Modele i platformy AI

MariaDB udostępnia Enterprise Platform 2027 do obsługi obciążeń agentów

mm
Dodaj Unite.AI do preferowanych źródeł w Google

4 listopada 2026 r. MariaDB ogłosiła Enterprise Platform 2027 i udostępniła ogólnie swoją połączoną platformę transakcyjną, analityczną, działającą w pamięci oraz opartą na AI. W ramach wydania wprowadzono narzędzia do przechowywania pamięci agentów, wyszukiwania informacji i buforowania odpowiedzi, a firma poinformowała, że w sponsorowanych testach szczytowa przepustowość Enterprise Server 12.3 była o 56% wyższa niż w wersji 11.8.

Wydanie łączy Enterprise Server 12.3 z Exa, GridGain, MaxScale, Enterprise Manager i Enterprise Kubernetes Operator. Można je uruchomić lokalnie, w dowolnej chmurze lub jako zarządzaną usługę MariaDB Cloud. Nowe logo, paleta kolorów i witryna internetowa towarzyszą działaniom MariaDB, której celem jest pozycjonowanie firmy jako zunifikowanej platformy danych, a nie wyłącznie operacyjnej bazy danych.

Narzędzia agentów korzystają z tych samych aktualnych danych

Wpis o premierze dzieli funkcje agentów na narzędzia programistyczne i środowiska uruchomieniowe. Pamięć agentów przechowuje stan agenta w pamięci po każdym kroku i udostępnia go różnym agentom oraz sesjom. Agent wstrzymany w oczekiwaniu na zgodę człowieka lub przerwany może wznowić działanie od zapisanego stanu, zamiast zaczynać od początku; LangGraph jest obsługiwany od razu po instalacji.

Pamięć podręczna semantyczna ogranicza powtarzające się wywołania modeli: rozpoznaje, że pytanie sformułowane inaczej ma takie samo znaczenie jak wcześniejsze, i zwraca zapisaną odpowiedź. MariaDB twierdzi, że może to skrócić czas odpowiedzi i obniżyć koszty tokenów w aplikacjach, których użytkownicy zadają podobne pytania.

AI Retrieval zapewnia jedną zarządzaną warstwę wyszukiwania obejmującą dokumenty i aktualne dane operacyjne. Analizuje dokumenty, dzieli je na fragmenty, tworzy ich reprezentacje wektorowe i szereguje je ponownie, a pytania zadawane w języku naturalnym o dane MariaDB przekształca w zapytania SQL działające w trybie tylko do odczytu na aktualnej bazie danych. W pytaniach uzupełniających zachowywany jest wcześniejszy kontekst. Rozwiązanie ma umożliwiać opieranie odpowiedzi na danych bez konieczności utrzymywania osobnych kopii w hurtowniach danych lub magazynach wektorowych ani stosowania odrębnych mechanizmów kontroli bezpieczeństwa.

Otwartoźródłowe wtyczki AI dostarczają agentom programistycznym wskazówek dotyczących MariaDB. Obsługują Claude Code, Codex, OpenCode i Pi.

Analityka, klastrowanie i kontrola wdrożeń

MariaDB Exa jest już ogólnie dostępna do wdrożeń lokalnych i umożliwia prowadzenie analiz w czasie rzeczywistym bezpośrednio na aktualnych danych operacyjnych, bez osobnej hurtowni danych ani potoku ETL. Wyszukiwanie wektorowe pozostaje natywną funkcją głównego silnika bazy danych; MariaDB informuje, że przy tej samej dokładności Enterprise Server 12.3 obsługuje do 30% więcej zapytań wektorowych na sekundę niż wersja 11.8, bez zmian w schemacie ani zapytaniach.

W przypadku wdrożeń wieloregionalnych ogólnie dostępny klaster Raft zatwierdza zapis, gdy potwierdzi go większość węzłów, dzięki czemu pojedynczy wolny lub odległy węzeł nie narzuca tempa wszystkim zapisom. Wykrywanie i rozwiązywanie konfliktów pozwala każdemu regionowi obsługiwać lokalne aktualizacje, a w sytuacji, gdy dwie lokalizacje zmienią ten sam rekord, o rozstrzygnięciu decydują reguły biznesowe zdefiniowane przez klienta.

