CedarDB یک پایگاه داده می خواهد که هم تراکنش ها و هم تجزیه و تحلیل ها را مدیریت کند، زیرا عوامل هوش مصنوعی ریسک را افزایش می دهند.

پایگاه های داده به طور سنتی یا برای داده های تحلیلی یا برای داده های عملیاتی طراحی شده اند. اما موتور پایگاه داده CedarDB از هر دو پشتیبانی می کند و رویکرد آن با ظهور هوش مصنوعی عامل ارتباط پیدا کرده است.

دو روز گذشته در Disrupt نیمه تعطیل است. دیگر لحظه ها را از دست ندهید هم اکنون ثبت نام کنید

باز شدن درها را در 13 اکتبر مختل کنید. کارت خود را بگیرید و با 50 درصد تخفیف یک نفر را همراه خود بیاورید. هم اکنون ثبت نام کنید.

پایگاه های داده به طور سنتی برای یکی از دو شغل ساخته شده اند. پایگاه‌های اطلاعاتی تحلیلی به کسب‌وکارها کمک می‌کند تا روندها را شناسایی کرده و به سؤالات پاسخ دهند، در حالی که پایگاه‌های داده عملیاتی سوابق روزانه تراکنش‌ها، مانند سفارش‌ها و پرداخت‌ها را ذخیره می‌کنند. موریتز سیچرت، بنیانگذار و مدیر عامل آن، به TechCrunch گفت، اما موتور پایگاه داده مستقر در مونیخ CedarDB از هر دو پشتیبانی می کند و رویکرد آن با ظهور هوش مصنوعی عاملی ارتباط پیدا کرده است.

CedarDB در دهه گذشته در حال ساخت بوده است، اما شتاب فعلی آن از شرکت‌های سازمانی نشات می‌گیرد که پشته‌های داده موجود آنها ممکن است برای ذخیره سال‌ها تراکنش مناسب بوده باشد، اما برای پاسخگویی سریع به سؤالات تحلیلی که به زبان طبیعی در مورد آن داده‌ها پرسیده می‌شود، کمتر مناسب است.

سوال CedarDB در مورد شکاف بین پرس و جوهای تحلیلی و عملیاتی محصول جانبی تمرکز آن بر کارایی است. این شرکت یکی از دانشگاه‌های فنی مونیخ است که بر اساس Umbra، یک پروژه تحقیقاتی ساخته شده است که از ابتدا ساخته شده است تا موتورهای پایگاه داده قدیمی را با سرعت پردازش با حداکثر استفاده از سخت‌افزار مدرن شکست دهد.

CedarDB با پنج محقق Umbra به عنوان بنیانگذاران خود، این رویکرد را حفظ کرد و نوید عملکرد سریع‌تر را بدون نیاز به CPU یا قدرت پردازش و حافظه بیشتر داد - و نیاز به تغییرات کمی از سوی مشتریان داشت. به ویژه، تیم آن اطمینان حاصل کرد که CedarDB با آن سازگار استPostgreSQL، یک سیستم پایگاه داده منبع باز.

به گفته سیچرت، این سازگاری با پایگاه داده محبوب به پایین نگه داشتن هزینه های سوئیچینگ کمک می کند، زیرا کاربران نیازی به بازسازی برنامه های خود ندارند. همچنین یک مزیت اضافی دارد: CedarDB از منطقی پیروی می کند که LLM ها در نتیجه آموزش خود با آن آشنا هستند.

سیچرت گفت که این تصمیم یکی از بسیاری از انتخاب‌هایی است که در نگاهی به گذشته خوش شانس بود. اما این همه شانس نبود. کریستین وینتر، یکی از بنیانگذاران، در یک پست وبلاگ، اولویت‌های کلیدی را که تیم پس از ترک دانشگاه تعیین کرده است، توضیح داد، «مانند قابلیت اطمینان، تحمل خطا و سازگاری با ابزارهای محبوب».

همه پاسخ ها واضح نبود. این تیم به شدت در مورد اینکه آیا باید یک پیشنهاد ابری را فوراً راه اندازی کند یا خیر، بحث کردند. در پایان، CedarDB Enterprise را به عنوان یک پیشنهاد داخلی در کنار نسخه رایگان آن، CedarDB Community Edition، که هر دو در ماه مه سال گذشته و همزمان با اعلام دور بودجه اولیه 5.3 میلیون یورویی (تقریباً 6 میلیون دلار) معرفی شدند، راه اندازی کرد.

