online transaction processing
PulseAugur coverage of online transaction processing — every cluster mentioning online transaction processing across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
HTAP 将实时分析与事务性数据库集成
混合事务/分析处理 (HTAP) 集成了在线事务处理 (OLTP) 和在线分析处理 (OLAP)，以实现对实时事务数据的分析。这种由 Gartner 在 2014 年提出的方法，旨在通过允许分析查询直接访问当前操作数据来减少数据延迟和对广泛 ETL 过程的需求。架构各不相同，融合型 HTAP 使用单一引擎，而组合型 HTAP 则采用独立的、集成的引擎，每种都有不同的性能、一致性和数据新鲜度权衡。
-
Databricks凭借LTAP打破40年数据库规则，助力AI代理
Databricks推出了一种名为LTAP（Lake Transactional/Analytical Processing）的新方法，统一了操作型和分析型数据库工作负载。传统上，由于数据存储和查询方式的根本差异，这两种类型的数据处理一直分开进行。然而，AI代理的兴起，它们既需要快速的事务性数据访问，又需要广泛的分析能力，催生了这种统一的需求。LTAP建立在Databricks的Lakebase架构之上，允许分析查询直接在实时操作数据…
-
Databricks发布面向AI Agent的Lakebase Postgres
Databricks 推出了 Lakebase Postgres，这是一个旨在增强 AI Agent 与数据交互方式的新型数据库系统。通过利用对象存储（如 Amazon S3）作为 PostgreSQL 预写日志 (WAL) 的持久化真相来源，Lakebase Postgres 将事务时间线转化为可寻址的历史记录。这种方法旨在消除传统 OLTP 数据库的瓶颈，使为 Agentic 工作负载创建新部署、副本、恢复和复制等操作显著更快、更具成本效益。
-
Databricks 统一 OLTP 和 OLAP 工作负载并集成 AI · 跟踪 3 个来源
Databricks 推出了一个新的统一平台，旨在处理事务性 (OLTP) 和分析性 (OLAP) 工作负载，以简化组织的数据管理。这种集成允许单个系统管理多样化的数据需求，可能降低复杂性和成本。该平台还集成了 AI 功能，尽管其中一些功能（如 Collabora 的 CODE 中的功能）是可选的。
-
Databricks 推出 Lakebase 以整合操作型数据库与 AI 工作负载
操作型数据库，也称为 OLTP 数据库，专为快速、实时的事务处理而设计，这对日常业务运营至关重要。它们擅长处理并发用户交互并通过 ACID 保证确保数据准确性。然而，传统的 OLTP 系统在应对现代需求，特别是非结构化数据和 AI 工作负载方面存在困难，这需要一种新的方法。Databricks 提出了“Lakebase”架构，结合了事务数据库的优势和数据湖的灵活性，以弥合这一差距并支持智能应用。