwania ze standardowym SQL. Tiger Lake obsługuje pojedynczą ścieżkę pisania, która napędza aplikacje w czasie rzeczywistym, tablicy sterowania i jezioro, wykorzystując architekturę, która najlepiej pasuje do dewelopera. Użytkownicy mogą pisać dane do Postgres, a następnie mieć odpowiednie dane i rollups automatycznie zsynchronizowane do ich jeziora; przeciwnie, użytkownicy, którzy już dostarczają surowe dane do jeziora, mogą automatycznie przynieść je do Postgres do obsługi operacyjnej. "Zgromadziliśmy Kafkę, Flink i niestandardowy kod, aby przesyłać dane z Postgres do Iceberg. Kevin Otten, dyrektor ds. architektury technicznej w Speedcast. "Tiger Lake zastępuje to wszystko native infrastruktury. to architektura, którą chcielibyśmy mieć od pierwszego dnia." "Zgromadziliśmy Kafkę, Flink i niestandardowy kod, aby przesyłać dane z Postgres do Iceberg. Kevin Otten, dyrektor ds. architektury technicznej w Speedcast. Kevin Otten, dyrektor ds. architektury technicznej w Speedcast. "Tiger Lake zastępuje to wszystko native infrastruktury. to architektura, którą chcielibyśmy mieć od pierwszego dnia." Od architektury do wyników Tiger Lake umożliwia tworzenie systemów w czasie rzeczywistym, które wcześniej były zbyt skomplikowane do obsługi lub zbyt drogie do zbudowania. Obsługa dashboardu Tablice kontrolne mogą teraz łączyć metryki na żywo z agregatami historycznymi w jednym zapytaniu. Nie ma potrzeby tworzenia podwójnych stosów lub stałych wglądu. Tiger Lake obsługuje wchłanianie wysokiej przepustowości na skalę produkcyjną, dostarczając rurociągów napędowych, które wizualizują miliardy wierszy w czasie rzeczywistym. "Z Tiger Lake, w końcu zjednoczyliśmy nasze dane w czasie rzeczywistym i historyczne." powiedział Maxwell Carritt, główny inżynier IoT w Pfeifer & Langen. "Teraz bezproblemowo przepływa z Tiger Postgres do Iceberg, dając naszym analitykom moc do eksploracji, modelowania i działania na danych w S3, Athena i TigerData." "Z Tiger Lake, w końcu zjednoczyliśmy nasze dane w czasie rzeczywistym i historyczne." powiedział Maxwell Carritt, główny inżynier IoT w Pfeifer & Langen. powiedział Maxwell Carritt, główny inżynier IoT w Pfeifer & Langen. "Teraz bezproblemowo przepływa z Tiger Postgres do Iceberg, dając naszym analitykom moc do eksploracji, modelowania i działania na danych w S3, Athena i TigerData." Systemy monitorowania Inżynierowie mogą uruchomić jedno zapytanie SQL, aby wspólnie sprawdzać nową telemetrię i incydenty historyczne – poprawiając szybkość sortowania, zmniejszając fałszywe pozytywy i koncentrując się na tym, co ma znaczenie. Uproszczenie płaszczyzny danych poprawia również odporność systemu. Tiger Lake pozwala systemom monitorowania działać na tym samym życiowym rdzeniu operacyjnym, gdzie Iceberg zapewnia historyczną głębokość, a Tiger Postgres zapewnia dostęp o niskim opóźnieniu. agentów Tiger Lake umożliwia uziemienie bez dodatkowej infrastruktury. Deweloperzy mogą osadzić ostatnią aktywność użytkowników i długoterminową historię interakcji bezpośrednio w Postgres. Wyobraź sobie, że agent wsparcia otrzymuje nowe zapytanie. Duża liczba przypadków historycznego wsparcia pozostaje w Iceberg, podczas gdy Tiger Lake stworzył zautomatyzowane wkłady kawałków i wektorów w Postgres. Teraz wyszukiwanie wektorowe wobec bazy danych operacyjnych może szybko odpowiedzieć na pytania dotyczące czatu AI, zapewniając jednocześnie, że wkłady pozostają świeże i aktualne bez skomplikowanych kanałów orchestracji. W ten sposób Tiger Lake jest również kluczowym budulcem w tym, co nazywamy Agentic Postgres, fundacją Postgres dla inteligentnych systemów, które uczą się, decydują i działają. "Wraz z Tiger Lake wierzymy, że TigerData stawia solidne podstawy dla przekształcenia Postgres w silnik operacyjny otwartego jeziora dla aplikacji." powiedział Ken Yoshioka, CTO, Lumia Health. "To