ارائه ابر تنها با تأخیر انجام شد، اما رها نشد. پس از انجام آزمایش بتا با کاربرانی که در لیست انتظار آن ثبت‌نام کرده بودند، این شرکت روز چهارشنبه در دسترس بودن محدود CedarDB Cloud را روی صحنه در TechCrunch Disrupt اعلام کرد، جایی که با 20 استارت‌آپ دیگر رقابت می‌کند که برای برنده شدن در مسابقه معتبر Startup Battlefield TC رقابت می‌کنند.

یک نسخه کاملاً مدیریت شده و میزبان ابر احتمالاً به CedarDB کمک می کند پایگاه کاربر خود را فراتر از شرکت های بزرگ گسترش دهد. همچنین باعث می شود که برای رقابت بهتر آماده شودبا امثال Databricks، یک شرکت بزرگ داده که به نظر می رسد به نتیجه ای مشابه با استارت آپ آلمانی رسیده است.

این شرکت آمریکایی در اجلاس Data + AI خود در ژوئن، «عصر عاملیت» را دلیل راه‌اندازی LTAP، یک معماری داده جدید با هدف «[یکسان کردن] تراکنش‌ها، تجزیه و تحلیل، جریان و داده‌های عملیاتی در یک نسخه واحد از ذخیره‌سازی در دریاچه» ذکر کرد.

هنوز خیلی زود است که بگوییم این کار چقدر مخرب است، اما سیچرت حرکت Databricks را نشانه دیگری از وجود تقاضا برای کاری که CedarDB انجام می دهد تفسیر می کند. این استارت آپ قصد دارد با تیم فعلی 14 نفره خود به اولین کاربران ابری خود خدمات ارائه دهد. اما سیچرت انتظار دارد زمانی که کشش بیشتری به دست آورد به تیم بزرگتری نیاز خواهد داشت. و این جایی است که ما دور بعدی خود را بالا می بریم.

تصویر از چپ به راست: بنیانگذاران CedarDB موریتز سیچرت، لوکاس ووگل، فیلیپ فنت، دومینیک دورنر و کریستین وینتر.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

آنا هیم نویسنده و مشاور تحریریه است.

می‌توانید با ارسال ایمیل به annatechcrunch [at] با آنا تماس بگیرید یا آن را تأیید کنید.

به عنوان یک خبرنگار مستقل در TechCrunch از سال 2021، او طیف گسترده‌ای از موضوعات مرتبط با استارت‌آپ از جمله هوش مصنوعی، فین‌تک و بیمه فناوری، SaaS و قیمت‌گذاری، و روندهای سرمایه‌گذاری خطرپذیر جهانی را پوشش داده است.

از می 2025، گزارش او برای TechCrunch بر جالب ترین داستان های استارت آپی اروپا متمرکز است.

آنا پنل ها را مدیریت می کند و روی صحنه اجرا می کندمصاحبه در رویدادهای صنعتی در هر اندازه، از جمله کنفرانس های فناوری بزرگ مانند TechCrunch Disrupt، 4YFN، South Summit، TNW Conference، VivaTech و بسیاری دیگر.

50% تخفیف برای پاس دوم دریافت کنید تجربه Disrupt قرار است به اشتراک گذاشته شود. پاس خود را دریافت کنید و یک همکار، شریک یا همتای خود را با 50 درصد تخفیف بیاورید. با ایجاد ارتباطات، ایجاد شتاب و کشف آنچه در اکوسیستم استارتاپی در آینده وجود دارد، زمینه بیشتری را پوشش دهید.

متا اولین مدل مرزی خود را با نام Muse Wonder Russell Brandom منتشر کرد

این استارت‌آپ هوش مصنوعی می‌گوید که می‌تواند طرح‌های آماده مجوز را در عرض چند دقیقه، Kirsten Korosec ایجاد کند

حمله ایلان ماسک به آمبانی به دلیل تاخیر در پرتاب استارلینک هند جگمیت سینگ

Orkut را به خاطر دارید؟ بنیانگذار آن می‌خواهد جگمیت سینگ را بازگرداند

ایالات متحده مایکروسافت، ادوبی و شرکت های بزرگ فناوری اطلاعات را از برنامه گرین کارت برای کارگران خارجی ماهر عایشه مالک محروم کرد.

ایلان ماسک تأثیر آمبانی را زیر سوال می برد زیرا استارلینک هند در غرفه های جاگمیت سینگ راه اندازی می کند

بنیانگذار 19 ساله Cal AI به تازگی 10 میلیون دلار برای استارتاپ جدید هوش مصنوعی خود جولی بورت جمع آوری کرده است.