CedarDB یک پایگاه داده می خواهد که هم تراکنش ها و هم تجزیه و تحلیل ها را مدیریت کند، زیرا عوامل هوش مصنوعی ریسک را افزایش می دهند.

پایگاه های داده به طور سنتی برای یکی از دو شغل ساخته شده اند. پایگاه‌های اطلاعاتی تحلیلی به کسب‌وکارها کمک می‌کند تا روندها را شناسایی کرده و به سؤالات پاسخ دهند، در حالی که پایگاه‌های داده عملیاتی سوابق روزانه تراکنش‌ها، مانند سفارش‌ها و پرداخت‌ها را ذخیره می‌کنند. اما موتور پایگاه داده مبتنی بر مونیخ CedarDB موریتز سیچرت، بنیانگذار و مدیر عامل آن، به TechCrunch گفت: از هر دو پشتیبانی می کند و رویکرد آن با ظهور هوش مصنوعی عامل ارتباط پیدا کرده است.

CedarDB در دهه گذشته در حال ساخت بوده است، اما شتاب فعلی آن از شرکت‌های سازمانی نشات می‌گیرد که پشته‌های داده موجود آنها ممکن است برای ذخیره سال‌ها تراکنش مناسب بوده باشد، اما برای پاسخگویی سریع به سؤالات تحلیلی که به زبان طبیعی در مورد آن داده‌ها پرسیده می‌شود، کمتر مناسب است.

سوال CedarDB از شکاف بین پرس و جوهای تحلیلی و عملیاتی محصول جانبی تمرکز آن بر کارایی است. این شرکت یک دانشگاه فنی مونیخ است بر اساس آمبرا، یک پروژه تحقیقاتی که از ابتدا ساخته شد تا با استفاده از حداکثر سخت افزار مدرن، موتورهای پایگاه داده قدیمی را با سرعت پردازش شکست دهد.

CedarDB با پنج محقق Umbra به عنوان بنیانگذاران آن، این رویکرد را حفظ کرد. نوید عملکرد سریعتر بدون نیاز به CPU یا قدرت پردازش و حافظه بیشتر – و نیاز به تغییرات کمی از سوی مشتریان. به ویژه، تیم آن اطمینان حاصل کرد که CedarDB است سازگار با PostgreSQL، یک سیستم پایگاه داده منبع باز.

به گفته سیچرت، این سازگاری با پایگاه داده محبوب کمک می کند تا هزینه های سوئیچینگ پایین بماند، زیرا کاربران نیازی به بازسازی برنامه های خود ندارند. همچنین یک مزیت اضافه دارد: CedarDB از منطقی پیروی می کند که LLM ها در نتیجه آموزش با آن آشنا هستند.

سیچرت گفت که این تصمیم یکی از بسیاری از انتخاب هایی است که در نگاهی به گذشته خوش شانس بود. اما این همه شانس نبود. در یک پست وبلاگکریستین وینتر، یکی از بنیان‌گذاران، اولویت‌های کلیدی را که تیم پس از ترک دانشگاه تعیین کرد، شرح داد، «مانند قابلیت اطمینان، تحمل خطا و سازگاری با ابزارهای محبوب».

همه پاسخ ها واضح نبود. این تیم به شدت بحث کرد که آیا باید یک پیشنهاد ابری را فوراً راه اندازی کند یا خیر. در پایان، CedarDB Enterprise را به عنوان یک پیشنهاد داخلی در کنار نسخه رایگان آن، CedarDB Community Edition، راه اندازی کرد. اعلام کرد اردیبهشت ماه سال گذشته همزمان با اعلام الف 5.3 میلیون یورو دور تأمین مالی اولیه (تقریباً 6 میلیون دلار).

ارائه ابر تنها با تأخیر انجام شد، اما رها نشد. پس از انجام آزمایش بتا با کاربرانی که در لیست انتظار آن ثبت‌نام کرده بودند، این شرکت روز چهارشنبه در دسترس بودن محدود CedarDB Cloud روی استیج در TechCrunch Disrupt، جایی که با 20 استارت‌آپ دیگر که برای برنده شدن در مسابقه معتبر Startup Battlefield TechCrunch رقابت می‌کنند، اعلام کرد.

یک نسخه کاملاً مدیریت شده و میزبان ابر احتمالاً به CedarDB کمک می کند پایگاه کاربر خود را فراتر از شرکت های بزرگ گسترش دهد. همچنین باعث می‌شود که برای رقابت با شرکت‌هایی مانند Databricks، یک شرکت داده بزرگ که به نظر می‌رسد به نتایجی مشابه با استارت‌آپ آلمانی رسیده است، آمادگی بیشتری داشته باشد.

این شرکت آمریکایی در نشست داده + هوش مصنوعی خود در ماه ژوئن، «عصر عاملیت» را دلیل راه‌اندازی خود عنوان کرد. LTAP، یک معماری داده جدید با هدف “[unify] تراکنش ها، تجزیه و تحلیل، جریان و داده های عملیاتی در یک نسخه از ذخیره سازی در دریاچه.

هنوز خیلی زود است که بگوییم این کار چقدر مخرب است، اما سیچرت حرکت Databricks را نشانه دیگری از وجود تقاضا برای کاری که CedarDB انجام می دهد تفسیر می کند. این استارت آپ قصد دارد با تیم 14 نفره فعلی خود به اولین کاربران ابری خود خدمات ارائه دهد، اما سیچرت انتظار دارد که پس از جلب توجه بیشتر به تیم بزرگتری نیاز داشته باشد. و این جایی است که ما دور بعدی خود را بالا می بریم.

تصویر از چپ به راست: بنیانگذاران CedarDB موریتز سیچرت، لوکاس ووگل، فیلیپ فنت، دومینیک دورنر، و کریستین وینتر.