Enterprise Manager łączy bazę danych, MaxScale i GridGain w jednej konsoli do monitorowania, z obsługą jednokrotnego logowania. Ogólnie dostępna jest również usługa Bring Your Own Cloud: warstwa danych MariaDB Cloud działa na koncie AWS, Microsoft Azure lub Google Cloud klienta, a MariaDB zarządza bazą danych.

Kontrola dostępu oparta na rolach obejmuje obciążenia transakcyjne, analityczne i wektorowe. Obsługa FIPS 140-3 jest włączana za pośrednictwem Enterprise Kubernetes Operator przy użyciu modułów kryptograficznych zweryfikowanych przez NIST i dostarczanych przez Red Hat.

Warunki testów wyznaczają zakres twierdzeń o wydajności

W raporcie McKnight Consulting Group z października 2026 r., na którym oparto podawaną szczytową przepustowość, zmierzono 2 653 370 nowych zamówień na minutę dla Enterprise Server 12.3.3-0 w szczytowym momencie, w porównaniu z 1 702 758 dla wersji 11.8.3-1. Wersja 12.3 osiągnęła szczyt przy 152 użytkownikach wirtualnych, a wersja 11.8 — przy 88. Przy tych wartościach szczytowych czasy odpowiedzi na transakcję New Order w 99. percentylu wyniosły odpowiednio 3,60 milisekundy i 6,54 milisekundy.

Obie wersje uruchomiono osobno na tej samej instancji Google Cloud c4d-highmem-192-lssd, wyposażonej w 96 rdzeni fizycznych i 192 vCPU. Wykorzystany w pamięci operacyjnej test obciążeniowy HammerDB TPROC-C obejmował 768 magazynów i bazował na TPC-C, ale nie był oficjalnym wynikiem testu TPC-C.

Te warunki pozwalają wyodrębnić skalowalność silnika, ale inne decyzje ograniczają możliwość bezpośredniego przeniesienia wyników na środowisko produkcyjne. Wyłączono trwałe zatwierdzanie transakcji, rejestrowanie binarne i buforowanie doublewrite. MariaDB samodzielnie dobrała konfiguracje, natomiast McKnight wybrał testy, skonfigurował bazy danych i aplikacje testowe oraz przeprowadził testy.

Enterprise Platform 2027 łączy strategię MariaDB dotyczącą agentów z ograniczeniem liczby kopii danych, współdzieloną kontrolą dostępu i wspólną infrastrukturą operacyjną. Opublikowane wyniki testów potwierdzają wyższą przepustowość w ujawnionych warunkach testowych; pozostaje jednak pytanie, jak zintegrowana platforma sprawdzi się w środowisku produkcyjnym, gdy wymagania dotyczące trwałości danych, profilu obciążeń i obsługi wielu regionów będą się różnić od warunków kontrolowanych.

Aiden Cross jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się strategią produktów AI, wykonaniem oraz praktycznymi wyzwaniami związanymi z przekształcaniem modeli eksperymentalnych w produkty skalowalne i gotowe do wejścia na rynek. Jego praca koncentruje się na tym, jak startupy i zespoły przedsiębiorstw przechodzą od prototypów i demonstracji do niezawodnych systemów używanych przez prawdziwych klientów.
Z pragmatycznym i szczegółowym podejściem Aiden analizuje plany rozwoju produktów, strategie wejścia na rynek, decyzje dotyczące platformy oraz kompromisy organizacyjne, które determinują, czy inicjatywy AI odnoszą sukces, czy utykają w miejscu. Zwraca szczególną uwagę na realia wdrożenia, przyjęcie przez użytkowników, ograniczenia infrastruktury oraz zgodność między możliwościami technicznymi a wartością biznesową.
Artykuły autorstwa Aidena Crossa są wygenerowane przez sztuczną inteligencję i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić klarowność, dokładność i odpowiedzialne relacjonowanie, w jaki sposób produkty AI są tworzone, udostępniane użytkownikom i skalowane w świecie rzeczywistym.