为了加快公司庞大数据库的访问速度，数据仓库虚拟化公司AtScaleInc。今天更新了旗舰产品AdaptiveAnalytics平台。

AtScale的平台是Hadoop集群和其他后端数据存储的抽象层，如雪花、Google BigQuery、Amazon红移以及Azure SQL数据仓库的微软。这项技术使这些数据存储更容易被一系列商业智能应用程序访问，如Excel电子表格和Tableau软件公司的可视化工具，而无需复杂的“提取、转换和加载”过程。

本质上，AtScale所做的是让公司更容易访问他们的数据湖和数据仓库，这些数据湖和数据仓库是通常用于业务分析的结构化和非结构化数据的存储库，并从这些信息中收集见解。借助AtScale的自适应分析平台，公司可以构建分析模型，并将任何受支持的BI工具连接到上述任何数据存储。

AtScale还通过其自适应缓存查询加速技术提高了这些工具的性能，该技术可以实时分析查询模式以优化响应。它的工作原理是拦截查询，并将它们重写到一个公共的元数据存储库中，包括语义模型、治理规则和数据谱系映射。自适应缓存创建汇总表，机器学习算法生成“智能聚合”，根据历史活动预测未来查询。

AtScale首席执行官Chris Lynch(如图)在去年8月接受SiliconANGLE的移动直播工作室CUBE采访时，更多地谈到了该公司的平台如何让商业智能获得数据：

新版本的Adaptive Analytics2020.1引入了新的“多源智能数据模型”，使用户能够创建逻辑数据模型，而无需复制或转换其现有的数据结构。据该公司称，这有助于以“及时”的方式组装所需数据，并为后续工作负载维护加速结构，从而加快查询时间。

新版本的还具有“自寻优查询加速结构”的功能，其工作原理是在创建加速结构时包含额外的数据。这有助于缓解查询计划中的“最小公分母”方法，该方法涉及大量手动数据供应和移动。

该公司表示：“AtScale的独立数据工程自动确定必要的结构及其最佳位置。

另一个亮点是新增了“虚拟立方体目录”功能，据说通过新增数据谱系和元数据搜索功能加快了发现时间，可以本地集成到现有数据目录中。

AtScale表示，有了这些新功能，其最新的基准测试显示，可以将查询性能提升10倍，用户并发量提升60倍，成本提升10倍。

文塔纳研究公司高级副总裁兼研究总监大卫？David Menninger表示：“最新发布的AtScale通过自动化当今混合云和多云数据平台的数据工程任务，使实现关键大数据分析的规模和性能变得更加容易。

我们只需点击一下(如下)即可订阅我们的YouTube频道，以显示您对我们使命的支持。我们的订户越多，YouTube就会向您推荐相关的公司和新兴技术内容。谢谢你

支持我们的使命：

我们还想告诉你我们的任务，以及你如何帮助我们完成它。硅谷媒体公司的商业模式是基于内容的内在价值，而不是广告。与许多在线出版物不同，我们没有付费墙或横幅广告，因为我们希望保持我们的新闻公开，没有影响力或需要追逐流量。有关硅谷的新闻、报道和评论，以及来自我们硅谷工作室和全球旅行视频团队的现场视频，需要大量的努力、时间和金钱。保持高质量需要赞助商的支持，这与我们对无广告新闻内容的愿景是一致的。

如果你喜欢这里的报道、视频采访等无广告内容，请花点时间查看我们赞助商支持的视频内容样本，在推特上支持你，继续回到SiliconANGLE。