Agent swarms et le nouveau modèle économique (17 minutes lire)
Le travail d'essaimage amélioré de l'agent de Cursor entre les planificateurs de modèles de frontière et les modèles de travailleurs moins chers, en utilisant des documents de conception partagée, la résolution automatisée des conflits, des examens en couches et le contexte entretenu par l'agent pour prévenir les défaillances de coordination. Lors de la reconstruction de SQLite à partir de la documentation, le nouveau système a obtenu une qualité similaire ou supérieure avec beaucoup moins de code, moins de conflits et des coûts considérablement plus bas, ce qui montre que les spécifications et l'orchestration fortes peuvent avoir plus d'importance que d'utiliser le modèle le plus cher partout.
|
Postgres LISTEN/NOTIFY Échelles en fait (7 minutes lues)
Postgres LISTEN/NOTIFY peut évoluer lorsque les notifications sont traitées comme des signaux de réveil légers plutôt que comme la source de la vérité. En tamponnant et en lotant les appels NOTIFY, puis en utilisant des sondages occasionnels comme filet de sécurité, DBOS a augmenté le débit de 2,9 K à 60 K écrit par seconde tout en conservant la latence autour de 15 à 100 ms.
|
De Homegraved à Flink: Migrer un événement publicitaire d'État Rejoignez à l'échelle (12 minutes de lecture)
Zalando a remplacé un système personnalisé construit il y a plus de sept ans pour faire correspondre les événements publicitaires avec Apache Flink, tout en continuant à traiter jusqu'à 200 Mo de données par seconde. La nouvelle conception stocke des événements inégalés jusqu'à l'arrivée de leurs homologues, utilise l'état sur disque pour la fiabilité, et les points de contrôle progressent toutes les trois minutes. La migration a permis de réduire les coûts quotidiens de la CE2 de plus de la moitié et d'améliorer l'appariement des événements d'environ 0,5 %.
|
|
L'IA réapprend tout ce que les bases de données connaissaient déjà. Stephanie Wang (vidéo de 47 minutes)
L'IA est en train de passer des modèles autonomes à l'infrastructure de base, avec le SQL natif de l'IA, le routage dynamique du modèle, les agents sandboxed, et un contrôle des coûts plus serré sur le calcul, la mémoire et le stockage. La discussion met également l'accent sur la conception-premier développement, les agents spécifiques de domaine, et les paiements de machine-à-machine émergents comme fondements clés pour des systèmes autonomes fiables.
|
Ce que coûte réellement Zero-Copy (22 minutes lire)
Le terme "zérocopie" est un terme surchargé qui couvre six motifs distincts : requête fédérée, virtualisation de format, protocoles de partage, fédération de catalogue, miroir, et cache/matérialisation. Trois des six modèles créent encore des copies, et les compromis réels sont l'évacuation, les coûts de balayage répétés, la charge du système source, la fraîcheur et la gouvernance.
|
Cohérence Cache: Stratégies pour garder les données fraîches (10 minutes lire)
Les caches dérivent de trois causes : les fenêtres TTL qui dépassent une base de données écrire, écrire des courses de commande, et des courses multi-instances où un serveur cache une ancienne lecture comme un autre commet une nouvelle écriture. Les poignées Cache-aside lisent paresseusement et tolèrent l'immobilité, l'écriture améliore la cohérence de la lecture au coût de l'écriture synchrone à deux systèmes, et l'invalidation par CDC gère les changements qui proviennent de l'extérieur de l'application, TTL étant conservé comme un support pour les événements manqués.
|
|
Neo4j Virtual Graph est maintenant dans l'aperçu public (4 minutes de lecture)
Neo4j Virtual Graph est maintenant en prévisualisation publique pour les clients Aura, ajoutant le support pour Snowflake, Databricks, et Google BigQuery avec un accès à la copie zéro aux données de l'entrepôt et du lac. Il utilise la modélisation des schémas assistés par l'IA et le pushdown Cypher-to-SQL déterministe pour que les équipes puissent interroger les données sources gérées comme un graphique de connaissance en quelques minutes, sans dupliquer les données. Idéal pour GraphRAG, l'enrichissement par lots et l'exploration d'analystes, il complète native Neo4j pour des charges de travail de millisecondes latences comme la notation frauduleuse et la résolution d'identité.
|
QueryTuner (outil)
QueryTuner analyse et réécrit les requêtes SQL, fournissant des corrections de performance prioritaires, des risques de sécurité et des rapports partageables sans se connecter à votre base de données.
|
Aiven acquiert l'IA de flux pour rapprocher l'infrastructure des agents des données de production (3 minutes lire)
Aiven a acquis Flow AI pour renforcer sa pile d'IA de production avec le temps d'exécution des agents, l'outillage de la couche de données et les capacités d'évaluation des agents analytiques. La plate-forme combinée vise à permettre aux équipes d'exécuter des charges de travail d'IA à côté de nouvelles données de production gérées par Kafka, PostgreSQL, ClickHouse, Valkey, OpenSearch et DataHub sur les grands nuages. Aiven dit que chaque service continuera à fonctionner sur un véritable logiciel open-source sans fourches propriétaires.
|
|
Comment optimiser la recherche vectorielle lorsque la RAM devient trop coûteuse : Index sur disque vs Index in-Memory ANN (11 minutes lire)
L'infrastructure de recherche vectorielle touche un mur de coût à 100M à des indices à l'échelle de milliards, où le HNSW basé sur la RAM devient coûteux et peut bloquer la mémoire. HNSW offre la latence la plus faible pour les collections petites à moyennes, mais les options ANN basées sur disque comme SPANN et DiskANN réduisent les coûts de stockage en transférant la plupart des données vers le stockage SSD/objet et en optimisant pour les E/S séquentielle ou minimale disque. Pour les grandes charges de travail du GAR, de la recherche sémantique et de la mémoire agentique, le compromis clé est d'accepter une latence plus élevée et plus variable en échange d'une dépense d'infrastructure nettement plus faible.
|
|
|
|
|
CORTEX