问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
开源数据库厂商MariaDB近日宣布将与内存计算解决方案提供商GridGain达成技术合作，整合后者的分布式内存计算技术，为运营、事务处理及AI类应用提供亚毫秒级的响应性能，此举意在解决当前AI场景下爆发式增长的高并发、低时延数据处理需求，为企业级AI应用落地提供底层数据架构支撑。
随着生成式AI、实时大模型应用在金融、零售、互联网等行业的规模化落地，底层数据处理的时延要求已经被拉高到前所未有的水平。来自Gartner的调研数据显示，2024年企业对AI推理、实时向量检索场景的数据响应要求，82%都低于2毫秒，其中近六成要求达到亚毫秒级，而传统基于磁盘存储的关系型数据库，平均响应时延普遍在10毫秒以上，已经成为AI应用落地的核心瓶颈之一。
作为全球装机量排名前三的开源关系型数据库，MariaDB此前已经覆盖了全球超过10万家企业的业务系统，但其原生架构针对高并发AI场景的性能不足，已经收到大量企业用户的反馈，此次技术合作正是对用户需求的直接回应。
此次MariaDB选择与GridGain合作，正是瞄准了内存计算技术在低时延处理上的核心优势。作为全球领先的分布式内存计算解决方案提供商，GridGain主导开发的开源内存计算框架Apache Ignite，已经在全球超过1000家大型企业的实时业务场景落地。
双方整合完成后，MariaDB用户无需重构现有数据库架构，即可通过内存计算层处理高并发热数据，实现亚毫秒级的响应性能，相比原有磁盘存储架构处理速度提升超百倍，不仅能支撑传统的高频事务处理场景，还可直接对接AI推理、实时特征工程、向量相似度检索等AI核心工作流。
实际上，针对AI场景的性能优化已经成为全球数据库厂商的竞速赛道。除了MariaDB之外，Oracle、MongoDB等头部厂商此前都已经推出了内置向量引擎、内存计算模块的新版本数据库产品，国内云厂商推出的云原生数据库也普遍加入了AI优化特性。
此次合作也意味着开源数据库阵营在AI适配领域的布局进一步完善，对于预算有限的中小科技企业而言，基于开源栈搭建AI底层数据架构的成本有望降低30%以上，进一步降低AI应用的落地门槛。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号