Les applications modernes deviennent de plus en plus dynamiques, plus intelligentes et plus en temps réel. Les tableaux de bord se rafraîchissent avec la télémétrie entrante. Les systèmes de surveillance répondent aux changements de lignes de base. Les agents prennent des décisions dans le contexte, pas en isolement. Chacun dépend de la même exigence fondamentale: la capacité d'unifier les événements en direct avec l'état historique profond. Les données restent cependant fragmentées. Les systèmes d'exploitation, construits sur Postgres, gèrent l'ingestion et le service. Les systèmes analytiques, construits sur le lac, gèrent l'enrichissement et la modélisation. Leur connexion signifie combiner les flux, les pipelines et les tâches personnalisées - chacun introduisant la latence, la fragilité et le coût. Le résultat est un patchwork de systèmes qui luttent pour fournir le tableau complet, sans oublier de le faire en temps réel. Cette fragmentation ne ralentit pas seulement les équipes, elle limite ce que les développeurs peuvent construire.Vous ne pouvez pas fournir des tableaux de bord en temps réel avec une profondeur historique ou des agents de terrain dans un contexte opérationnel frais lorsque les données sont divisées par conception. Cette division architecturale n’est plus durable. Maintenant en bêta publique, il introduit une nouvelle boucle de données - continue, bidirectionnelle et profondément intégrée - entre Postgres et le lachouse. Il simplifie la pile, préserve les formats ouverts et apporte le contexte opérationnel et analytique dans le même système. Le lac Tigre Le lac Tigre Introduction à Tiger Lake : données en temps réel, systèmes en contexte complet Tiger Lake élimine le besoin de pipelines externes, de cadres d'orchestration complexes et de middleware propriétaire. Il est intégré directement dans Tiger Cloud et intégré à Tiger Postgres, notre moteur Postgres de classe de production pour les charges de travail transactionnelles, analytiques et agentistiques. L’architecture utilise des normes ouvertes de bout en bout : Les tables Apache Iceberg stockées dans les tables Amazon S3 pour l'intégration du lac Réplication continue des tables Postgres ou des hypertables dans Iceberg Streaming de l'ingestion dans Postgres pour les services et les opérations à faible latence Pushing down des requêtes de Postgres à Iceberg pour des rollups efficaces Ces fonctionnalités sont intégrées.Ce qui était auparavant requis Flink emplois, planificateurs DAG, et colle personnalisée maintenant fonctionne nativement.Le comportement de streaming et la compatibilité de schéma sont conçus dans le système dès le départ. Pour comprendre comment Tiger Lake redessine l'architecture de données, il aide à et considérez comment cela évolue lorsque le contexte en temps réel devient un principe de conception de base. Découvrez le modèle de la médaille Découvrez le modèle de la médaille Vous pouvez le considérer comme un : operational medallion architecture Bronze: Les données brutes atterrissent dans le S3 soutenu par Iceberg. Silver : les données nettoyées et validées sont répliquées dans Postgres. Or : Les agrégats sont calculés dans Postgres pour un service en temps réel, puis transmis à Iceberg pour une analyse des caractéristiques. Les flux de travail traditionnels Bronze-Argent-Or ont été construits pour les systèmes de lots. Tiger Lake permet un flux continu où l'enrichissement et la prestation se produisent en temps réel. Ce changement transforme un pipeline excessivement complexe en une boucle de données dynamique et plus simple en temps réel. Le contexte et les données se déplacent librement entre les systèmes. Les couches opérationnelles et analytiques restent connectées sans redondance de tâches ni infrastructure dupliquée. Toutes les données restent natives, à jour et consultables avec SQL standard. Tiger Lake prend en charge un seul chemin d'écriture qui alimente les applications en temps réel, les tableaux de bord et le lac, en utilisant l'architecture qui convient le mieux au développeur. Les utilisateurs peuvent écrire les données à Postgres, puis avoir les données appropriées et les rollups synchronisés automatiquement à leur lac; au contraire, les utilisateurs qui alimentent déjà les données brutes dans