Kostki danych
Databricks to platforma danych i sztucznej inteligencji, która łączy inżynierię danych, analitykę i uczenie maszynowe w jednym fundamencie „jeziora”.
Przegląd
It matters because it lets companies manage huge datasets and build AI directly where their data already lives.
Głębokie nurkowanie
Firma Databricks została założona w 2013 roku przez oryginalnych twórców Apache Spark, w tym Ali Ghodsi i Matei Zaharia, z AMPLab na Uniwersytecie Kalifornijskim w Berkeley. Jej charakterystyczną ideą jest „lakehouse” — połączenie taniego i elastycznego przechowywania jeziora danych z niezawodnością i wydajnością hurtowni danych, którą umożliwia otwarty format tabeli Delta Lake. Na górze znajduje się katalog Unity do zarządzania, MLflow do śledzenia eksperymentów oraz środowisko wykonawcze Databricks zbudowane na platformie Spark. W 2023 r. firma Databricks nabyła MosaicML, a później wypuściła DBRX, otwarty model dużego języka, sygnalizujący zdecydowany zwrot w kierunku generatywnej sztucznej inteligencji. Platforma oferuje obecnie „platformę analizy danych” do tworzenia i obsługi agentów AI na danych przedsiębiorstwa.
Wgląd techniczny
W swojej istocie Databricks uruchamia obliczenia rozproszone w Apache Spark, dzieląc duże zadania pomiędzy klastry maszyn. Delta Lake dodaje transakcje ACID i dziennik transakcji do taniej pamięci obiektowej, dzięki czemu jeziora danych zachowują się niezawodnie jak bazy danych. MLflow standaryzuje cykl życia ML — śledzenie przebiegów, pakowanie modeli i zarządzanie wdrożeniami. W przypadku generatywnej sztucznej inteligencji narzędzia Mosaic AI obsługują dostrajanie, wyszukiwanie wektorów i udostępnianie modeli, umożliwiając firmom tworzenie asystentów wspomaganych wyszukiwaniem bezpośrednio na podstawie zarządzanych danych.
Wpływ strategiczny
Strategia dostawcy
Plany dostawców wpływają na to, jakie funkcje Twój zespół będzie mógł dalej tworzyć.
Koszt i budżet
Warunki handlowe i opcje wdrożenia wpływają na długoterminowe koszty i ryzyko.
Ryzyko i bezpieczeństwo
Zachęty firmowe kształtują wady produktów, postawę bezpieczeństwa i otwartość.
Przyszłość kostek danych
Databricks ściga się, aby stać się miejscem, w którym przedsiębiorstwa budują sztuczną inteligencję na własnych danych, konkurując z Snowflake i gigantami chmurowymi. Spodziewaj się dużych inwestycji w agentów AI, regulowane pobieranie i narzędzia, które umożliwiają osobom niebędącym ekspertami wysyłanie zapytań o dane w języku naturalnym. Jej zakłady typu open source (Delta Lake, MLflow, DBRX) mają na celu blokowanie dzielenia się myślami, jednocześnie zarabiając na obsłudze i zarządzaniu. Dzięki niebotycznej wycenie prywatnej i ciągłym spekulacjom na temat IPO, Databricks pozycjonuje Lakehouse jako domyślne podłoże dla generatywnej sztucznej inteligencji dla przedsiębiorstw.
Implementacja w świecie rzeczywistym
Sprzedawca detaliczny uruchamia co noc zadania Spark w Databricks, aby przetwarzać miliardy rekordów sprzedaży w przejrzyste tabele na potrzeby prognozowania.
Zespół analityki danych używa MLflow w Databricks do śledzenia eksperymentów i wdrażania modelu przewidywania rezygnacji.
Bank tworzy zarządzanego chatbota z wyszukiwarką wektorową Mosaic AI, który odpowiada na pytania dotyczące wewnętrznych dokumentów politycznych.
Grupa analityczna korzysta z usługi Delta Lake, aby zapewnić niezawodne tabele transakcyjne dla nieuporządkowanych jezior danych na potrzeby pulpitów nawigacyjnych BI.
Zagrożenia i poręcze
Ogłoszenia o wprowadzeniu na rynek mogą przekroczyć stabilność w rzeczywistych przepływach pracy.
Ceny interfejsów API lub zmiany zasad mogą z dnia na dzień złamać założenia.
Zależność od jednego dostawcy zwiększa koszty uzależnienia i migracji.
Plan wdrożenia
Oceniaj dostawców, korzystając z własnych zadań i zbiorów danych.
Przed integracją przejrzyj warunki dotyczące prywatności, bezpieczeństwa i prawa.
Utrzymuj plan awaryjny dla różnych modeli i dostawców.
Monitoruj informacje o wersji, aby zmiany w planie działania nie zaskoczyły zespołów.
Odkrywaj dalej
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Databricks quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Następny poradnik
ElevenLabs
Często zadawane pytania
What is Databricks?
Databricks to platforma danych i sztucznej inteligencji, która łączy inżynierię danych, analitykę i uczenie maszynowe w jednym fundamencie „jeziora”. Ma to znaczenie, ponieważ pozwala firmom zarządzać ogromnymi zbiorami danych i budować sztuczną inteligencję bezpośrednio tam, gdzie ich dane już się znajdują.
Databricks zostało założone przez oryginalnych twórców jakiego projektu open source?
Databricks zostało założone w 2013 roku przez twórców Apache Spark z AMPLab na Uniwersytecie Kalifornijskim w Berkeley.
Co łączy architektura „jeziora”?
Lakehouse łączy w sobie elastyczne, tanie magazynowanie na jeziorze z niezawodnością i szybkością na poziomie magazynu.
Który format otwartej tabeli udostępnia transakcje ACID w Databricks?
Oprócz taniego przechowywania obiektów Delta Lake dodaje dziennik transakcji i gwarancje ACID.
Do czego służy MLflow w Databricks?
MLflow standaryzuje śledzenie przebiegów, pakowanie modeli i zarządzanie wdrożeniami.
Które przejęcie i model otwarty sygnalizowały zwrot Databricks w kierunku generatywnej sztucznej inteligencji?
Firma Databricks nabyła MosaicML w 2023 r. i wypuściła otwarty model DBRX, co oznaczało rozwój generatywnej sztucznej inteligencji.