AI 的最大障碍是什么？数据可靠性。Astronomer 的新平台应对挑战

快速阅读: 据《VentureBeat 公司》称，天文学家公司推出Astro Observe平台，结合了Apache Airflow编排和数据可观测性功能，帮助企业更有效地管理和维护数据管道。该平台利用AI预测潜在故障，提供主动建议。GumGum等公司已从中受益。天文学家公司将面对可观测性市场的竞争，但其深度集成和主动管理功能可能为其带来优势。

—

如果您想给上司留下深刻印象，VB每日简讯可以让您如愿以偿。我们将为您提供公司如何使用生成式人工智能的内部消息，从监管变化到实际部署，以便您可以分享见解以获得最大回报。现在订阅阅读我们的隐私政策。

感谢您的订阅。

查看更多VB新闻通讯。

加入我们的每日及每周新闻通讯，获取行业领先的人工智能报道的最新更新和独家内容。Apache Airflow编排软件背后的企业，天文学家公司，今天推出了Astro Observe，标志着其从单一产品公司扩展至竞争激烈的数据运营平台市场。此举正值企业努力将其人工智能计划投入运营并大规模维护可靠数据管道之际。这一新平台旨在通过在单一解决方案中结合编排和可观测性功能，帮助组织更有效地监控和排查其数据工作流程。这种整合可以显著减少许多企业在管理其数据基础设施时面临的复杂性。“以前，我们的客户必须来找我们进行数据管道编排，然后他们还需要去寻找不同的数据可观测性和Airflow可观测性供应商，”天文学家公司的首席技术官朱利安·拉尼夫在接受VentureBeat采访时说。“我们正试图让这一切对我们的客户来说更加容易，并在一个平台上提供所有这些功能。”

AI驱动的预测分析旨在防止管道故障

Astro Observe的一个关键区别在于它能够预测潜在的管道故障，从而在影响业务运营之前采取措施。该平台包括一个AI驱动的“洞察引擎”，分析数百个客户部署中的模式，以提供优化的主动建议。“实际上，在服务等级协议（SLA）发生前两小时，我们会告诉人们他们可能会错过它，因为上游存在某些延迟，”拉尼夫解释道。“这将人们从非常被动的世界带入更多主动的方法，在下游利益相关者发现之前，你可以开始解决这些问题。”

时机尤为重要，因为组织正在努力实现人工智能模型的运营化。虽然注意力主要集中在模型开发上，但保持可靠数据管道以供这些模型使用的挑战变得越来越重要。“最终，要将这些人工智能用例从原型推向生产，归根结底是一个数据工程问题，”拉尼夫指出。“如何有效、及时地为这些大型语言模型提供正确的数据？这就是数据工程师多年来一直在做的事情。”

从开源成功到企业数据管理

该平台建立在天文学家公司对Apache Airflow的深厚专业知识之上，这是一个每月下载量超过三千万次的开源工作流管理平台。这比四年前Airflow 2.0发布时的下载量不到一百万次有了显著增长。一个值得注意的功能是“全局供应网络图”，它可以提供数据血缘关系和操作依赖性的可见性。这有助于团队理解不同数据资产和工作流程之间的复杂关系——这对于在大规模部署中保持可靠性至关重要。该平台还引入了“数据产品”的概念，允许团队将相关数据资产分组并分配服务等级协议（SLA）。这种方法通过围绕数据可靠性和交付提供明确的指标，有助于弥合技术团队与业务利益相关者之间的差距。

随着企业工具的整合，市场竞争升温

早期采用者GumGum已经从该平台中看到了好处。“在编排的同时添加数据可观测性使我们能够在影响用户和下游系统之前解决问题，”GumGum的高级工程主管布伦丹·弗里克说。天文学家公司的扩展正值企业越来越多地寻求整合其数据工具之时。由于组织通常需要处理来自不同供应商的八种或更多工具，向统一平台的转变可能预示着企业数据管理领域的更大变革。对于天文学家公司而言，挑战在于与已建立的可观测性玩家竞争，同时保持其在编排领域的领导地位。然而，其与Airflow的深度集成以及对主动管理的关注可能使其在快速发展的AI基础设施工具市场中占据优势。

每日商业用例洞察

感谢您的订阅。

查看更多VB新闻通讯。

(以上内容均由Ai生成)