Databricks a déclaré que Lakebase Postgres peut restaurer une base de données de 100 téraoctets en quelques secondes grâce à la restauration basée sur des branches, une fonctionnalité conçue pour permettre un retour rapide à un état antérieur dans les applications d’IA.
Points clés à retenir
Databricks a déclaré que Lakebase Postgres peut restaurer une base de données de 100 téraoctets en quelques secondes grâce à la restauration basée sur des branches
Les restaurations créent une nouvelle branche pointant vers un instant antérieur au lieu de réécrire physiquement les données
L’approche basée sur des branches référence des instantanés de stockage immuables ; les blocs de données sous-jacents ne sont donc pas déplacés lors d’une restauration
Databricks n’a publié aucun benchmark indépendant réalisé par un tiers et n’a pas précisé le prix de la fonctionnalité de restauration de Lakebase
Vendredi, l’entreprise a détaillé le mécanisme dans une publication sur X, expliquant qu’une restauration crée une nouvelle branche pointant vers un moment antérieur plutôt que de réécrire physiquement les données. Databricks a indiqué que cette branche référence des instantanés de stockage immuables, ce qui signifie que les blocs de données sous-jacents ne bougent jamais lors d’une restauration.
Pour une base de données de 100 téraoctets, une restauration traditionnelle prend généralement plusieurs heures, car le système doit recopier des téraoctets de fichiers à leur emplacement avant qu’une application puisse les lire à nouveau. L’approche fondée sur les branches consiste plutôt à faire pointer une nouvelle branche vers un état antérieur, puis à mettre à jour les pointeurs presque instantanément.
Pourquoi la vitesse de récupération des bases de données est désormais un enjeu d’infrastructure pour l’IA
Lakebase Postgres est l’offre Postgres gérée de l’entreprise, destinée aux charges de travail transactionnelles qui alimentent des applications d’IA nécessitant à la fois de la rapidité et un filet de sécurité.
Les agents d’IA et les applications reposant sur de grands modèles de langage écrivent de plus en plus directement dans les bases de données de production, en exécutant des modifications automatisées sans qu’un humain ne vérifie chacune d’elles au préalable.
Cela augmente le risque d’une écriture erronée, d’une migration corrompue ou d’une erreur d’agent nécessitant un retour arrière rapide. Postgres est une base de données relationnelle open source utilisée par de nombreuses entreprises pour stocker des données structurées d’applications.
L’entreprise présente Lakebase comme une version optimisée pour combiner les données transactionnelles avec les systèmes lakehouse analytiques qu’elle commercialise déjà auprès des entreprises.
La restauration de Lakebase fondée uniquement sur les métadonnées signifie que le temps de récupération n’augmente plus avec le volume des données. Qu’une base de données contienne 1 téraoctet ou 100 téraoctets, la création d’une branche pointant vers un instantané antérieur prend à peu près le même temps.
À lire également : Les agents d’IA incontrôlés d’OpenAI s’introduisent dans des systèmes, avertit l’entreprise : « Ont obtenu un accès à Internet »
L’opération ne touche qu’aux pointeurs et aux références, pas aux données elles-mêmes.
Il s’agit d’un changement important par rapport aux outils de sauvegarde traditionnels, pour lesquels le temps de restauration augmente proportionnellement à la taille de la base de données, transformant souvent les récupérations de plusieurs téraoctets en pannes de plusieurs heures.
De l’analyse lakehouse aux bases de données transactionnelles
Databricks s’est fait connaître grâce au lakehouse, une architecture de données qui combine la flexibilité des lacs de données et la structure des entrepôts de données pour réaliser des analyses à grande échelle. Lakebase marque une expansion dans le domaine des bases de données transactionnelles et opérationnelles, un secteur traditionnellement dominé par des fournisseurs comme RDS d’Amazon (AMZN) Web Services et des spécialistes de Postgres.
Le modèle de restauration fondé sur les branches reprend un concept du contrôle de versions logiciel, où les développeurs créent des branches pour tester des modifications sans toucher à la base de code principale.
Appliquer cette idée au stockage des bases de données permet à l’entreprise de proposer des points de retour arrière instantanés sans le surcoût de stockage lié à la conservation de copies intégrales à chaque intervalle.
Ce qu’il faut surveiller à mesure que les charges de travail agentiques se développent
La revendication de Databricks sera mise à l’épreuve par des benchmarks indépendants lorsque Lakebase sera plus largement adopté en production en dehors des démonstrations de l’entreprise. Les entreprises qui exécutent des agents d’IA sur des bases de données en production voudront savoir comment le modèle fondé sur les branches se comporte face à des écritures simultanées, et pas seulement dans un scénario de restauration contrôlé.
L’entreprise n’a publié aucun benchmark indépendant réalisé par un tiers dans sa publication sur X et n’a pas précisé le prix de la fonctionnalité de restauration de Lakebase.
À lire ensuite : Benefit Street Partners mise sur Codex d’OpenAI pour accélérer l’évaluation des crédits