Splice Machine將自己定位為可以進(jìn)行操作機(jī)器學(xué)習(xí)的數(shù)據(jù)庫，它正在添加一個(gè)新工具，用于執(zhí)行ML模型的生命周期管理。數(shù)據(jù)庫和分析產(chǎn)品的常見做法是自我清洗。例如，許多平臺(tái)已經(jīng)添加了對(duì)運(yùn)行Spark計(jì)算作業(yè)的支持，并且因?yàn)镾park支持ML，所以他們可以提出這種說法。正如我們幾年前所報(bào)道的那樣，Splice Machine已經(jīng)采用了Spark分析和Zeppelin筆記本電腦的第一步。

Splice Machine現(xiàn)在采用了新的ML Manager功能，為機(jī)器學(xué)習(xí)模型提供生命周期管理。它將功能類型捆綁到數(shù)據(jù)庫中，否則需要單獨(dú)的工具，如Data Robot，Domino Data Lab或Dataiku。最接近的平行線是Cloudera的Data Science Workbench，它與公司的Hadoop平臺(tái)起著類似的作用。雖然它允許跟蹤模型，筆記本及其屬性(如功能和超參數(shù)和數(shù)據(jù)源)，但它目前缺少一些協(xié)作功能，例如許多第三方工具提供的聊天或注釋功能。

Splice Machine的ML Manager的優(yōu)勢(shì)在于它是在數(shù)據(jù)庫的基礎(chǔ)上構(gòu)建的，這意味著可以在不必序列化數(shù)據(jù)的情況下獲取數(shù)據(jù)。經(jīng)過實(shí)驗(yàn)測(cè)試完成了模型的不同變化后，Splice Machine的Spark集成使得將數(shù)據(jù)填充到Spark DataFrame中變得簡單，為模型的運(yùn)行鋪平了道路。

通過Spark集成，與Databricks Delta存在一些架構(gòu)相似性，該公司最近開放了一個(gè)新的數(shù)據(jù)湖功能，可以更新Delta事務(wù)(例如，強(qiáng)制執(zhí)行A??CID一致性)。但是，正如我們?cè)贒atabricks delta上發(fā)表的文章所述，我們?cè)谕铺厣舷蛭覀冎赋觯灰妆ＷC只是HDFS而非云存儲(chǔ)。Splice Machine的Spark集成分析還可以運(yùn)行來自HDFS(運(yùn)行HBase)或云存儲(chǔ)的數(shù)據(jù)。不同之處在于Databricks ACID保證以批處理模式運(yùn)行，而對(duì)于Splice Machine，ACID支持在單元(記錄)級(jí)別添加并發(fā)控制。

從一開始，Splice Machine就與其他開源關(guān)系數(shù)據(jù)庫平臺(tái)(例如MariaDB或PostgreSQL)區(qū)分開來，其根源在于大數(shù)據(jù)。作為混合事務(wù)/分析系統(tǒng)，OLTP端運(yùn)行Hadoop的HBase，而其分析風(fēng)格可以在各種數(shù)據(jù)源上運(yùn)行，從文件系統(tǒng)到云存儲(chǔ)，只要數(shù)據(jù)采用像Parquet這樣的結(jié)構(gòu)化格式。它在AWS和azure中引入了自己的托管數(shù)據(jù)庫即服務(wù)(DBaaS)，我們預(yù)計(jì)在明年，Google Cloud平臺(tái)將被添加到列表中。

Splice Machine在孔中的王牌與其機(jī)器學(xué)習(xí)能力密切相關(guān)。埃森哲已將Splice Machine作為其AI平臺(tái)的核心數(shù)據(jù)庫。作為Splice Machine在2月份的B輪融資的一部分，埃森哲的風(fēng)險(xiǎn)投資部門在游戲中投入了一些資金。