pozwala nam na elastyczność, aby szybko rozwijać nasz startup biotechnologiczny z infrastrukturą zaprojektowaną zarówno dla analityki, jak i agentycznej sztucznej inteligencji." "Wraz z Tiger Lake wierzymy, że TigerData stawia solidne podstawy dla przekształcenia Postgres w silnik operacyjny otwartego jeziora dla aplikacji." powiedział Ken Yoshioka, CTO, Lumia Health. powiedział Ken Yoshioka, CTO, Lumia Health. "To pozwala nam na elastyczność, aby szybko rozwijać nasz startup biotechnologiczny z infrastrukturą zaprojektowaną zarówno dla analityki, jak i agentycznej sztucznej inteligencji." Firmy takie jak Speedcast, Lumia Health i Pfeifer & Langen już budują systemy analityczne w pełnym kontekście i w czasie rzeczywistym z Tiger Lake. Publiczna beta w chmurze Tiger Tiger Lake jest już dostępny w publicznej wersji beta , nasza zarządzana platforma dla aplikacji w czasie rzeczywistym i systemów analitycznych. obsługuje ciągłe strumieniowanie z Tiger Postgres do Amazon S3 Tables obsługiwanych przez Iceberg przy użyciu otwartych formatów. Chmura tygrysa Chmura tygrysa Wkrótce: okrągła wycieczka inteligencji Później tego lata: Zapytaj katalogi Iceberg bezpośrednio z Postgres. Odkryj, dołącz i uzasadnij w całym jeziorze i danych operacyjnych za pomocą SQL. Jesień 2025: pełne przepływy robocze: wchłanianie do Postgres, wzbogacenie w Iceberg i automatyczne przesyłanie wyników. Jak zainstalować Tiger Lake Rozpoczęcie jest proste, nie ma skomplikowanej orkiestracji ani integracji ręcznej: Utwórz pojemnik dla tabel zgodnych z Iceberg S3. Zapewnienie uprawnień ARN do chmury Tiger. Włącz synchronizację tabel w Tiger Postgres: ALTER TABLE my_hypertable SET (
  tigerlake.iceberg_sync = true
);
 Przyszłość architektury danych jest w czasie rzeczywistym, kontekstowym i otwartym Tiger Lake wprowadza nowy rodzaj architektury, która jest ciągła pod względem projektu, skalowalna domyślnie i zoptymalizowana do zastosowań wymagających pełnego kontekstu i kompletnych danych w czasie rzeczywistym. Dane operacyjne przepływają do jeziora w celu wzbogacenia i modelowania. Wzbogacone informacje przepływają z powrotem do Postgres w celu obsługi niskiego opóźnienia. Aplikacje i agenci wypełniają obwód, reagując z precyzją i szybkością. Uważamy, że jest to podstawa tego, co następuje: Systemy łączące przypadki użytkowania operacyjnego i analizy wewnętrzne Architektury, które zmniejszają złożoność zamiast ją pogłębiać Obciążenia, które są nie tylko reaktywne, ale oparte na zrozumieniu Nie powinieneś wybierać między kontekstem a prostotą.Nie powinieneś łączyć systemów, które nigdy nie zostały zaprojektowane do współpracy. W połączeniu z architekturą pamięci masowej nowej generacji i narzędziami sztucznej inteligencji stworzonymi przez Postgres, Tiger Lake tworzy rdzeń Agentic Postgres. Spróbuj dzisiaj na i sprawdzić na Aby zacząć Chmura tygrysa Restauracje w pobliżu Tiger Lake Docs Chmura tygrysa Restauracje w pobliżu Tiger Lake Docs – – 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

Ten dźwięk jest produkowany w oryginalnym języku historii!

Tiger Lake uruchamia Unify Postgres i Lakehouse do analizy w czasie rzeczywistym i sztucznej inteligencji

About Author

UWAGI

ZAWIEŚĆ TAGI

ARTYKUŁ TEN ZOSTAŁ PREZENTOWANY W

Related Stories

Leadzai - The Startup of the Year that Democratizes Access to Online Advertising

From Desk to HackerNoon: Your Ultimate Guide on How to Publish a Story

Meet Sora: HackerNoon Company of the Week

How HackerNoon Feels About AI Generated Content (Hint: 👎🏽)

Leadzai - The Startup of the Year that Democratizes Access to Online Advertising

From Desk to HackerNoon: Your Ultimate Guide on How to Publish a Story

Meet Sora: HackerNoon Company of the Week

How HackerNoon Feels About AI Generated Content (Hint: 👎🏽)

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps