- Databricks บรรลุข้อตกลงเพื่อเข้าซื้อ Neon ซึ่งให้บริการ Serverless Postgres ที่เน้นนักพัฒนาเป็นศูนย์กลาง
- Neon มอบแพลตฟอร์มฐานข้อมูลแบบ serverless ที่เหมาะกับนักพัฒนาและระบบ AI ผ่าน สถาปัตยกรรมแยก storage และ compute
- หลังการนำ Neon มาใช้ สัดส่วนฐานข้อมูลที่ AI agent สร้างขึ้นเติบโตอย่างรวดเร็วจาก 30% ไปเป็นมากกว่า 80%
- Databricks และ Neon มี แนวคิดแบบโอเพนซอร์ส และ DNA ด้านนวัตกรรมโครงสร้างพื้นฐานร่วมกัน
- หลังการเข้าซื้อ การสนับสนุนแพลตฟอร์ม Neon และโรดแมปที่มุ่งสู่อนาคตจะถูก เสริมความแข็งแกร่งด้วยทรัพยากรของ Databricks
การประกาศเข้าซื้อกิจการและความสำคัญ
- Databricks บรรลุข้อตกลงเพื่อเข้าซื้อ Neon ซึ่งให้บริการ Serverless Postgres ที่เน้นนักพัฒนาเป็นศูนย์กลาง
- ผู้ร่วมก่อตั้ง Neon เป็นหนึ่งในผู้เชี่ยวชาญไม่กี่คนของโลกที่สามารถออกแบบ Postgres ด้วยโครงสร้างแยก storage และ compute อย่างสมบูรณ์
- ทีมนี้มุ่งเน้นการสร้าง แพลตฟอร์ม Serverless Postgres เพื่อรองรับนักพัฒนาจำนวนมากในยุค AI
ภารกิจนวัตกรรมบนพื้นฐาน Postgres
- ผู้ร่วมก่อตั้ง Neon รวมตัวกันเมื่อราว 4 ปีก่อนเพื่อต้องการปฏิวัติโครงสร้างฐานข้อมูลแบบเดิมที่ล้าสมัย
- เป้าหมายหลักมีดังนี้
- มองเห็นว่า Postgres จะกลายเป็น มาตรฐานโดยพฤตินัย และวางวิสัยทัศน์ของ แพลตฟอร์ม serverless
- ให้ความสำคัญกับความเร็ว เพื่อให้นักพัฒนาสามารถ สร้างอินสแตนซ์ใหม่ได้ภายในไม่กี่วินาที
- มุ่งแก้ปัญหาความกังวลเรื่อง over/under provisioning ผ่าน การขยายอัตโนมัติ และการทำงานที่ง่ายขึ้นของฐานข้อมูล
- รองรับ branch และ fork ได้ทันที เพื่อให้ทดสอบและทดลองฐานข้อมูลได้ง่ายขึ้น
- ทีม Neon บรรลุเป้าหมายเหล่านี้ด้วยสถาปัตยกรรมที่ทำให้ storage และ compute ขยายแยกจากกันได้อย่างอิสระ
- หลังเปิดตัว นักพัฒนาชื่นชมเรื่องความเร็ว ความเรียบง่าย และความสามารถด้าน branch/fork แบบ Git
ความเปลี่ยนแปลงในยุค AI agent
- หลังจาก Neon เปิดให้ใช้งาน GA แล้ว AI agent คิดเป็น 30% ของการสร้าง DB ทั้งหมด และล่าสุดเพิ่มขึ้นเป็น มากกว่า 80%
- AI agent มีความต้องการคล้ายกับนักพัฒนา
- จุดแข็งของ Neon มีดังนี้
- ระบบนิเวศโอเพนซอร์สของ Postgres: LLM รุ่นใหม่ถูกฝึกด้วยข้อมูลของ Postgres ทำให้ AI agent ใช้งาน Neon ได้อย่างเชี่ยวชาญ
- ความรวดเร็ว: ต้องการความเร็วที่มากกว่ามนุษย์ จึงจำเป็นต้องมีการ provision อินสแตนซ์ที่รวดเร็วมาก
