AI-modeller og platforme

MariaDB lancerer Enterprise Platform 2027 til agentarbejdsbelastninger

mm
Føj Unite.AI til dine foretrukne kilder på Google

MariaDB annoncerede Enterprise Platform 2027 den 4. november 2026 og gjorde dermed sin samlede platform til transaktioner, analyse, hukommelsesbaseret databehandling og AI generelt tilgængelig. Udgivelsen tilføjer værktøjer til agenthukommelse, informationssøgning og caching af svar, og virksomheden rapporterede 56 % højere maksimal gennemstrømning for Enterprise Server 12.3 end for version 11.8 i en sponsoreret test.

Udgivelsen samler Enterprise Server 12.3 med Exa, GridGain, MaxScale, Enterprise Manager og Enterprise Kubernetes Operator. Den kan køre lokalt, i enhver cloud eller som en administreret MariaDB Cloud-tjeneste. Et redesignet logo, en ny farvepalette og et nyt website ledsager MariaDBs bestræbelser på at positionere sig som en samlet dataplatform frem for blot en operationel database.

Agentværktøjer bruger de samme aktuelle data

Et lanceringsindlæg opdeler agentfunktionerne i udviklings- og driftsfunktioner. Agent Memory gemmer en agents tilstand i hukommelsen efter hvert trin og deler den på tværs af agenter og sessioner. En agent, der sættes på pause for at afvente menneskelig godkendelse eller bliver afbrudt, kan fortsætte fra sin gemte tilstand i stedet for at starte forfra; LangGraph understøttes direkte fra start.

Semantic Cache håndterer gentagne modelkald ved at genkende, når et spørgsmål med en anden formulering har samme betydning som et tidligere spørgsmål, og returnere det gemte svar. MariaDB oplyser, at dette kan forkorte svartiderne og reducere tokenomkostningerne for applikationer, hvor brugerne stiller lignende spørgsmål.

AI Retrieval leverer ét administreret lag til informationssøgning på tværs af dokumenter og aktuelle driftsdata. Det fortolker dokumenter, opdeler dem i tekstsegmenter, opretter embeddings og omrangerer resultaterne, mens spørgsmål på naturligt sprog om MariaDB-data omsættes til skrivebeskyttede SQL-forespørgsler mod den aktuelle database. Opfølgende spørgsmål bevarer den tidligere kontekst. Løsningen er designet til at forankre svarene i data uden at vedligeholde separate kopier i et datalager eller et vektorlager med tilhørende sikkerhedskontroller.

Open source-plugin’et AI Plugins giver kodeagenter vejledning, der er specifik for MariaDB. Det understøtter Claude Code, Codex, OpenCode og Pi.

Analyse, klyngedannelse og kontrol over implementeringen

MariaDB Exa er nu generelt tilgængelig lokalt og udfører realtidsanalyse direkte på aktuelle driftsdata uden et separat datalager eller en ETL-pipeline. Vektorsøgning er fortsat indbygget i databasens kernemotor; MariaDB rapporterer op til 30 % flere vektorforespørgsler i sekundet end med Enterprise Server 11.8 ved samme nøjagtighed og uden ændringer af skema eller forespørgsler.

Til implementeringer på tværs af flere regioner bekræfter den nu generelt tilgængelige Raft Cluster en skrivehandling, når et flertal af noderne har bekræftet den. Dermed undgår man, at én langsom eller fjerntliggende node sænker alle skrivehandlinger. Konfliktdetektering og -løsning gør det muligt for hver region at håndtere lokale opdateringer, mens kundedefinerede forretningsregler afgør tilfælde, hvor to lokationer ændrer den samme post.

Enterprise Manager samler databasen, MaxScale og GridGain i én konsol til overvågning med single sign-on. Bring Your Own Cloud er også nu generelt tilgængelig: MariaDB Clouds dataplatform kører i kundens AWS-, Microsoft Azure- eller Google Cloud-konto, mens MariaDB driver databasen.

Rollebaserede adgangskontroller gælder på tværs af transaktions-, analyse- og vektorarbejdsbelastninger. FIPS 140-3-understøttelse aktiveres via Enterprise Kubernetes Operator ved hjælp af kryptografiske moduler fra Red Hat, som er valideret af NIST.

Benchmarkbetingelserne sætter rammerne for præstationspåstanden

Rapporten fra oktober 2026 fra McKnight Consulting Group, der ligger til grund for det fremhævede tal for gennemstrømning, målte 2.653.370 nye ordrer i minuttet for Enterprise Server 12.3.3-0 ved maksimal belastning sammenlignet med 1.702.758 for 11.8.3-1. Version 12.3 nåede et maksimum på 152 virtuelle brugere; version 11.8 nåede et maksimum på 88. Ved disse respektive maksima var svartiderne for New Order ved 99-percentilen 3,60 millisekunder og 6,54 millisekunder.

Begge versioner kørte hver for sig på den samme Google Cloud c4d-highmem-192-lssd-instans med 96 fysiske kerner og 192 vCPU’er. Den hukommelsesbaserede HammerDB TPROC-C-arbejdsbelastning brugte 768 lagerenheder og var baseret på TPC-C, men var ikke et officielt TPC-C-resultat.

Disse kontrolforanstaltninger isolerer motorens skalerbarhed, men andre valg begrænser, hvor direkte tallene kan overføres til produktionsmiljøer. Varige transaktionsbekræftelser, binær logning og dobbelt skrivebuffering var deaktiveret. MariaDB valgte sine egne konfigurationer, mens McKnight valgte testene, konfigurerede databaserne og testapplikationerne og gennemførte testene.

Enterprise Platform 2027 knytter MariaDBs agentstrategi til færre datakopier, fælles adgangskontroller og en fælles driftsinfrastruktur. De offentliggjorte præstationsresultater understøtter en højere gennemstrømning under de oplyste testbetingelser; spørgsmålet er, hvordan den samlede platform præsterer i produktion, når kravene til holdbarhed, arbejdsbelastningssammensætning og regioner afviger fra de kontrollerede testforhold.

Aiden Cross er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-produktstrategi, udførelse og de praktiske udfordringer ved at omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbejde fokuserer på, hvordan startups og virksomhedsteams bevæger sig fra prototyper og demos til pålidelige systemer, der bruges af rigtige kunder.
Med et pragmatisk og detaljeorienteret perspektiv analyserer Aiden produktroadmaps, strategier for markedsintroduktion, platformbeslutninger og organisatoriske kompromiser, der bestemmer, om AI-initiativer lykkes eller stagnerer. Han lægger særlig vægt på implementeringsrealiteter, brugeradoption, infrastrukturbegrænsninger og sammenhængen mellem teknisk kapacitet og forretningsværdi.
Artikler skrevet af Aiden Cross er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre klarhed, nøjagtighed og ansvarlig dækning af, hvordan AI-produkter bygges, leveres og skaleres i den virkelige verden.