< p class="meta"> Von Andrew Brust für Big on Data | 24. Juni 2021 – 17:07 GMT (18:07 BST) | Thema: Big-Data-Analyse
Das israelische Cloud-Data-Warehouse-Startup Firebolt gab heute bekannt, dass es eine Finanzierungsrunde der Serie B in Höhe von 127 Mio. Diese Runde folgt nur 6 Monate nach der 37 Millionen US-Dollar schweren Serie A des Unternehmens im Dezember 2020. Hauptinvestoren für diese Runde sind Dawn Capital und K5 Global, mit Beteiligung der früheren Investoren Zeev Ventures, TLV Partners, Bessemer Venture Partners und Angular Ventures. Das zusätzliche Geld wird verwendet, um die Produkt-, Entwicklungs- und Markteinführungsteams von Firebolt zu erweitern.
Geek spricht
ZDNet sprach mit Eldad Farkash, CEO von Firebolt. Ähnlich wie bei unserer letzten Interaktion mit Farkash im Dezember konzentrierte sich das Gespräch auf eine Kombination von Markt- und Technologiefaktoren in der Cloud-Data-Warehouse-Welt.
Lesen Sie auch: Varada und Firebolt starten Cloud-Analytics-Abfrageplattformen< /strong>
Farkash teilte einige interessante Einblicke. Zunächst erklärte er, dass ein sechsmonatiges Intervall zwischen den Finanzierungsrunden der Serie A und B in der israelischen Startup-Szene als konservativ gilt, auch wenn es schnell erscheinen mag. Aber über diesen Insider-Startup-Baseball-Leckerbissen hinaus, meinte Farkash, dass es beim Data Warehousing nicht mehr nur um Business Intelligence-orientierte Analysen geht. Er ist der Meinung, dass Cloud-Data-Warehousing auch, und vielleicht noch wichtiger, die Notwendigkeit von Anwendungen umfasst, Analysen für betriebliche Zwecke spontan durchzuführen.
Entwickler, Demokratisierung und Daten
Nehmen wir als (umschriebenes) Beispiel das Szenario eines Online-Spiels mit Tausenden von gleichzeitigen Benutzern. Der Herausgeber dieses Spiels möchte möglicherweise Just-in-Time-Analysen zu Nutzungsmustern, Bewertungstrends und mehr durchführen und die Ergebnisse verwenden, um Werbeaktionen oder sogar Spielinhalte im Handumdrehen voranzutreiben. Da diese Art der Analyse so eng mit der Funktionsweise des Spiels selbst verbunden ist, müssen Entwickler und nicht Analysten in der Lage sein, sie durchzuführen, und sie müssen die Leistung superschnell machen, da sie die Leistung leicht beeinträchtigen kann des Spiels selbst.
Dies hat zu einer neuen Art der Demokratisierung von Daten geführt: Eine, bei der Mainstream-Entwickler einen Dienst benötigen, der ihnen diesen Datenzugriff und diese Leistung bietet. Und dieser Dienst muss über APIs leicht konsumierbar und kosteneffizient sein, damit Entwickler ihn nicht übermäßig sparsam verwenden müssen.
Tabellenscan einrichten
Farkash erklärte, dass diese Art von Analyse nuancierte Arbeitslasten mit sich bringt, bei denen einige Abfragen aggregiert und andere Punktabfragen sein können, aber aufgrund der riesigen und ständig wachsenden Datenmengen können sogar die Punktabfragen das Scannen von Datenmengen in der Größenordnung der Hälfte umfassen ein Terabyte. Diese Kombination von Faktoren bedeutet, dass die meisten Abfragen sehr auf Tabellenscans angewiesen sind, viele jedoch auch Daten aggressiv bereinigen müssen. Das wiederum bedeutet, dass die meisten Data Warehouses und Data Lakes (mit dem Fokus auf breite Aggregationen) und sicherlich die meisten operativen Datenbanken (mit dem Fokus auf das Schreiben von Daten und relativ enge Punktabfragen beim Lesen) für die Aufgabe ungeeignet sein können.
Aus unserem letzten Gespräch wussten wir, dass Firebolt ein eigenes Dateiformat (FFF) implementiert, das großzügig von der Indizierung Gebrauch macht. Dies vermeidet einen Nachteil des weit verbreiteten Parquet-Dateiformats: Seine Spaltenstruktur unterstützt umfangreiche Tabellenscans, sein Partitionierungsschema mit nur einem einzigen Ausdruck kann die Leistung von Punktabfragen einschränken. Mit FFF macht Firebolt das Scannen von Tabellen zur Priorität, ohne die Funktionen zum Bereinigen von Daten zu beeinträchtigen.
Zu viel ist nicht genug
Firebolt behauptet, seine Leistung sei zwei Größenordnungen höher als die seiner Konkurrenten. Während in vielen BI-Szenarien eine Leistungssteigerung zu sinkenden Erträgen führen kann, ist sie für die Big-Data-Operationsanalyse-Anwendungsfälle von Firebolt unerlässlich. Während Firebolt zuversichtlich ist, dass es den schnellsten Motor auf dem Markt hat, gibt Farkash zu, dass das Streben nach großartiger Leistung noch nicht vorbei ist, dass “es noch so viel zu kämpfen gibt.”
Man geht davon aus, dass die Finanzierung der Unternehmen geschlossen hat, wird es robuste Munition für den Kampf geben.
Verwandte Themen:
Cloud Digitale Transformation Robotik Internet der Dinge Innovation Unternehmenssoftware 