le lac peuvent automatiquement les apporter à Postgres pour un service opérationnel. "Nous avons assemblé Kafka, Flink et le code personnalisé pour diffuser des données de Postgres à Iceberg. a déclaré Kevin Otten, directeur de l'architecture technique chez Speedcast. "Tiger Lake remplace tout cela par une infrastructure native. c'est l'architecture que nous souhaitons avoir depuis le premier jour." "Nous avons assemblé Kafka, Flink et le code personnalisé pour diffuser des données de Postgres à Iceberg. a déclaré Kevin Otten, directeur de l'architecture technique chez Speedcast. a déclaré Kevin Otten, directeur de l'architecture technique chez Speedcast. "Tiger Lake remplace tout cela par une infrastructure native. c'est l'architecture que nous souhaitons avoir depuis le premier jour." De l’architecture aux résultats Tiger Lake permet des systèmes en temps réel qui étaient auparavant trop complexes pour fonctionner ou trop coûteux pour être construits. Des dashboards à la clientèle Les tableaux de bord peuvent maintenant combiner des métriques en direct avec des agrégats historiques dans une seule requête. Il n'y a pas besoin de piles doubles ou de connaissances stables. Tiger Lake prend en charge l'ingestion de haut débit à l'échelle de la production, fournissant des pipelines qui visualisent des milliards de lignes en temps réel. Tout vit dans un seul système, continuellement mis à jour et instantanément consultable. « Avec Tiger Lake, nous avons finalement unifié nos données en temps réel et historiques. » dit Maxwell Carritt, ingénieur principal de l’IoT chez Pfeifer & Langen. « Maintenant, nous circulons en douceur de Tiger Postgres à Iceberg, donnant à nos analystes le pouvoir d’explorer, de modéliser et d’agir sur les données sur S3, Athena et TigerData. » « Avec Tiger Lake, nous avons finalement unifié nos données en temps réel et historiques. » dit Maxwell Carritt, ingénieur principal de l’IoT chez Pfeifer & Langen. dit Maxwell Carritt, ingénieur principal de l’IoT chez Pfeifer & Langen. « Maintenant, nous circulons en douceur de Tiger Postgres à Iceberg, donnant à nos analystes le pouvoir d’explorer, de modéliser et d’agir sur les données sur S3, Athena et TigerData. » Systèmes de surveillance Avec une seule source de vérité et une boucle de données continue, les alertes deviennent plus rapides et plus fiables.Les ingénieurs peuvent exécuter une seule requête SQL pour inspecter la télémétrie fraîche et les incidents historiques ensemble – améliorer la vitesse de tri, réduire les faux positifs et rester concentré sur ce qui compte. Tiger Lake permet aux systèmes de surveillance de fonctionner sur la même colonne vertébrale opérationnelle en direct, où Iceberg fournit une profondeur historique et Tiger Postgres fournit un accès à faible latence. Les agents Tiger Lake permet la mise à la terre sans infrastructure supplémentaire.Les développeurs peuvent intégrer l'activité récente des utilisateurs et l'historique des interactions à long terme directement à l'intérieur de Postgres.Il n'y a pas besoin d'orchestration, de gestion de dérive vectorielle ou de pipelines d'IA personnalisées. Imaginez qu'un agent de soutien reçoive une nouvelle enquête.Le grand corps des cas de soutien historiques demeure à Iceberg, tandis que Tiger Lake a créé des embeddings automatisés de morceaux et de vecteurs dans Postgres.Maintenant, la recherche vectorielle contre la base de données opérationnelle peut répondre rapidement aux questions de chat d'IA, tout en veillant à ce que les embeddings restent frais et à jour sans pipelines d'orchestration complexes. En faisant cela, Tiger Lake est également un élément clé de ce que nous appelons Agentic Postgres, une fondation Postgres pour les systèmes intelligents qui apprennent, décident et agissent. « Avec Tiger Lake, nous croyons que TigerData est en train de poser une base solide pour transformer Postgres en moteur opérationnel du lac ouvert pour les applications. » a déclaré Ken Yoshioka, CTO, Lumia Health. « Cela nous permet de développer rapidement notre startup biotech avec une infrastructure conçue à la fois pour l’analyse et l’IA d’agent. » « Avec Tiger Lake, nous croyons que TigerData est en train de poser une base solide pour transformer Postgres en moteur opérationnel