Εξαγορές

Η εξαγορά της Firebolt δίνει στη MongoDB μια μηχανή χαμηλής καθυστέρησης για πράκτορες ΤΝ

Evan Mercer
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΗ MongoDB στοχεύει να εξαλείψει τον φόρο μετακίνησης δεδομένων που χωρίζει τα ζωντανά…
Δείτε περισσότερα
  • Η MongoDB στοχεύει να εξαλείψει τον φόρο μετακίνησης δεδομένων που χωρίζει τα ζωντανά επιχειρησιακά δεδομένα από τις γρήγορες αποφάσεις εφαρμογών.
  • Η μηχανή της Firebolt ήδη διαχειρίζεται αναλυτικά στοιχεία προς πελάτες σε περισσότερες από ένα τρισεκατομμύριο γραμμές σε κλίμακα petabyte.
  • Ο αυτόματος συγχρονισμός μεταξύ MongoDB και Firebolt παραμένει ημιτελής εργασία ενσωμάτωσης ενόψει της προγραμματισμένης κυκλοφορίας.

Η MongoDB ανακοίνωσε στις 17 Νοεμβρίου 2026 ότι εξαγόρασε την Firebolt, προσθέτοντας μια μηχανή αναλυτικής επεξεργασίας σε πραγματικό χρόνο στην Intelligent Data Platform της για εφαρμογές και πράκτορες ΤΝ που πρέπει να ενεργούν με βάση ζωντανά επιχειρησιακά δεδομένα.

Η εξαγορά συνδυάζει την πλατφόρμα επιχειρησιακών δεδομένων της MongoDB με την αναλυτική βάση δεδομένων της Firebolt, η οποία έχει σχεδιαστεί για ερωτήματα χαμηλής καθυστέρησης και εφαρμογές με υψηλή ταυτόχρονη χρήση. Η MongoDB σχεδιάζει να λειτουργεί τη μηχανή της Firebolt παράλληλα με τη βάση δεδομένων της και να διατηρεί αυτόματα συγχρονισμένα τα συστήματα, ώστε οι πελάτες να μη χρειάζεται να δημιουργούν ή να διαχειρίζονται ξεχωριστή διοχέτευση δεδομένων για αυτή την ενσωμάτωση.

Η μηχανή της Firebolt και η χρήση της σε παραγωγή

Σύμφωνα με τη MongoDB, η Similarweb χρησιμοποιεί τη Firebolt για σύνθετες αναλύσεις που απευθύνονται σε πελάτες, σε περισσότερες από ένα τρισεκατομμύριο γραμμές και σε κλίμακα πεταμπάιτ, με δυναμικά ερωτήματα που ολοκληρώνονται σε λιγότερο από ένα δευτερόλεπτο, χωρίς εκτεταμένη προ-συνάθροιση δεδομένων. Η υλοποίηση αποτελεί παράδειγμα παραγωγικής χρήσης των φόρτων εργασίας υψηλής ταυτόχρονης χρήσης που απευθύνονται σε πελάτες και στους οποίους στοχεύει η εξαγορά.

Ο διευθυντής τεχνολογίας της Firebolt, Mosha Pasumansky, δήλωσε ότι η αυτόματη διάταξη των δεδομένων σε στήλες διατηρεί «τα οφέλη της αποθήκευσης σε στήλες και της διανυσματοποιημένης επεξεργασίας» σε σύνθετα και ευέλικτα σχήματα, συμπεριλαμβανομένων εκείνων που υποστηρίζει εγγενώς το μοντέλο εγγράφων της MongoDB. Η μηχανή σχεδιάστηκε επίσης για αναλυτική επεξεργασία χαμηλής καθυστέρησης και υψηλού ρυθμού ερωτημάτων σε δεδομένα που αλλάζουν γρήγορα και αποθηκεύονται σε αποθηκευτικό χώρο αντικειμένων.

Η αναλυτική επεξεργασία σε πραγματικό χρόνο θα επεκτείνει την Intelligent Data Platform, η οποία ήδη συνδυάζει επιχειρησιακά δεδομένα, αναζήτηση και διανυσματική αναζήτηση, μοντέλα Voyage AI, επεξεργασία ροών, καθώς και εργαλεία για τη δημιουργία και την εκτέλεση πρακτόρων σε περιβάλλον παραγωγής. Η MongoDB σχεδιάζει επίσης, σε μεταγενέστερο στάδιο, να επιτρέψει στους πελάτες να αναλύουν δεδομένα από άλλες πηγές και σε άλλες μορφές, παράλληλα με τα δεδομένα τους στη MongoDB.

Επιχειρησιακά δεδομένα και φόρτοι εργασίας πρακτόρων ΤΝ

Το σκεπτικό της MongoDB αφορά τον μακροχρόνιο διαχωρισμό ανάμεσα στις επιχειρησιακές βάσεις δεδομένων, που εκτελούν εφαρμογές, και στις αποθήκες δεδομένων, που αναλύουν ιστορική δραστηριότητα. Οι αναλύσεις για εφαρμογές έχουν διαφορετικές απαιτήσεις: σύνθετα ερωτήματα σε μεγάλα σύνολα δεδομένων, πρόσφατα δεδομένα, απαντήσεις σε λιγότερο από ένα δευτερόλεπτο και αρκετά υψηλή ταυτόχρονη χρήση ώστε να υποστηρίζονται υπηρεσίες σε πραγματικό χρόνο.

