Apache Iceberg
PulseAugur coverage of Apache Iceberg — every cluster mentioning Apache Iceberg across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Couchbase 为生产 AI Agent 发布 AI Data Plane
Couchbase 推出了其 AI Data Plane，旨在作为生产环境中 AI Agent 的运行数据层。该新产品包括持久化 Agent Memory、用于工具发现的 Agent Catalog 以及企业 MCP 服务器等功能。此外，它还在 Enterprise Analytics 2.2 中整合了 Apache Iceberg lakehouse 联邦功能，以满足 IDC Devin Pratt 所识别的 80% Agentic…
-
pgEdge 推出 ColdFront，用于 S3 中可查询的 PostgreSQL 数据
pgEdge 推出了 ColdFront，这是一款旨在将 PostgreSQL 数据迁移到 S3 的新工具，同时保持其可查询性和可更新性。该解决方案旨在通过允许将大型数据集像本地数据一样进行查询，而无需更改现有应用程序代码，来解决管理大型数据集的挑战。该工具利用 Apache Iceberg 实现其功能。
-
Databricks 为 AI 智能体、模型和数据推出 OpenSharing
Databricks 推出了 OpenSharing，这是其 Delta Sharing 协议为智能体 AI 时代进行的演进。这个新的开源协议现在由 Linux Foundation 托管，它将数据共享扩展到涵盖跨任何云或供应商的模型、智能体和技能。OpenSharing 旨在通过支持 Delta Lake、Apache Iceberg 和 Apache Parquet 等各种格式，实现无缝协作，让数据和 AI 资产保留在其原始位置。
-
Databricks 实现跨引擎统一数据访问控制
Databricks 推出了其跨引擎 ABAC 功能的 Beta 版本，允许在 Unity Catalog 中一次性定义基于属性的访问控制，并跨各种外部数据引擎强制执行。这项新功能旨在通过在目录层集中管理策略来简化数据治理，避免在不同系统之间重复安全规则。该功能利用开放的 Iceberg REST Catalog API，使任何兼容的引擎都能将策略执行委托给 Unity Catalog，从而确保在数据访问到达查询引擎之前就受到控制。
-
Databricks Unity Catalog 通过新功能增强对 Apache Iceberg 的支持
Databricks 增强了其 Unity Catalog，为流行的开源表格式 Apache Iceberg 提供全面支持。主要更新包括托管 Iceberg、Iceberg v3 和外部 Iceberg 的通用可用性 (GA)，以及跨引擎访问控制和零拷贝安全共享等新功能。这些进步旨在统一跨不同引擎和系统的数据治理和性能，为 Iceberg v4 和 Delta 5.0 在统一元数据结构上的融合铺平道路。
-
AI 工作负载需要新的数据架构层
传统数据栈不足以应对现代 AI 工作负载，这些工作负载需要处理非结构化数据、实时嵌入和强大的 lineage 跟踪。文章提出了一个新的“Platinum”或原生 AI 层，扩展了 Medallion 架构，用于预先物化特征和为 AI 模型计算嵌入。这种方法从一开始就确保 AI 就绪，避免了痛苦的改造，并为 AI 预测提供了关键的可审计性。
-
SageMaker Feature Store 增加了 Lake Formation 和 Iceberg 支持
Amazon SageMaker Feature Store 推出了增强 ML 功能管道的新功能。这些更新包括与 AWS Lake Formation 的原生集成，用于细粒度访问控制，以及新的 Apache Iceberg 表属性，用于管理元数据累积和降低存储成本。这些增强功能可通过 SageMaker Python SDK v3.8.0 获得，旨在简化机器学习操作的功能数据管理和成本可预测性。
-
AWS 将定制的 Graviton 芯片集成到 Redshift 分析堆栈中
Amazon Web Services 为其 Redshift 数据仓库服务推出了新的 Graviton 驱动的 RG 实例。这些实例集成了数据仓库和数据湖分析，旨在提高 AI 时代数据基础设施的性能并降低成本。AWS 指出，与前几代产品相比，数据仓库性能最高可提高 2.2 倍，Apache Iceberg 性能最高可提高 2.4 倍，同时还降低了成本。
-
DuckDB Labs 发布了新的数据湖格式 DuckLake 1.0
DuckDB Labs 推出了 DuckLake 1.0，这是一种新的数据湖格式，旨在将表元数据存储在 SQL 数据库中。这种方法与将元数据分散在对象存储文件中的传统方法形成对比。关键改进包括存储在目录中的小更新、增强的排序和分区功能以及与 Apache Iceberg 功能的兼容性。
-
SAP 收购 Dremio 和 Prior Labs 以增强其 AI 就绪数据平台
SAP 收购了数据湖仓提供商 Dremio，以增强其数据分析和 AI 能力。此举旨在统一企业内外部数据，为大规模 AI 代理提供支持。此次收购凸显了 SAP 致力于利用 Apache Iceberg 等开放表格式的承诺，并可能改变其以往的合作策略。
-
Amazon Quick 通过文档控制和基于提示的仪表板增强 AI 分析
Amazon Quick，一项由 AI 驱动的分析服务，已推出多项新功能以增强数据访问和可用性。现在支持 Amazon S3 知识库的文档级访问控制列表 (ACL)，允许进行细粒度权限设置以限制敏感文档。此外，Amazon Athena 的跨账户访问允许查询不同 AWS 账户中的数据，同时计费仍由数据所有者承担。该服务现在还允许用户通过自然语言提示生成整个仪表板，从而简化了分析过程。
-
Databricks 将 Postgres 运营数据原生同步至 Lakehouse
Databricks 推出了原生 Lakehouse 同步功能 (Native Lakehouse Sync)，该功能允许将其 Lakebase 中的运营 PostgreSQL 数据自动复制到 Unity Catalog 管理的表中。由于同步是 Lakebase 的原生属性，因此无需传统的 ETL 管道或外部计算。此集成旨在提供实时机器学习功能，将运营数据用作 medallion 架构中的 bronze 层，并捕获每一次更改的审计日志…
-
Databricks 和 Google Cloud 通过 Catalog Federation 实现数据互操作性
Databricks 和 Google Cloud 增强了其数据平台 Unity Catalog 和 BigQuery 之间的互操作性。这项新集成允许客户在不创建重复副本的情况下从任一平台访问相同的数据。双向 Catalog Federation 使用户可以在 BigQuery 中读取 Unity Catalog 管理的表，反之亦然，从而简化了跨不同数据资产的数据治理和分析。