一竞技官网,雷火最新网址,电竞官网

來源：互聯(lián)網(wǎng)

Databricks，是一家基于云計(jì)算Spark大數(shù)據(jù)的軟件運(yùn)營商，成立于2013年1月1日，總部位于舊金山，主要提供用于數(shù)據(jù)集成、數(shù)據(jù)管道、數(shù)據(jù)清洗、數(shù)據(jù)管理以及其他服務(wù)的基于Spark的云服務(wù)。現(xiàn)任首席執(zhí)行官為阿里?戈西（Ali Ghodsi）。

Databricks于2016年和微軟達(dá)成合作。2017年11月，Databricks成為Microsoft Azure的第一方服務(wù)平臺(tái)。2018年，Databricks發(fā)布了MLflow來管理機(jī)器學(xué)習(xí)項(xiàng)目。2020年6月，Databricks宣布收購以色列初創(chuàng)公司Redash。2021年，Databricks和谷歌云達(dá)成合作。2023年，Databricks推出了開源語言模型Dolly。2023年6月，Databricks宣布收購生成式人工智能初創(chuàng)公司MosaicML，2024年3月，Databricks推出通用大型語言模型DBRX。

2024年，Databricks被福布斯評(píng)為“AI50強(qiáng)：全球最佳AI初創(chuàng)企業(yè)”。2025年，Databricks被高德納咨詢公司授予“魔力象限：數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)領(lǐng)域領(lǐng)導(dǎo)者”稱號(hào)。

歷史沿革

2013年，Apache Spark7位初始成員（Ali Ghodsi、Andy Konwinski、Arsalan Tavakoli-Shiraji、Ion Stoica、Matei Zaharia、Patrick Wendell和Reynold Xin）創(chuàng)立了Databricks。2016年，Databricks和微軟達(dá)成合作。2017年11月，Databricks成為Microsoft Azure的第一方服務(wù)平臺(tái)。

2018年，Databricks發(fā)布了MLflow來管理機(jī)器學(xué)習(xí)項(xiàng)目。次年，Databricks又發(fā)布了Delta Lake。2020年6月，Databricks宣布收購以色列初創(chuàng)公司Redash并基于其技術(shù)推出了數(shù)據(jù)湖屋關(guān)鍵開源技術(shù)Delta Engine，可在Delta Lake之上分層以提高查詢性能。同年11月，Databricks推出了Databricks SQL，用于在數(shù)據(jù)湖上運(yùn)行商業(yè)智能和分析報(bào)告。

2021年，Databricks和谷歌云建立合作，使用戶能夠在谷歌云上應(yīng)用Databricks平臺(tái)的功能。通過此次合作，Databricks成為了當(dāng)時(shí)唯一一個(gè)可以在三大云平臺(tái)（谷歌、亞馬遜和微軟）上使用的統(tǒng)一數(shù)據(jù)平臺(tái)。同年10月，Databricks收購了德國無代碼公司8080labs，降低了平臺(tái)的使用門檻，并在CIDR 2021發(fā)表論文首次正式提出了數(shù)據(jù)湖屋（Lakehouse）的概念。截至2022年8月，Databricks的年?duì)I收已超過10億美元。2023年，為了應(yīng)對(duì)OpenAI的ChatGPT， Databricks推出了開源語言模型Dolly。

2023年6月26日，Databricks正式宣布，以約13億美元收購生成式人工智能初創(chuàng)公司MosaicML，以提供為企業(yè)構(gòu)建類ChatGPT工具的服務(wù)，交易預(yù)計(jì)7月31日前完成。9月14日，Databricks完成了超過5億美元的I輪融資。2024年3月，Databricks推出了一款名為DBRX的通用大型語言模型。12月7日，Databricks宣布完成100億美元J輪融資，公司估值從此前的430億美元攀升至620億美元。本輪融資由Thrive Capital領(lǐng)投，多家知名投資機(jī)構(gòu)參與本輪融資，包括Andreessen Horowitz、DST Global、GIC、Insight Partners和WCM Investment Management作為共同領(lǐng)投方。

機(jī)構(gòu)治理

參考資料

機(jī)構(gòu)業(yè)務(wù)

主營業(yè)務(wù)

Databricks旗下主要產(chǎn)品為大數(shù)據(jù)平臺(tái)Spark，Sparks是基于Apache Spark開源大數(shù)據(jù)框架的統(tǒng)一數(shù)據(jù)分析平臺(tái)，定義了云計(jì)算時(shí)代數(shù)據(jù)處理標(biāo)準(zhǔn)的引擎。

產(chǎn)品服務(wù)

Data Sharing：數(shù)據(jù)共享平臺(tái)

Databricks和Linux基金會(huì)聯(lián)合開發(fā)了Delta Sharing數(shù)據(jù)共享平臺(tái)，為跨數(shù)據(jù)、分析和人工智能的數(shù)據(jù)共享提供了一個(gè)開源方法。客戶可以在高度安全和治理的平臺(tái)區(qū)域之間共享實(shí)時(shí)數(shù)據(jù)，可以在企業(yè)內(nèi)部業(yè)務(wù)線共享、B2B分享與數(shù)據(jù)貨幣化等場景中應(yīng)用。

