Quando os sistemas do mundo real dependem de decisões divididas em segundo, o banco de dados deve fornecer inteligência, não apenas armazenamento. Os bancos de dados tradicionais são projetados para capturar e recuperar informações rapidamente, mas os sistemas industriais de hoje, gêmeos digitais e aplicativos preditivos precisam de mais do que velocidade. Eles precisam de inteligência incorporada, para que as idéias surjam tão rápido quanto os próprios dados.
“A maioria dos bancos de dados ingere dados, armazenam e espero lê -los de volta para você rapidamente”, explicou Peter Barnettgerente de produto principal em Influxo. “Muitas vezes, eles não estão fazendo nenhuma análise ou processamento real; eles estão apenas armazenando os dados. Queríamos construir além do armazenamento para transformar o banco de dados em um mecanismo de inteligência ativo onde os dados não são apenas gerenciados: são processados e analisados ativamente”.
O InfluxDB 3 introduz esse recurso construindo inteligência diretamente no banco de dados. Seu mecanismo de processamento movido a Python, design de implantação flexível e arquitetura sem disco se combinam para eliminar a sobrecarga dos pipelines de dados tradicionais e fornecer análises em tempo real onde as ações ocorrem.
Engine de processamento Python: Ai onde os dados vive
No coração desta mudança, há uma máquina virtual Python (VM) construída diretamente no banco de dados. “Se você deseja aproveitar as novas ferramentas de IA que podem escrever scripts e acelerar o desenvolvimento, o Python é um dos idiomas mais conhecidos e amplamente adotados para o desenvolvimento”, disse Barnett.
A popular estrutura de ciência de dados também oferece uma série de bibliotecas de análise e processamento de dados (incluindo Numpy e Polars) que se integram às bibliotecas de IA contemporâneas. O mecanismo de processamento consiste em plugins – scripts em Python sob medida que podem acessar qualquer biblioteca Python – criada para cobrir a gama de casos de uso para o motor, incluindo detecção, previsão e alerta de anomalias.
“Também construímos nosso próprio protocolo de construtor de linha em cima, e isso torna as interações com o mecanismo de processamento muito mais simples”, acrescentou Barnett. “Esses plug-ins podem executar em gravações, horários e sob demanda, para que você possa fazer transformações de dados, agregações e ações ad hoc em tempo real”.
Os plugins ajudam os usuários a monitorar sistemas complexos, como gêmeos digitais ou atividade de rede em tempo real, enquanto detectam mudanças sutis para antecipar problemas antes que ocorram.
Implantações de borda: inteligência sem a sobrecarga
Os ganhos gerais de implementação de inteligência diretamente no banco de dados são ampliados quando o InfluxDB é implementado no limite. A sobrecarga tradicional associada ao envio de dados através e entre redes para aplicativos de séries temporais evapora quando os usuários instalam o mecanismo em um dispositivo Edge. Além dos custos inerentes à criação e manutenção de pipelines de dados, eles simplesmente ampliam a área de superfície de “onde as coisas podem dar errado”, disse Barnett.
Por outro lado, a eficiência do influxo 3 Essencialum código aberto, colecionador recente de dados e do Empresa A versão, que pode executar o processamento de borda, é difícil de negar. O primeiro pode “viver nesses dispositivos de borda menores para consulta em tempo real, com uma sobrecarga de armazenamento significativamente menor”, disse Barnett. É otimizado para casos de uso que abrangem o monitoramento do sistema em tempo real, a coleta e a transformação de dados de borda, a análise de streaming, o alerta de sensores e qualquer outra coisa em que os dados precisam ser coletados e processados a taxas rápidas.
Arquitetura sem disco: escala, resiliência e economia de custos
Parte do que possibilita essas implantações de borda é a arquitetura sem disco do InfluxDB 3, que permite alta disponibilidade (HA), failover instantâneo e escalabilidade perfeita. Como o motor armazena dados externamente via parquet no armazenamento de objetos (incluindo AWS S3 e Armazenamento do Blob Azure), há uma sobrecarga de armazenamento extremamente baixa.
