Databricks 欲合并企业运行的两大数据库

Databricks 正致力于消除企业运营数据库与分析系统之间的界限。在旧金山举行的数据+AI峰会上，该公司发布了名为“湖事务/分析处理”（LTAP）的新架构，旨在为AI智能体重构数据堆栈。

LTAP 的设计基于公司此前收购的 Neon 和 Mooncake Labs 技术。Databricks 首席执行长 Ali Ghodsi 表示：“几十年来，复杂的数据基础设施一直是团队的负担。智能体出现后，组织在数月内有效翻倍了劳动力，但基础设施却成了瓶颈。LTAP 移除了这一瓶颈。”

传统上，企业需同时运行在线事务处理（OLTP）和在线分析处理（OLAP）两种数据库，前者用于实时业务操作，后者用于报告与分析，两者通过 ETL 管道桥接。Databricks 认为，AI 智能体需要整合的系统，既能读取实时事务数据，又能推理历史上下文并立即行动。

LTAP 将事务和分析数据统一在单一存储层中，以开放格式存储在云对象存储上，同时为两类工作负载保留独立计算引擎。其基础是 Databricks 于 2025 年 6 月推出的 Lakebase 操作数据库。现在，Lakebase 新增了对关键业务工作负载的支持，包括原生向量和全文搜索、通过 Zerobus 的实时事件摄入，以及类似 Git 的分支功能，让智能体可以快速复制数据库进行实验。

另一半架构是湖库//RT（Lakehouse//RT），一个由名为 Reyden 的向量化引擎驱动的实时分析引擎，直接运行在湖仓中的 Delta 和 Iceberg 表上，无需额外的服务层。Databricks 称其可实现毫秒级延迟，无需数据复制或管道。

此外，Databricks 还推出了 Unity AI Gateway 用于控制模型和智能体的成本与访问、Genie One 通用智能体、OpenSharing 数据共享协议、面向营销团队的 CustomerLake，以及收购安全公司 Panther。Ghodsi 认为，数据层是 Databricks 真正的护城河，而行业专用产品如 CustomerLake 可进一步巩固其地位。