Splice Machine在管理机器学习方面翻了一番

Splice Machine将自己定位为可以进行操作机器学习的数据库，它正在添加一个新工具，用于执行ML模型的生命周期管理。数据库和分析产品的常见做法是自我清洗。例如，许多平台已经添加了对运行Spark计算作业的支持，并且因为Spark支持ML，所以他们可以提出这种说法。正如我们几年前所报道的那样，Splice Machine已经采用了Spark分析和Zeppelin笔记本电脑的第一步。

Splice Machine现在采用了新的ML Manager功能，为机器学习模型提供生命周期管理。它将功能类型捆绑到数据库中，否则需要单独的工具，如Data Robot，Domino Data Lab或Dataiku。最接近的平行线是Cloudera的Data Science Workbench，它与公司的Hadoop平台起着类似的作用。虽然它允许跟踪模型，笔记本及其属性(如功能和超参数和数据源)，但它目前缺少一些协作功能，例如许多第三方工具提供的聊天或注释功能。

Splice Machine的ML Manager的优势在于它是在数据库的基础上构建的，这意味着可以在不必序列化数据的情况下获取数据。经过实验测试完成了模型的不同变化后，Splice Machine的Spark集成使得将数据填充到Spark DataFrame中变得简单，为模型的运行铺平了道路。

通过Spark集成，与Databricks Delta存在一些架构相似性，该公司最近开放了一个新的数据湖功能，可以更新Delta事务(例如，强制执行A​​CID一致性)。但是，正如我们在Databricks delta上发表的文章所述，我们在推特上向我们指出，交易保证只是HDFS而非云存储。Splice Machine的Spark集成分析还可以运行来自HDFS(运行HBase)或云存储的数据。不同之处在于Databricks ACID保证以批处理模式运行，而对于Splice Machine，ACID支持在单元(记录)级别添加并发控制。

从一开始，Splice Machine就与其他开源关系数据库平台(例如MariaDB或PostgreSQL)区分开来，其根源在于大数据。作为混合事务/分析系统，OLTP端运行Hadoop的HBase，而其分析风格可以在各种数据源上运行，从文件系统到云存储，只要数据采用像Parquet这样的结构化格式。它在AWS和azure中引入了自己的托管数据库即服务(DBaaS)，我们预计在明年，Google Cloud平台将被添加到列表中。

Splice Machine在孔中的王牌与其机器学习能力密切相关。埃森哲已将Splice Machine作为其AI平台的核心数据库。作为Splice Machine在2月份的B轮融资的一部分，埃森哲的风险投资部门在游戏中投入了一些资金。