As vantagens de custo dessa abordagem são aparentes. Em vez de armazenar dados de séries temporais de alto volume em uma única máquina e replicar para outras pessoas após a configuração de um ambiente de cluster, os dados podem pousar em armazenamento barato de objetos. Outros benefícios dessa arquitetura dizem respeito ao desempenho, falta de complexidade e minimização dos pontos de falha.
“Podemos armazenar todos esses dados em um armazenamento de objetos e você pode apontar para isso e, em segundos, você pode começar a ler esses dados de diferentes nós”, explicou Barnett. “É apenas uma maneira mais simples de você criar um ambiente comercial que, de outra forma, levaria muito mais tempo, com maior sobrecarga e provavelmente uma implementação de Kubernetes”.
Esses ganhos de desempenho são críticos para casos de uso sensíveis ao tempo, desde falhas de equipamentos, como ataques de raios em uma aeronave a desastres naturais, onde análises e remediação rápidas são cruciais.
A Fundação FDAP
Sob o capô, a pilha FDAP apoiada pelo Apache-FlightSQL, DataFusion, Arrow and Parquet-alimenta essa arquitetura. O voo Apache Arrow oferece desempenho de consulta em alta velocidade. O DataFusion fornece um otimizador SQL baseado em ferrugem e um mecanismo de execução usando seta Apache como modelo de memória. O Parquet adiciona a compressão e a eficiência necessárias para cargas de trabalho em séries temporais maciças.
Com esse formato, o banco de dados possui “uma solução de armazenamento altamente otimizada, e a taxa de compressão no parquet é fenomenalmente melhor do que muitas outras soluções de armazenamento que vimos”, disse Barnett. “Podemos obter compressão muito mais alta e uma pegada de armazenamento muito mais baixa que leva a uma economia de custos muito melhor e maior eficiência nesses casos de alta cardinalidade”.
Continuando o momento
O InfluxDB 3 está transformando o banco de dados de uma loja passiva em um mecanismo de inteligência ativo, e o momento não está desacelerando. O InfluxData envia atualizações mensais no Core e na empresa do InfluxDB 3; As versões 3.2 e 3.3 gerenciaram os plugins de mecanismo de processamento para tarefas de séries temporais comuns. A versão mais recente, o InfluxDB 3.4, adicionou recursos automatizados de configuração e fluxo de trabalho para núcleo e empresa. A versão 3.5, programada para lançamento no final de setembro, deve introduzir ainda mais maneiras de alavancar o mecanismo de processamento nos fluxos de trabalho diários.
Ao incorporar um mecanismo de processamento movido a Python diretamente no banco de dados e emparelhá-lo com uma arquitetura sem disco criada na pilha FDAP, o InfluxDB 3 entra em colapso a lacuna tradicional entre coleta e análise de dados. Para os desenvolvedores, isso significa menos infraestrutura para gerenciar, caminhos mais rápidos, desde sinais brutos até insights acionáveis e uma plataforma que continua a evoluir em uma cadência previsível.
Café Codificado é um portal dinâmico e confiável criado especialmente para desenvolvedores. Nosso foco é entregar:
Dicas práticas para programação, produtividade, frameworks, testes, DevOps e muito mais;
Notícias atualizadas, acompanhando tendências e lançamentos do mundo da tecnologia, compiladas com relevância e sem jargões desnecessários.
O que você encontra aqui:
Artigos objetivos e comandáveis — Tutoriais, tutoriais passo-a-passo e dicas que vão direto ao ponto.
Cobertura das tecnologias que estão em alta — do universo da IA, computação em nuvem e segurança à engenharia de software e criatividade em código.
Conteúdo para todos os níveis — de iniciantes buscando praticidade, a profissionais em busca de insights estratégicos e aperfeiçoamento.
Comunidade ativa — textos humanizados, perguntinhas instigantes e espaço para você contribuir com reflexões e comentários.