du lac ouvert pour les applications. » a déclaré Ken Yoshioka, CTO, Lumia Health. a déclaré Ken Yoshioka, CTO, Lumia Health. « Cela nous permet de développer rapidement notre startup biotech avec une infrastructure conçue à la fois pour l’analyse et l’IA d’agent. » Des sociétés telles que Speedcast, Lumia Health et Pfeifer & Langen construisent déjà des systèmes d'analyse en temps réel et en plein contexte avec Tiger Lake.Ces architectures alimentent la télémétrie industrielle, les workflows d'agent et les opérations en temps réel, le tout à partir d'une plate-forme unifiée et en continu. Disponible en bêta publique sur Tiger Cloud Tiger Lake est désormais disponible en beta publique , notre plate-forme gérée pour les applications en temps réel et les systèmes d'analyse. Il prend en charge le streaming continu de Tiger Postgres à Amazon S3 Tables pris en charge par Iceberg en utilisant des formats ouverts. Tiger Cloud Tiger Cloud Précédent : Round-Trip Intelligence Plus tard cet été: Recherchez les catalogues Iceberg directement à partir de Postgres. Explorez, joignez-vous et raisonnez à travers le lac et les données opérationnelles à l'aide de SQL. Automne 2025: flux de travail complet : ingérer dans Postgres, enrichir dans Iceberg et renvoyer automatiquement les résultats. Comment faire pour installer Tiger Lake Il n’y a pas d’orchestration complexe ou d’intégrations manuelles : Créez un coffre-fort pour les tables compatibles Iceberg S3. Fournir des autorisations ARN à Tiger Cloud. Activer la synchronisation de table dans Tiger Postgres: ALTER TABLE my_hypertable SET (
  tigerlake.iceberg_sync = true
);
 L'avenir de l'architecture de données est en temps réel, contextuel et ouvert Tiger Lake introduit un nouveau type d'architecture. Il est continu par la conception, évolutif par défaut, et optimisé pour les applications qui ont besoin de contexte complet et de données complètes en temps réel. Les données opérationnelles s'écoulent dans le lac pour l'enrichissement et la modélisation. Les informations enrichissantes retournent dans Postgres pour un service à faible latence.Les applications et les agents complètent la boucle, répondant avec précision et rapidité. Nous croyons que c’est la base de ce qui va suivre : Systèmes unifiant les cas d'utilisation opérationnelle et l'analyse interne Des architectures qui réduisent la complexité au lieu de la compliquer Des charges de travail non seulement réactives mais fondées sur la compréhension Vous ne devriez pas avoir à choisir entre le contexte et la simplicité. Vous ne devriez pas avoir à patcher ensemble des systèmes qui n'ont jamais été conçus pour travailler ensemble. Avec l'architecture de stockage de prochaine génération et notre outil d'IA natif de Postgres, Tiger Lake forme la colonne vertébrale d'Agentic Postgres.C'est une base construite pour les charges de travail intelligentes qui apprennent, simulent et agissent. Essayez-le aujourd’hui sur et vérifiez le pour commencer. Tiger Cloud Le lac de Tiger Docs Tiger Cloud Le lac de Tiger Docs - à Mike

This story contains new, firsthand information uncovered by the writer.

Stop database overprovisioning with Dynamic PostgreSQL. Try it out for free

Stop database overprovisioning with Dynamic PostgreSQL Try it out for free

Cet audio est produit dans la langue originale de l'histoire !

Tiger Lake lance l'unification de Postgres et Lakehouse pour l'analyse en temps réel et l'IA

About Author

COMMENTAIRES

ÉTIQUETTES

CET ARTICLE A ÉTÉ PARU DANS

Related Stories

Les couches invisibles : pourquoi les entretiens avec les utilisateurs sont un atout irremplaçable

La fuite de l'invite du système Claude Sonnet 3.5 : une analyse médico-légale

Le guide complet pour réussir une migration vers le cloud : stratégies et bonnes pratiques

Croissance des crypto-monnaies : créer des profils d'utilisateurs efficaces

Les couches invisibles : pourquoi les entretiens avec les utilisateurs sont un atout irremplaçable

La fuite de l'invite du système Claude Sonnet 3.5 : une analyse médico-légale

Le guide complet pour réussir une migration vers le cloud : stratégies et bonnes pratiques

Croissance des crypto-monnaies : créer des profils d'utilisateurs efficaces

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps