开源数据库 MariaDB 现已推出向量搜索功能,使客户能够通过单一完整的数据库同时支持事务处理、分析、半结构化数据以及人工智能应用。
该公司自 2022 年以 6.72 亿美元估值上市后经历了私募股权重组。期间经历了季度业绩不佳、收到纽交所市值过低警告、裁员 28%、关闭 MariaDB Xpand 和 MariaDB SkySQL 服务,并宣布 Azure Database for MariaDB 将于 2025 年 9 月关闭。在这场财务风暴中,甚至有贷款方威胁要清空其账户。公司收到多个收购提议,最终接受了 K1 Investment Management 以 3700 万美元估值的收购要约。
因此,拥有近 700 个活跃客户(涵盖银行、电信、政府、医疗保健和电子商务等行业)的 MariaDB 于 2024 年 9 月私有化。当时,K1 运营董事总经理 Sujit Banerjee 表示:"我们将共同加速产品创新,继续履行 MariaDB 提供高质量企业级解决方案以满足市场日益增长需求的使命。" K1 任命 Rohit de Souza 为 CEO,而前任 CEO Paul O'Brien 则继续担任顾问。
在高管补充方面,MariaDB 重新聘请了 MySQL 创始人 Michael "Monty" Widenius 担任 CTO。他此前曾在 Maria 担任 CTO 长达 7 年,直至 2022 年 12 月。公司还任命 Vikas Mathur 为首席产品官,Mike Mooney 为首席营收官。公司宣布将在 MariaDB Server 中推出向量搜索功能和 Kubernetes (K8s) 运营商,以适应 AI 和云原生趋势,现在这一承诺已经实现。
MariaDB Enterprise Platform 2025 版本提供以下功能: - 在 100% 开源的核心数据库引擎中内置原生向量搜索功能 - 增强的 JSON 功能,扩展半结构化数据支持 - 全新版本的 MaxScale,实现无忧升级 - 新的基于成本的优化器,支持复杂查询
Vikas Mathur 表示:"在数据库服务器中原生集成向量搜索功能,让客户能够将其组织中已在使用的数据库扩展到新的 AI 应用。在此版本中,我们还优先考虑了企业客户的使用体验,添加了使版本升级变得轻松的工具。"
该公司表示,向量搜索使企业能够在支持 AI 计划的同时保持数据库架构简单。MariaDB 称,向量搜索可以按值和语义搜索非结构化数据,无需集成多个数据库或影响系统的可靠性和安全性。它还可以帮助大语言模型使用企业数据的检索增强生成 (RAG) 功能,提供更准确和更具上下文相关性的结果。
此外,通过利用现有的 MariaDB 数据库,客户可以消除维护单独向量数据库的需求。
MariaDB 的向量搜索性能基准测试显示,其每秒查询量 (QPS) 比 PostgreSQL 的 pgvector 快 1.5 倍,索引创建时间快 2 倍。
新的 MaxScale 功能允许客户捕获生产系统的工作负载(如查询、会话和事务),并在测试环境中重放。捕获的工作负载可用于验证 MariaDB 数据库升级是否按预期运行,并衡量配置更改可能产生的影响。
数据库引擎中改进的优化器采用了精细的成本模型,考虑了最新的 SSD 磁盘和不同存储引擎的特性。MariaDB 数据库现在可以"充分利用现代存储设备提供的低延迟和高吞吐量,自动为复杂查询选择最快的执行计划。"
新版本还增加了: - 在线架构更改功能,允许内置非锁定 ALTER TABLE,在运行 ALTER TABLE 时可以写入表,从而减少运营停机时间 - 针对复制的新型乐观 ALTER TABLE,通过将 ALTER TABLE 操作转为两阶段操作,大大减少复制延迟 - 增强的企业级保护,新的安全功能默认启用 TLS 加密,增加更细粒度的权限,并引入新插件防止重用旧密码 - 改进的分区管理,新增将分区转换为表(反之亦然)等操作,以及对系统版本控制分区管理的新增强功能,使数据库维护更灵活高效
MariaDB Enterprise Platform 2025 包括其核心数据库 MariaDB Enterprise Server 11.4、高级数据库代理 MariaDB MaxScale 25.01 的更新版本,以及工具和支持。MariaDB Enterprise Platform 现已向所有 MariaDB 客户开放下载。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。