Unity Catalog：統(tǒng)一管理方法

Databricks Unity Catalog為Databricks數(shù)據(jù)智能平臺(tái)內(nèi)的數(shù)據(jù)和人工智能提供了統(tǒng)一的管理方法。使用Unity Catalog，組織可以在任何云或平臺(tái)上無縫地管理其結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)、機(jī)器學(xué)習(xí)模型、筆記本、儀表板和文件。數(shù)據(jù)科學(xué)家、分析師和工程師可以使用Unity Catalog發(fā)現(xiàn)、訪問可信數(shù)據(jù)和人工智能資產(chǎn)并進(jìn)行協(xié)作，利用人工智能提高生產(chǎn)力并釋放數(shù)據(jù)湖屋架構(gòu)的全部潛力。該功能能夠提高生產(chǎn)力，簡化許可模型，進(jìn)行人工智能監(jiān)控并提高可視性。

Mosaic AI：統(tǒng)一構(gòu)建工具

Databricks Mosaic AI能夠提供統(tǒng)一的工具來構(gòu)建、部署和監(jiān)控人工智能和機(jī)器學(xué)習(xí)解決方案，包括構(gòu)建預(yù)測模型、最新的GenAI和大型語言模型。基于Databricks數(shù)據(jù)智能平臺(tái)，Mosaic AI使組織能夠安全且經(jīng)濟(jì)高效地將企業(yè)數(shù)據(jù)集成到AI生命周期中。在保證企業(yè)對(duì)模型和數(shù)據(jù)的所有權(quán)的同時(shí)，提供準(zhǔn)確、安全和可控的AI應(yīng)用程序，并以更低的成本為用戶培訓(xùn)定制化的大語言模型。

DBRX：通用大語言模型

DBRX是Databricks下一代GenAI產(chǎn)品的核心支柱。它是由Databricks創(chuàng)建的開放的通用大語言模型，采用了創(chuàng)新的先進(jìn)技術(shù)。此外，它為開放社區(qū)和企業(yè)提供了構(gòu)建定制化大語言模型的功能，可供Databricks客戶通過應(yīng)用程序接口使用。根據(jù)Databricks的測試，它超過了GPT-3.5，與Gemini 1.0 Pro有相似的競爭力。另外，DBRX在開放模型中提高了效率，是同類型的模型計(jì)算速度的2倍。

Delta Lake：構(gòu)建湖屋架構(gòu)的存儲(chǔ)框架

Delta Lake是DataBricks公司開源的、用于構(gòu)建數(shù)據(jù)湖屋架構(gòu)的存儲(chǔ)框架，是可以在開放格式之間自動(dòng)即時(shí)轉(zhuǎn)換的開放格式存儲(chǔ)層，能夠支持Spark、Flink、Hive、PrestoDB、Trino等查詢計(jì)算引擎。

數(shù)據(jù)湖和數(shù)據(jù)庫、數(shù)據(jù)倉庫一樣，都是數(shù)據(jù)存儲(chǔ)的設(shè)計(jì)模式。區(qū)別在于，數(shù)據(jù)庫和數(shù)據(jù)倉庫通常采用明確的模式設(shè)計(jì)，即先定義好數(shù)據(jù)模型和數(shù)據(jù)結(jié)構(gòu)，再將數(shù)據(jù)整合到這個(gè)模型中，因此數(shù)據(jù)庫和數(shù)據(jù)倉庫更固定、更靜態(tài)；而數(shù)據(jù)湖則更注重?cái)?shù)據(jù)的采集和存儲(chǔ)，采用更靈活的架構(gòu)對(duì)各種異構(gòu)的數(shù)據(jù)源和數(shù)據(jù)格式進(jìn)行處理，因此數(shù)據(jù)湖更加動(dòng)態(tài)和靈活。數(shù)據(jù)湖屋結(jié)合了兩者的優(yōu)勢，并且通過打通數(shù)據(jù)湖和數(shù)據(jù)倉庫，能有效消除用戶組織內(nèi)部的數(shù)據(jù)壁壘。

Data Streaming：數(shù)據(jù)流

Databricks數(shù)據(jù)智能平臺(tái)極大地簡化了數(shù)據(jù)流，在一個(gè)平臺(tái)上提供實(shí)時(shí)分析、機(jī)器學(xué)習(xí)和應(yīng)用程序。Data Streaming能夠幫助用戶使用已知的語言和工具構(gòu)建數(shù)據(jù)平臺(tái)，通過自動(dòng)化構(gòu)建和維護(hù)實(shí)時(shí)數(shù)據(jù)，簡化開發(fā)和操作流程，并通過流的方式批量處理數(shù)據(jù)，消除數(shù)據(jù)孤島。

Spark結(jié)構(gòu)化流是實(shí)現(xiàn)Databricks數(shù)據(jù)智能平臺(tái)上數(shù)據(jù)流的核心技術(shù)，為批處理和流處理提供統(tǒng)一的應(yīng)用程序接口。Databricks是運(yùn)行Apache Spark工作負(fù)載的最佳場所，其托管服務(wù)能夠達(dá)到99.95%的正常運(yùn)行率。

MLflow：開源的機(jī)器學(xué)習(xí)平臺(tái)

MLflow是一個(gè)能夠覆蓋機(jī)器學(xué)習(xí)全流程（從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練到最終部署）的平臺(tái)，旨在簡化數(shù)據(jù)科學(xué)家構(gòu)建、測試和部署機(jī)器學(xué)習(xí)模型的復(fù)雜過程。MLflow的第一個(gè)alpha版本有三個(gè)組件，其中"跟蹤"組件（Tracking）支持記錄和查詢實(shí)驗(yàn)周圍的數(shù)據(jù)，如評(píng)估指標(biāo)和參數(shù)；"項(xiàng)目"組件（Projects）提供了可重復(fù)運(yùn)行的簡單包裝格式；"模型"組件（Models）提供了管理和部署模型的工具。

獲得榮譽(yù)