Σύμφωνα με τη MongoDB, οι πράκτορες ΤΝ αυξάνουν αυτές τις απαιτήσεις, επειδή λειτουργούν συνεχώς, μπορούν να δημιουργούν χιλιάδες ταυτόχρονα ερωτήματα και χρειάζονται γρήγορες απαντήσεις με βάση πρόσφατα δεδομένα. Οι αποφάσεις που στοχεύουν να υποστηρίξουν οι εφαρμογές περιλαμβάνουν την αλλαγή δρομολογίου μιας αποστολής για να αποφευχθεί μια καθυστέρηση, την αναπαραγγελία αποθεμάτων προτού αδειάσουν τα ράφια και τον εντοπισμό ασυνήθιστης δραστηριότητας πληρωμών πριν ολοκληρωθεί μια συναλλαγή.

Η μεταφορά επιχειρησιακών δεδομένων σε ξεχωριστό σύστημα αναλυτικής επεξεργασίας μπορεί να απαιτεί από τους οργανισμούς να δημιουργούν διοχετεύσεις δεδομένων, να διατηρούν συγχρονισμένα τα συστήματα και να λειτουργούν μία ακόμη πλατφόρμα. Η MongoDB αποκαλεί «φόρο μετακίνησης δεδομένων» το κόστος υποδομής, την πολυπλοκότητα και τον κίνδυνο παρωχημένων απαντήσεων που προκύπτουν, και τα οποία αυξάνονται όσο οι πράκτορες αναλαμβάνουν περισσότερες αποφάσεις.

Διάθεση και συνέχεια εξυπηρέτησης πελατών

Η Firebolt και η αναλυτική επεξεργασία σε πραγματικό χρόνο δεν αντικαθιστούν τις παραδοσιακές αποθήκες δεδομένων ή τις λίμνες δεδομένων. Σύμφωνα με τις συχνές ερωτήσεις της MongoDB, αυτά τα συστήματα εξακολουθούν να είναι κατάλληλα για εσωτερική επιχειρηματική ευφυΐα, αναφορές και επιστήμη δεδομένων, ενώ η νέα δυνατότητα αφορά τις αναλύσεις για εφαρμογές.

Η MongoDB αναφέρει ότι περίπου το 75% των εταιρειών του Fortune 100 την εμπιστεύεται για εφαρμογές που απαιτούν υψηλό επίπεδο ασφάλειας, ανθεκτικότητας και διαθεσιμότητας, και ότι σκοπεύει να εφαρμόσει την ίδια επιχειρησιακή προσέγγιση και στην αναλυτική επεξεργασία σε πραγματικό χρόνο. Σε αυτούς τους φόρτους εργασίας, μια διακοπή λειτουργίας μπορεί να επηρεάσει την εμπειρία των πελατών ή να διακόψει έναν πράκτορα στη μέση μιας απόφασης, αντί απλώς να καθυστερήσει μια αναφορά.

Σύμφωνα με τις συχνές ερωτήσεις της MongoDB, οι υφιστάμενοι πελάτες της Firebolt μπορούν να συνεχίσουν να χρησιμοποιούν το προϊόν με την ίδια υποστήριξη και εξυπηρέτηση. Ομάδες και από τις δύο εταιρείες εργάζονται ήδη από κοινού για την ενσωμάτωση.

Η MongoDB αναμένει ότι οι πελάτες θα μπορούν να ενεργοποιήσουν την αναλυτική επεξεργασία σε πραγματικό χρόνο για τα δεδομένα τους στη MongoDB τους επόμενους μήνες. Οι ενδιαφερόμενοι χρήστες μπορούν να εγγραφούν σε λίστα αναμονής, ώστε να είναι από τους πρώτους που θα δοκιμάσουν τη δυνατότητα.

Η σημασία της συμφωνίας για τους πελάτες της MongoDB είναι αρχιτεκτονική: λιγότερα συστήματα ανάμεσα σε μια αλλαγή στα επιχειρησιακά δεδομένα και σε μια απόφαση εφαρμογής ή πράκτορα. Η Firebolt υποστηρίζει ήδη μια υλοποίηση μεγάλης κλίμακας σε περιβάλλον παραγωγής, αλλά ο αυτόματος συγχρονισμός με τη MongoDB, που απαιτείται για να επιτευχθεί αυτός ο συνδυασμός, εξακολουθεί να αποτελεί έργο ενσωμάτωσης ενόψει της προγραμματισμένης διάθεσης.

Evan Mercer είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στο Unite.AI, καλύπτοντας startups τεχνητής νοημοσύνης, venture capital και τις δυναμικές χρηματοδότησης που διαμορφώνουν την επόμενη γενιά τεχνολογικών εταιρειών. Η αναφορά του εστιάζει στην καινοτομία πρώιμου σταδίου, τις ροές κεφαλαίου και τις στρατηγικές αποφάσεις που λαμβάνουν οι ιδρυτές και οι επενδυτές καθώς οι εταιρείες AI αναπτύσσονται από την ιδέα μέχρι την παγκόσμια επίδραση.

Με στρατηγικό και αναλυτικό πρίσμα, ο Evan εξετάζει τους γύρους χρηματοδότησης, τη θέση στην αγορά και τις αναδυόμενες τάσεις στο οικοσύστημα των AI startups. Παρακολουθεί πώς το venture capital, οι εταιρικές επενδύσεις και οι χρηματιστηριακές αγορές διασταυρώνονται με τις επαναστατικές εξελίξεις στην τεχνητή νοημοσύνη, διαχωρίζοντας τα ανθεκτικά σήματα από τη βραχυπρόθεσμη υπερβολή.

Τα άρθρα που συντάσσει ο Evan Mercer είναι δημιουργημένα από AI και ελέγχονται από την ομάδα συντακτών του Unite.AI για να διασφαλιστεί η ακρίβεια, το πλαίσιο και η υπεύθυνη κάλυψη του παγκόσμιου τοπίου επενδύσεων στην AI