fr.wedoany.com Rapport : Capital One Software ajoute des fonctionnalités d'optimisation intelligente à Slingshot, une plateforme de gestion d'infrastructure de données au niveau entreprise, visant à aider les entreprises à améliorer les performances des charges de travail Snowflake et à détecter et résoudre rapidement les problèmes associés. Cette fonctionnalité exploite les informations contextuelles de l'environnement utilisateur pour identifier les opportunités d'amélioration des performances au-delà de la syntaxe SQL de base et des coûts de stockage.
Cette fonctionnalité reflète un changement fondamental dans l'approche de l'efficacité du traitement des données : il ne s'agit plus d'ajuster isolément des ressources individuelles, mais de comprendre et d'optimiser l'ensemble du système, y compris le code, les pipelines, l'infrastructure et les équipes.
Jeff Chou, vice-président de la gestion des produits Slingshot chez Capital One Software, a déclaré que l'infrastructure de données des entreprises est un réseau complexe d'interdépendances nécessitant une approche contextuelle pour une optimisation à grande échelle. La fonctionnalité d'optimisation intelligente de Slingshot aide les entreprises à comprendre le fonctionnement réel des requêtes, l'utilisation des tables et les domaines où les équipes effectuent involontairement des tâches redondantes, permettant ainsi des gains d'efficacité au niveau du système.
Les fonctionnalités d'optimisation intelligente de Slingshot à venir incluent : l'optimisation contextuelle des requêtes par IA, qui identifie automatiquement les requêtes les plus importantes dans l'environnement Snowflake en fonction du coût, du temps d'exécution et de la fréquence, et génère des recommandations d'optimisation basées sur l'IA, fournissant aux administrateurs et aux ingénieurs de données des étapes exploitables ainsi que des améliorations estimées des coûts et des temps d'exécution ; l'optimisation contextuelle des tables par IA, qui analyse les 50 premières tables en fonction de l'impact des requêtes et propose des solutions de réparation d'infrastructure multidimensionnelles, en vérifiant que les modifications de table n'affectent pas négativement les requêtes principales avant de faire des recommandations ; la détection des pipelines redondants, qui utilise l'IA pour découvrir les redondances involontaires en analysant les schémas courants d'utilisation des données, en comparant des charges de travail similaires pour évaluer l'équivalence fonctionnelle ; et l'explorateur de données, une interface d'analyse interactive en profondeur permettant aux équipes de données d'enquêter sur les causes profondes, où les utilisateurs peuvent segmenter les coûts par plusieurs dimensions telles que le compte, l'utilisateur, le hachage de requête, l'étiquette, le type de service, etc., à l'aide de filtres synchronisés, avec des pages de détails pour les entrepôts, bases de données et requêtes individuels, ainsi qu'un contexte historique des modifications d'entrepôt.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