- การขยายตัวและราคาที่ยืดหยุ่น: ด้วย โครงสร้าง serverless แบบแยกส่วน จึงมีต้นทุนต่ำมากและรองรับ AI agent จำนวนมากได้
- branch และ fork: ทำให้ทดลองและตรวจสอบแนวทางที่เปลี่ยนแปลงตลอดเวลาของ AI agent ได้ง่ายขึ้น
DNA ร่วมกันของ Databricks และ Neon
- ผู้ก่อตั้ง Nikita Shamgunov, Heikki Linnakangas และ Stas Kelvich เป็นผู้เชี่ยวชาญด้านเทคโนโลยีฐานข้อมูลที่มีชื่อเสียงในอุตสาหกรรม
- แต่ละคนมีประสบการณ์เข้มข้นและความคิดสร้างสรรค์จาก SingleStore, การเป็น Postgres committer และบทบาทอื่น ๆ
- ทั้ง Databricks และ Neon ต่างให้ความสำคัญกับ นวัตกรรมเทคโนโลยีขั้นสูงในชั้นโครงสร้างพื้นฐานและคุณค่าของโอเพนซอร์ส
- ทั้ง Apache Spark และ Postgres ต่างก็เป็นโครงการโอเพนซอร์สที่เริ่มต้นจาก UC Berkeley เหมือนกัน
วิสัยทัศน์ในอนาคตและประโยชน์ต่อผู้ใช้
- ตลาดฐานข้อมูล OLTP (มูลค่าราว 1 แสนล้านดอลลาร์) ปัจจุบันยังถูกครอบงำด้วยผลิตภัณฑ์จากหลายทศวรรษก่อน
- ตอนนี้คือช่วงเวลาที่ นักพัฒนาและ AI agent จะเป็นผู้นำการเปลี่ยนแปลง
- Databricks และ Neon ตั้งเป้าสร้าง แพลตฟอร์มฐานข้อมูลที่เป็นมิตรต่อนักพัฒนามากที่สุดและเหมาะกับ AI agent มากที่สุด
- ลูกค้าและพาร์ตเนอร์ของ Neon เดิมยังคาดหวังได้ถึง การสนับสนุนและนวัตกรรมอย่างต่อเนื่อง รวมถึงการทำให้โรดแมปเกิดขึ้นจริง
- ด้วยทรัพยากรของ Databricks จะช่วยรับประกัน การเสริมความแข็งแกร่งของแพลตฟอร์มและการเติบโตอย่างมั่นคง
- จะมีการแบ่งปันวิสัยทัศน์ในอนาคตอย่างละเอียดในงาน Data + AI Summit (ซานฟรานซิสโก, 9-12 มิถุนายน)
1 ความคิดเห็น
ความเห็นจาก Hacker News
(1) AWS RDS เราใช้อยู่แล้ว แต่แพงและมีปัญหาทั้งด้านการขยายตัวและการปฏิบัติการ
(2) AWS Aurora ช่วยแก้ปัญหาด้านปฏิบัติการบางส่วน แต่ก็มาพร้อมข้อเสียอื่น และมีข้อจำกัดคล้ายกับทางเลือก Postgres ที่ wire-compatible อื่น ๆ
(3) CockroachDB น่าสนใจมาก แต่มีปัญหาเรื่องความเข้ากันได้กับ toolchain และความเข้ากันได้เชิงลึก ตอนนั้นยังเป็นโอเพนซอร์สอยู่
(4) Neon ดูยังไม่สุกงอมพอจึงยังไม่ได้ใช้ แต่ก็น่าสนใจและดูเหมือนจะแก้ปัญหาได้หลายอย่าง
(5) Yugabyte ก็เป็นเทคโนโลยีที่น่าสนใจเช่นกัน แต่ก็มีปัญหาความเข้ากันได้หลายด้าน
ผมยังเคยคิดจะโฮสต์ Postgres เองด้วย แต่ภาระในการดูแล Kubernetes กับ postgres ด้วยตัวเองหนักมาก ฟังก์ชัน replication หรือความสามารถด้านปฏิบัติการที่ทำเองก็ยังไม่สุกงอมพอ และเวลาอัปเกรดต้อง unload/reload ข้อมูลทั้งหมดซึ่งยุ่งยากมาก การขยายระบบหรือทำ automation ก็ไม่ง่าย