CedarDB-ს ერთიანი მონაცემთა ბაზა ტრანზაქციებისა და ანალიტიკისთვის: AI აგენტების ეპოქა ახალ სტანდარტებს აწესებს

მონაცემთა ბაზები ტრადიციულად ორიდან ერთ-ერთი ფუნქციის შესასრულებლად იქმნებოდა: ანალიტიკური ბაზები ბიზნესებს ტენდენციების იდენტიფიცირებასა და კითხვებზე პასუხების მიღებაში ეხმარება, ხოლო ოპერაციული ბაზები ყოველდღიურ ტრანზაქციებს, მაგალითად, შეკვეთებსა და გადახდებს ინახავს. თუმცა, მიუნხენში ბაზირებული სტარტაპი CedarDB ორივე ამ მიმართულებას აერთიანებს. კომპანიის თანადამფუძნებლისა და აღმასრულებელი დირექტორის, მორიც სიხერტის თქმით, ეს მიდგომა განსაკუთრებით აქტუალური „აგენტური ხელოვნური ინტელექტის“ (Agentic AI) განვითარებასთან ერთად გახდა.

CedarDB-ზე მუშაობა ბოლო ათწლეულის განმავლობაში მიმდინარეობდა, თუმცა მისი ამჟამინდელი პოპულარობა მსხვილი საწარმოების მოთხოვნებმა განაპირობა. არსებული მონაცემთა სისტემები კარგად უმკლავდება წლების განმავლობაში დაგროვილი ტრანზაქციების შენახვას, მაგრამ უჭირთ ბუნებრივ ენაზე დასმულ ანალიტიკურ კითხვებზე სწრაფი პასუხების გაცემა. CedarDB-ის მიერ ანალიტიკურ და ოპერაციულ მოთხოვნებს შორის არსებული ზღვრის წაშლა მათი ეფექტურობაზე ფოკუსირების შედეგია.

კომპანია მიუნხენის ტექნიკური უნივერსიტეტის (TUM) პროექტ Umbra-დან წარმოიშვა. ეს იყო კვლევითი პროექტი, რომელიც ნულიდან შეიქმნა იმისთვის, რომ თანამედროვე აპარატურული უზრუნველყოფის მაქსიმალური გამოყენებით გადაემუშავებინა მონაცემები უფრო სწრაფად, ვიდრე ამას ძველი სისტემები ახერხებდნენ. ხუთი დამფუძნებელი სწორედ Umbra-ს მკვლევარია. CedarDB-მ შეინარჩუნა ეს მიდგომა და მომხმარებლებს სთავაზობს მაღალ წარმადობას დამატებითი პროცესორების (CPU) ან ოპერატიული მეხსიერების საჭიროების გარეშე, თანაც ისე, რომ სისტემაში მინიმალური ცვლილებების შეტანა იყოს საჭირო.

PostgreSQL-თან თავსებადობა და AI-სთან ინტეგრაცია

CedarDB-ის გუნდმა უზრუნველყო სრული თავსებადობა PostgreSQL-თან, რომელიც ერთ-ერთი ყველაზე პოპულარული ღია კოდის მქონე მონაცემთა ბაზაა. სიხერტის განმარტებით, ეს თავსებადობა ამცირებს სხვა სისტემიდან გადასვლის ხარჯებს, რადგან მომხმარებლებს არ უწევთ საკუთარი აპლიკაციების ხელახლა აწყობა. გარდა ამისა, ამ გადაწყვეტილებას კიდევ ერთი უპირატესობა აქვს: CedarDB მიჰყვება იმ ლოგიკას, რომელსაც დიდი ენობრივი მოდელები (LLM) სწავლების პროცესში ყველაზე მეტად ეჩვევიან.

აკადემიური სფეროდან ბიზნესში გადასვლის შემდეგ, გუნდმა პრიორიტეტად რამდენიმე საკვანძო საკითხი დაისახა:

• საიმედოობა: სისტემის სტაბილური მუშაობის უზრუნველყოფა კრიტიკულ პირობებში.
• შეცდომების მიმართ მდგრადობა (Fault tolerance): მონაცემთა დაცვა და აღდგენა ხარვეზების შემთხვევაში.
• პოპულარულ ინსტრუმენტებთან თავსებადობა: არსებულ ეკოსისტემებში მარტივი ინტეგრაცია.

ბაზარზე გასვლა და კონკურენცია

გუნდში დიდი მსჯელობა მიმდინარეობდა იმის შესახებ, დაეწყოთ თუ არა პირდაპირ ღრუბლოვანი (Cloud) სერვისის შეთავაზება. საბოლოოდ, მათ გამოუშვეს CedarDB Enterprise, როგორც ლოკალური (on-premise) გადაწყვეტილება, უფასო ვერსიასთან — CedarDB Community Edition-თან ერთად. ორივე პროდუქტი გასული წლის მაისში წარადგინეს, 5.3 მილიონი ევროს (დაახლოებით 6 მილიონი დოლარი) მოცულობის საწყისი (seed) დაფინანსების რაუნდის პარალელურად.

სრულად მართული ღრუბლოვანი ვერსია CedarDB-ს საშუალებას მისცემს, მომხმარებელთა ბაზა მსხვილი საწარმოების მიღმაც გააფართოოს. ეს ასევე დაეხმარება კომპანიას ისეთ გიგანტებთან კონკურენციაში, როგორიცაა Databricks. ამ უკანასკნელმა ივნისში გამართულ კონფერენციაზე „აგენტური ეპოქა“ დაასახელა მიზეზად, რის გამოც LTAP — მონაცემთა ახალი არქიტექტურა წარადგინა. LTAP-ის მიზანია ტრანზაქციების, ანალიტიკის, სტრიმინგისა და ოპერაციული მონაცემების ერთიან საცავში გაერთიანება.

ჯერჯერობით რთულია იმის თქმა, თუ რამდენად რევოლუციური იქნება ეს ცვლილებები, თუმცა სიხერტი Databricks-ის ნაბიჯს იმის დასტურად მიიჩნევს, რომ ბაზარზე CedarDB-ის მსგავს ტექნოლოგიებზე მოთხოვნა ნამდვილად არსებობს. ამჟამად სტარტაპი 14 ადამიანისგან შემდგარი გუნდით ოპერირებს, თუმცა სამომავლოდ გაფართოებას და დაფინანსების მომდევნო რაუნდის მოზიდვას გეგმავს.