Databricks révèle son architecture LTAP pour applications autonomes - Le Monde Informatique

Alors que les entreprises s’empressent de développer des agents IA capables d’analyser les données métier et d’agir en conséquence, Databricks affirme que la pratique consistant depuis longtemps à séparer les systèmes de données opérationnelles et analytiques devient un frein. Selon le fournisseur en data store, cette séparation est de plus en plus mise à rude épreuve, car les agents IA ont besoin d’un accès simultané aux données opérationnelles en temps réel et au contexte historique pour prendre des décisions et agir en temps réel. Contrairement aux humains qui travaillent avec des données traitées les unes après les autres. Lors de son sommet annuel Data + AI Summit organisé du 15 au 18 juin à San Francisco, l'éditeur a présenté - aux côtés de Gernie Ontology - lake transactional and analytical processing (LTAP), une architecture qui unifie les données transactionnelles et analytiques sur une seule couche de stockage. Selon Databricks, cette approche se distingue des architectures traditionnelles de traitement transactionnel en ligne (online transaction processing, OLTP) et de traitement analytique en ligne (online analytical processing, OLAP), stockant généralement les données opérationnelles et analytiques dans des sys...
[Courte citation de 8% de l'article original]